《数据仓库与数据挖掘》课件 第5章 Python与Numpy

第5章Python与Numpy本章主要内容5.1Python简介5.2Numpy简介5.3课后习题5.1Python简介5.1Python简介近些年，由于Python语言的简洁性、易读性和可扩展性，IT行业内外掀起了一股学习Python的热潮，特别是随着大量方便快捷的扩展工具包涌现，Python更是成为了很多都市白领的必备技能。5.1.1Anaconda简介Anaconda是一个开源的Python发行版本，其包含了conda、Python等180多个科学包及其依赖项，还有很多安装好的工具包，比如之后介绍的numpy、pandas等。有了Anaconda我们的PC机就可以运行各种各样的Python科学计算程序。5.1.1Anaconda简介下载&双击傻瓜式“下一步”5.1.2JupiterNotebook简介5.1.2JupiterNotebook简介快速执行某个cell里的代码(shift+Enter)向前增加一个cell(a)向后增加一个cell(b)删除一个cell(dd)清空已执行的结果5.1.3Python常用语法变量类型列表型与字典型5.2Numpy简介5.2Numpy简介——原生python的问题实战案例：（1）有一个列表，里面装有5个数字，现让所有的数字都加上100，得到一个新列表。（2）一个人买了5种商品，第一个列表中存放着5种商品的个数，第二个列表中存放着5中商品的单价，求每个商品花了多少钱？5.2Numpy简介——numpy安装5.2.1初始数组——Numpy中的ndarrayndarray是个好东西！！有了它，numpy可以无循环地对整组数据进行快运算。（1）ndarray数组大小不能变动，（2）数组内元素类型必须保持一致（3）进行对位运算的数组大小必须相同（4）进行对位运算的数组内元素类型必须相同5.2.2数组的创建用原生python的列表创建用numpy创建特定数组（zerosones）用numpy创建有规律的数组（arangelinspace)用numpy创建随机数组(random.randintrandom.uniform)5.2.3数组的索引——数组的形状与维度多维数组reshapeshapesizeT5.2.3数组的索引传统索引 array[0][0]新索引

array[0,0]切片布尔型索引花式索引5.2.4Numpy的常用方法和属性求数组中每个元素的绝对值：np.abs()求数组中每个元素四舍五入值：np.round()求数组中每个元素向上取整：np.ceil()求数组中每个元素向下取整：np.floor()求数组中所有元素的平均值：np.mean()求数组中所有元素的方差：np.var()求数组中所有元素的标准差：np.std()求数组中最大值：np.max()求数组中最小值：np.min()求数组中最大值对应的索引：np.argmax()求数组中最小值对应的索引：np.argmin()取两个数组中对位小的部分：np.minimum(a1,a2)取两个数组中对位小的部分：np.maximum(a1,a2)5.2.4Numpy的常用方法和属性np.inf和np.nan5.3

课后习题5.3课后习题1.安装Anaconda，运行图5-8、图5-9所示代码；2.创建1个拥有8个元素的一维数组，内容是8个随机整数，取值范围是1-100，然后将这个数组转化成一个2行4列的二维数组；3.创建1个拥有8个元素的一维数组，内容是8个随机整数，取值范围是1-100