《Python程序设计基础》课件_第11章 数据处理.pptx

目录CONTENT11.111.211.311.4DataprocessingoverviewFoundationandapplicationofnumpyLibraryFoundationandapplicationofMatplotlibSummary数据处理概述NumPy库基础及应用Matplotlib基础及应用本章小结

11.1数据处理概述Python在数据分析和交互、探索性计算以及数据可视化等方面都显得比较活跃，这就是Python作为数据分析的原因之一，python拥有numpy、matplotlib、scikit-learn、pandas、ipython等工具

浙江财经大学东方学院信息分院311.1数据处理概述NumPy弥补了Python不能处理大型数据结构的缺陷，是Python最重要的基础库之一。Matplotlib是Python数据处理领域应用最多的2D图形绘图库，以跨平台的交互式环境生成出版质量级别的图形。NumPy和Matplotlib库都可以使用pip工具来安装：pipinstallnumpypipinstallmatplotlib

11.2NumPy库基础及应用NumPy（NumericalPython）是Python的一种开源的数值计算扩展。这种工具可用来存储和处理大型矩阵

浙江财经大学东方学院信息分院511.2NumPy库基础及应用进行Python编程时，numpy库的引用方式如下：importnumpyasnp将numpy引入并取别名为np，有助于提高Python代码的可读性，在相关代码编写过程中，np将代替numpy。

浙江财经大学东方学院信息分院611.2.1数组的使用NumPy库的应用基础是其N维数组对象ndarray，它是一系列同类型数据的集合，是进行数据处理运算的数据对象。创建一个ndarray只需调用NumPy的array函数即可，函数格式：numpy.array(object,dtype=None,copy=True,order=None,subok=False,ndmin=0)object 数组或嵌套的数列dtype 数组元素的数据类型，可选ndmin 指定生成数组的最小维度使用示例：list1=[[1,2,3,4,5],[6,7,8,9,10]]arr=np.array(list1)#将列表数据转变为数组

浙江财经大学东方学院信息分院711.2.1数组的使用除上述创建ndarray数组的方法，NumPy还提供其他方法创建数组：示例：arr=np.linspace(0,10,50)#生成包含50个数据的一维数组函数参数说明np.zeros(shape,dtype=float)生成一个形状为shape的数据全为0数组，数组的类型为dtype（参数可选）np.ones(shape,dtype=float)生成一个形状为shape的数据全为1数组，数组的类型为dtype（参数可选）np.empty(shape,dtype=float)生成一个形状为shape的空数组，数组的类型为dtype（参数可选）np.asarray(a,dtype=None)根据已有的数组a创建数组，类型可选np.arange(start,stop,step,dtype)根据start与stop指定的范围以及step设定的步长，生成一个ndarray。start为起始值，默认为0，stop为终止值（数组中不包含该值），step为步长，默认为1np.linspace(start,stop,num=50,dtype=None)创建一个包含num个数值的一维数组，数组是一个等差数列构成，起始值为start，终止值为stop（默认包含）。

浙江财经大学东方学院信息分院811.2.1数组的使用可以使用np.random模块的函数创建随机数数组：示例：arr=np.random.rand(2,3)#生成2*3的随机数array函数描述rand(d0,d1,...,dn)根据给定维度生成[0,1)之间均匀分布的随机数组，randn(d0,d1,...,dn)根据给定维度生成[0,1)之间标准正态分布分布的随机数组randint(low[,high,size,dtype])返回随机整数数组，范围区间为[low,high)choice(arr[,?size,?replace,?p])从给定的数组arr中取数并生成随机数组normal([loc,?scale,?size])返回正态(高斯)分布数组，均值为loc，标准差为scaleshuffle(arr)对数