《Python数据分析》课程电子教案（PPT课件）第3章 NumPy数值计算基础

Python数据分析 第 3 章 NumPy数值计算基础

第3章 NumPy数值计算基础 • NumPy是在1995年诞生的Python库Numeric的基础上建立起来的，但真 正促使NumPy的发行的是Python的SciPy库。但SciPy中并没有合适的类 似于Numeric中的对于基础数据对象处理的功能。于是，SciPy的开发者 将SciPy中的一部分和Numeric的设计思想结合，在2005年发行了NumPy 。 • NumPy是Python的一种开源的数值计算扩展库。它包含很多功能，如创 建n维数组（矩阵）、对数组进行函数运算、数值积分等。 NumPy的诞 生弥补了这些缺陷，它提供了两种基本的对象： – ndarray：是储存单一数据类型的多维数组。 – ufunc：是一种能够对数组进行处理的函数。 • NumPy常用的导入格式：import numpy as np

3.1 NumPy多维数组 ❖ 3.1.1 创建数组对象 ❖ 3.1.2 ndarray对象属性和数据转换 ❖ 3.1.3 生成随机数 ❖ 3.1.4 数组变换

3.1 NumPy多维数组 通常来说，ndarray是一个通用的同构数据 容器，即其中的所有元素都需要相同的类型。 利用array函数可创建ndarray数组。 ❖3.1.1 创建数组对象

3.1 NumPy多维数组 1. 利用array函数创建数组对象 – array函数的格式：np.array(object, dtype,ndmin) 参数名称 说明 object 接收array，表示想要创建的数组 dtype 接收data-type，表示数组所需的数据类型，未给定则 选择保存对象所需的最小类型，默认为None ndmin 接收int，制定生成数组应该具有的最小维数，默认为 None 表3-1. array函数的主要参数及说明

3.1 NumPy多维数组 1. 利用array函数创建数组对象 – array函数的格式：np.array(object, dtype,ndmin) import numpy as np data1 = [1,3,5,7] #列表 w1 = np.array(data1) print('w1:',w1) data2 = (2,4,6,8) #元组 w2 = np.array(data2) print('w2:',w2) data3 = [[1,2,3,4],[5,6,7,8]] #多维数组 w3 = np.array(data3) print('w3:',w3) w1: [1 3 5 7] w2: [2 4 6 8] w3: [[1 2 3 4] [5 6 7 8]] 输出：

3.1 NumPy多维数组 2. 专门创建数组的函数 ◼ arange函数：创建等差一维数组 格式：np.arange([start, ]stop, [step, ]dtype) 参数名称 说明 start: 起始值，默认从0开始; stop: 结束值；生成的元素不包括结束值； step 步长，可省略，默认步长为1； dtype 设置元素的数据类型，默认使用输入数据的类型。 例：

3.1 NumPy多维数组 2. 专门创建数组的函数 ◼ linspace 函数：创建等差一维数组，接收元素数量作为参数。 格式：np.linspace(start, stop, num, endpoint, retstep=False, dtype=None) 参数名称 说明 start: 起始值，默认从0开始; stop: 结束值；生成的元素不包括结束值； num 要生成的等间隔样例数量 例：

3.1 NumPy多维数组 2. 专门创建数组的函数 ◼ logspace函数：创建等比一维数组 格式：np.logspace(start, stop, num, endpoint=True, base=10.0, dtype=None)) logspace的参数中，start, stop代表的是10的幂,默认基数base 为10，第三个参数元素个数。 例：

3.1 NumPy多维数组 2. 专门创建数组的函数 ◼zeros函数：创建指定长度或形状的全0数组 格式：np.zeros(shape, dtype=float, order='C') ◼ ones函数：创建指定长度或形状的全1数组 格式：np. ones(shape, dtype=None, order='C') ◼ diag函数：创建一个对角阵。 格式：np.diag(v, k=0)