机器学习-NumPy和Matplotlib教案：基础使用

# NumPy和Matplotlib教案：基础使用

## 课程目标
- 理解NumPy和Matplotlib库的基本功能
- 学习如何创建和操作NumPy数组
- 学习如何使用Matplotlib进行基本的数据可视化
- 理解Pandas库的基本使用

## 课程内容

### 1. NumPy库的介绍
NumPy是一个用于科学计算的Python库，提供了大量的数学函数库，以及对多维数组的支持。

#### 1.1 创建数组
- 使用`arange`和`linspace`函数创建数组。

### 2. Matplotlib库的介绍
Matplotlib是一个Python的绘图库，用于生成各种静态、动态和交互式的图表。

#### 2.1 基本绘图
- 使用`pyplot`模块进行简单的数据可视化。

### 3. Pandas库的介绍
Pandas是一个数据分析和操作库，提供了快速、灵活和表达力强的数据结构，旨在使数据清洗和分析工作变得更加简单易行。

#### 3.1 创建和读取数据
- 使用Pandas创建`DataFrame`和读取CSV文件。

## 课程实践

### 实践1：NumPy数组的创建
编写代码，使用`arange`和`linspace`函数创建数组，并打印结果。

```python
import numpy as np

# 使用arange函数创建数组
x = np.arange(1, 15)  # 生成从1到14的整数序列
a = np.arange(5)      # 生成从0到4的整数序列
x1 = np.arange(3, 9, 2)  # 生成从3到8的奇数序列

# 使用linspace函数创建数组
p = np.linspace(-10, 10, 20)  # 生成-10到10的20个等差数列
array = np.linspace(0, 10, num=11)  # 生成0到10的11个等差数列

print("x:", x, "x1:", x1)
print("p:", p)
print("array:", array)
```

### 实践2：Matplotlib绘图
使用Matplotlib绘制一个简单的折线图。

```python
from matplotlib import pyplot as plt

plt.plot(x, p)  # 绘制x和p数组的折线图
plt.title("Simple Line Plot")  # 添加标题
plt.xlabel("Index")  # 添加x轴标签
plt.ylabel("Value")  # 添加y轴标签
plt.show()  # 显示图表
```

### 实践3：Pandas数据操作
创建一个`DataFrame`，读取CSV文件，并显示数据。

```python
import pandas as pd

# 创建DataFrame
data = {
    '年龄': [21, 35, 30, 38],
    '年薪': [4, 10, 6, 13]
}
data_frame = pd.DataFrame(data)
print("DataFrame:\n", data_frame)

# 读取CSV文件
data = pd.read_csv("company.csv")
print("CSV Data:\n", data.head())
```

## 课程总结
- 理解了NumPy数组的创建和基本操作。
- 学会了使用Matplotlib进行数据可视化。
- 掌握了Pandas库的基本数据操作。

## 作业
- 使用NumPy创建一个100个元素的数组，元素值从0到99。
- 使用Matplotlib绘制该数组的直方图。
- 使用Pandas创建一个包含学生姓名和分数的DataFrame，并计算平均分。

---

请注意，教案中的代码示例应该根据实际教学需求进行调整和补充。