【小白python数据分析入门1Numpy基础安装及配置及运用】

目录

1.课前准备：

2.NumPy是什么？

3.NumPy的作用：

4.安装库步骤：

5.Numpy库怎么用？

---

1.课前准备：

（1）python可视化免费软件(官网：Project Jupyter | Home)：

        Jupyter Notebook (anaconda)

（1）  会动的脑袋瓜子

2.NumPy是什么？

        一个用于数组计算、矩阵运算和科学计算的Python核心库

3.NumPy的作用：

Numpy在Python中的作用主要有以下几点：

1. 提供多维数组对象ndarray，用于存储和处理大型矩阵数据。
2. 提供大量的数学函数库，如线性代数、傅里叶变换等。
3. 提供广播功能，方便进行数组间的运算。
4. 提供随机数生成器，方便生成随机数。
5. 提供文件读写功能，方便将数据保存到文件或从文件中读取数据。

4.安装库步骤：

（这一步可略过，Anaconda可以直接导入库，pycharm和python则是需要安装）

4.1 win键+R输入cmd运行，输入：（如果下载出现黄色提示语句跳本文4.2(3)）

pip install numpy

        

4.2 相关补充语句：

(1) 列出当前Python环境中已经安装的所有包

pip list 

(2) 列出所有可以升级的包

pip list --outdate   

(3) 升级指定的包,一般安装出现黄色语句时更新

pip install --upgrade 包名

这里是已经升级过了，所以提示这个语句

(4) 卸载指定的包

pip uninstall --包名

 (5) 检查当前安装的 pip（Python 包管理器）的版本

pip --version

5.Numpy库怎么用？案例演示：

5.1 创建一维、多维数组：

#一维数组
arr1 = np.array([1, 2, 3, 4, 5])

#二维数组
arr2 = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

#三维就是二维*3
arr3 = np.array([[[1, 2, 3], [4, 5, 6], [7, 8, 9]]])

 …………………………

5.2 创建一个全0矩阵：

arr = np.zeros((3, 3))

5.3 创建一个全1矩阵：

arr = np.ones((3, 3))

5.4   创建一个单位矩阵:

arr = np.eye(3)

5.5   创建一个等差数列：

arr = np.arange(0, 10, 2)

5.6   数组形状和维度：

可以使用shape属性查看数组的形状，使用ndim属性查看数组的维度.

arr = np.array([1, 2, 3, 4, 5])
print("维度:", arr.shape) 
print("形状:", arr.ndim)

 其中arr是一个一维数组，由5个元素组成，因此，它的维度为1，形状为(5,)

5.7  数组索引和切片：

可以使用索引和切片操作访问和修改数组的元素

arr = np.array([1, 2, 3, 4, 5])
print(arr[0])  # 输出第一个元素
print(arr[1:4])  # 输出第二个到第四个元素

      索引起始都是0起步，换句话说假设有3个元素但是元素第一个的索引为0，最后一个为2

5.8  数学运算：

Numpy提供了许多数学运算函数，如加法、减法、乘法、除法等

a = np.array([1, 2, 3])
b = np.array([4, 5, 6])
print("加法：", np.add(a, b))
print("减法：", np.subtract(a, b))
print("乘法：", np.multiply(a, b))
print("除法：", np.divide(a, b))

5.9   统计函数：

Numpy提供了许多统计函数，如求和、平均值、标准差等

arr = np.array([1, 2, 3, 4, 5])
print("和：", np.sum(arr))
print("平均值：", np.mean(arr))
print("标准差：", np.std(arr))

5.10  线性代数：

Numpy提供了线性代数相关的函数，如矩阵乘法、逆矩阵等

A = np.array([[1, 2], [3, 4]])
B = np.array([[5, 6], [7, 8]])
print("矩阵乘法：\n", np.dot(A, B))
print("逆矩阵：\n", np.linalg.inv(A))

5.11  生成一个随机数

random_num = np.random.rand()
print("随机数：", random_num)

5.12  保存数组到文件

np.savetxt('arr.txt', arr)

5.13  从文件中读取数组  

np.savetxt('arr.txt', arr)loaded_arr = np.loadtxt('arr1.txt')
print("从文件中读取的数组：", loaded_arr)

———————END————————