【AI】数据分析-数据可视化模块_ai数据可视化

NumPy(Numerical Python) 是科学计算基础库，提供大量科学计算相关功能，比如数据统计，随机数生成等。其提供最核心类型为多维数组类型（ndarray），支持大量的维度数组与矩阵运算，Numpy 支持向量处理 ndarray 对象，提高程序运算速度。

那么Numpy到底有什么功能呢？其实Numpy的功能非常多，主要用于数组计算。Numpy可以让用户在 Python 语言中使用向量和数学矩阵。Numpy 是 Python 语言在科学计算领域取得成功的关键之一，如果想通过 Python 语言学习数据科学、人工智能（包括深度学习、语言处理等分支），就必须学习 Numpy。
通过阅读本文章，你可以：

• 了解什么是 Numpy

• 掌握如何使 Numpy 操作数组，如创建数组、改变数组的维度、拼接和分隔数组等

• 掌握 Numpy 的常用函数，如数组存取函数、加权平均数函数、最大值和最小值函数等

1.1 Numpy 开发环境搭建

Numpy 是第三方程序库，所以在使用 Numpy 之前必须安装 Numpy。如果使用的是 Anaconda Python 开发环境，那么 Numpy 已经集成到Anaconda 环境中了，不需要再安装。如果使用的是官方开发环境，可以使用 pip 命令安装Numpy，语法格式如下：

pip install numpy
1

---

【示例1】 测试 numpy 模块安装是否成功

import numpy as np
a=np.arange(10)
print(a)
1
2
3

执行结果如图

在上面的程序中只涉及 numpy 模块中的一个 arange 函数，该函数可以传入一个整数类型的参数 n，函数返回值看着像一个列表，其实返回值类型是numpy.ndarray。这是 Numpy中特有的数组类型。如果传入 arange 函数的参数值是 n，那么 arange 函数会返回 0 到 n-1 的ndarray 类型的数组。

1.2 数组的创建

1.2.1 array 创建

numpy 模块的 array 函数可以生成多维数组。例如，如果要生成一个二维数组，需要向 array 函数传递一个列表类型的参数。每一个列表元素是一维的 ndarray 类型数组，作为二维数组的行。另外，通过 ndarray 类的 shape 属性可以获得数组每一维的元素个数（元组形式），也可以通过 shape[n]形式获得每一维的元素个数，其中 n 是维度，从 0 开始。

语法格式如下：

numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)
1

表 1-1 array 参数说明

---

【示例2】 创建一维数组

b=np.array([1,2,3,4,5,6])
print(b)
print('b 数组的维度：',b.shape)
1
2
3

执行结果如图

---

【示例3】创建二维数组

a=np.array([[1,2,3],[4,5,6],[7,8,9]])
print(a)
print('a 数组的维度:',a.shape)
1
2
3

执行结果如图

---

【示例4】array()函数 ndmin 参数的使用

import numpy as np
a=np.array([1,2,3,4,5,6],ndmin=3)
print(a)
1
2
3

执行结果如图

---

【示例5】array()函数 dtype 参数的使用

a=np.array([1,2,3,4,5,6],dtype=complex)
print(a)
1
2

执行结果如图

1.2.2 arange 创建

使用 arange 函数创建数值范围并返回 ndarray对象，函数语法格式如下：

numpy.arange(start, stop, step, dtype)
1

下图是arange 参数说明

---

【示例6】arange()函数创建数组

import numpy as np
x=np.arange(0,6,dtype=int)
print(x)
1
2
3

执行结果如图

---

【示例 7】arange()函数指定起始值、终止值及步长

x=np.arange(10,20,2,dtype=float)
print(x)
1
2

执行结果如图

---

【示例8】arange()函数创建二维数组

b=np.array([np.arange(1,4),np.arange(4,7),np.arange(7,10)])
print(b)
print('b 数组的维度：',b.shape)
1
2
3

执行结果如图

1.2.3 随机数创建

numpy 中的 random 模块包含了很多方法可以用来产生随机数，对 random 中的一些常用方法如表所示：

---

【示例9】numpy.random.random(size=None)的使用

#numpy.random.random(size=None)
#返回[0.0, 1.0)范围的随机数
import numpy as np
print('生成一维（4，）的随机数组：')
x=np.random.random(size=4)
print(x)
print('生成二维（3,4）的随机数组：')
y=np.random.random(size=(3,4))
print(y)
1
2
3
4
5
6
7
8
9

执行结果如图