NumPy简单学习（需要结合书本：Python数据分析与应用）

---

---

前言

需要之后来填坑😓😓😓

导库：

import numpy as np

---

提示：以下是本篇文章正文内容：

一、大概内容

1.掌握NumPy数组对象ndarray

（1）创建数组对象

（2）生成随机数

（3）通过索引访问数组

（4）变换数组的形态（广播）

---

---

2.掌握矩阵和通用函数

（1）创建矩阵

（2）ufunc函数

---

---

3.使用NumPy进行统计分析

（1）读/写文件

（2）使用函数进行简单的统计分析

---

---

二、案例：读取iris数据集中的花萼长度数据（已保存为csv格式），并对其进行统计分析。

1. 案例介绍

简单使用numpy

---

---

2. 使用了什么技术

（1）鸢尾花（Iris）数据集

鸢尾花（Iris）数据集是一个经典的机器学习数据集，
包含了三个不同种类（山鸢尾、变色鸢尾、维吉尼亚鸢尾）共150个样本，（150行）
每个样本包含了四个特征（萼片长度、萼片宽度、花瓣长度、花瓣宽度）

（2）累计和：会显示计算的中间结果

---

---

3. 完整代码与分析

iris_sepal_length = np.loadtxt("../data/iris_sepal_length.csv",
    delimiter=",")  #读取文件
print('花萼长度表为：',iris_sepal_length)

iris_sepal_length.sort()  #对数据进行排序
print('排序后的花萼长度表为：',iris_sepal_length)

#去除重复值
print('去重后的花萼长度表为：',np.unique(iris_sepal_length))

print('花萼长度表的总和为：',np.sum(iris_sepal_length))  #计算数组总和

#计算所有元素的累计和
print('花萼长度表的累计和为：',np.cumsum(iris_sepal_length))

print('花萼长度表的均值为：',np.mean(iris_sepal_length))  #计算数组均值

#计算数组标准差
print('花萼长度表的标准差为：',np.std(iris_sepal_length))

print('花萼长度表的方差为：',np.var(iris_sepal_length))  #计算数组方差
print('花萼长度表的最小值为：',np.min(iris_sepal_length))  #计算最小值
print('花萼长度表的最大值为：',np.max(iris_sepal_length))  #计算最大值

---

---

4. 结果示意图

---

sum 和 cumsum的最后结果是一样的：876.5

---

---

---

---

补充：iris_sepal_length.csv文件展示

---

---

三、思考

1.numpy通常在案例中是如何使用的，用来做什么？？？

2.numpy的作用？？？
是一个高效的多维数据容器，用于处理大型矩阵。
使用numpy可以快速整合各种数据。

3.如何使用numpy整合数据，常见的使用方法？？？

4.numpy缺点？
数据分析功能差，主要用于数组计算，我们要使用pandas数据处理工具来改善。

5.numpy如何和pandas一起使用，如何使用效果更好？？？

---

总结

提示：这里对文章进行总结：
💕💕💕