项目 内容
课程班级博客链接 https://edu.cnblogs.com/campus/pexy/20sj
作业链接 https://edu.cnblogs.com/campus/pexy/20sj/homework/12540
博客名称 2003031121-浦娟-python数据分析第三周作业-numpy的应用
要求 每道题要有题目,代码(使用插入代码,不会插入代码的自己查资料解决,不要直接截图代码!!),截图(只截运行结果)

阅读心得:

1.扩展阅读:Python3及pip、numpy、Matplotlib等模块的安装

通过此次阅读,让我在安装pip,匹配numpy、Matplotlib的安装时更加的顺利。知道了pip安装好之后,我们直接在命令行输入pip,如果显示‘pip’不是内部命令,也不是可运行的程序。可能是因为还没有添加环境变量。也知道了如何利用pip模块来安装其他包

2.扩展阅读:Numpy常用方法

通过这个阅读让我对numpy的功能和用法有了更多和更加深入的了解。numpy支持高级大量的维度数组与矩阵运算,也针对数组运算提供大量的数学函数库。numpy有查看数组属性,创建随机数组、读取数据等功能。还知道了numpy的计算有条件运算、统计运算、数组运算、矩阵运算。

实训1 创建数组并进行运算

1.训练要点

(1)掌握NumPy的数组创建及随机数生成。

(2)掌握NumPy中用于统计分析的基本运算函数。

2.需求说明

NumPy数组在数值运算方面的效率优于Python提供的list,所以灵活掌握NumPy中数组的创建以及基础的运算是有必要的。

3.实验思路及步骤

(1)创建一个数组范围为0—1,间隔为0.01的数组。

(2)创建100个服从正态分布的随机数。

(3)对创建的两个数进行四则运算。

(4)对创建的随机数组进行简单的统计分析。

4.运行代码及截图

import numpy as np
#1、创建一个数值范围为0~1,间隔为0.01的数组
arr1=np.arange(0,1,0.01)
print("arange函数创建的数值范围为0~1间隔为0.01的数组arr1为:\n",arr1)
#2、创建由100个服从正态分布的随机数构成的数组
arr2=np.random.randn(100)
print('生成的随机数组arr2为:\n',arr2) #3、对创建的两个数组进行四则运算
print('arr1 + arr2:\n',arr1+arr2)
print('arrl-arr2:\n',arr1-arr2)
print('arrl*arr2:\n',arr1*arr2)
print('arrl/arr2:\n',arr1/arr2)
#print('arrl**arr2:\n',arr1**arr2) #4、对创建的数组进行简单的统计分析
print('正态分布数数组的累计和为:\n',np.cumsum(arr2))#计算所有元素的累计和
print('正态分布数去重后的值组为:\n',np.unique(arr2))#去除重复值
print('正态分布数组的均值为:',np.mean(arr2))#计算数组均值
print('正态分布数组的标准差为:',np.std(arr2))#计算数组标准差
print('正态分布数组的方差为:',np.var(arr2))#计算数组方差
print('正态分布数组的最小值为:',np.min(arr2))#计算最小值
print('正态分布数组的最大值为:',np.max(arr2))#计算最大值
print('正态分布数组的总和为:',np.sum(arr2))#计算数组总和

实训2 创建一个国际象棋的棋盘

1,训练要点

(1)掌握矩阵创建方法。

(2)掌握数组索引的方法。

2.需求说明

创建国际象棋棋盘,填充8*8矩阵。国际象棋棋盘是个正方形,由横纵向各8格、颜色一深一浅交错排列的64个小方格组成,深色格为黑格,浅色格为白格,棋子就在这些格子中移动,如图所示。

3.实验思路及步骤

(1)创建一个8*8矩阵。

(2)把1、3、5、7行和2、4、6列的元素设置为1。

4.运行代码及截图

import numpy as np
matr1=np.ones((8,8))
for i in range(8):
for j in range(8):
if(i+j)%2==0:
matr1[i,j]=0
print('国际棋盘对应的矩阵为:\n',matr1) for i in range(0,8):
for j in range(0,8):
if matr1[i,j]==0:
print("□",end=' ')
else:
print("■", end=' ')
print('\n')

2003031121-浦娟-python数据分析第三周作业-第一次作业的更多相关文章

  1. 2003031121——浦娟——Python数据分析第七周作业——MySQL的安装及使用

    项目 要求 课程班级博客链接 20级数据班(本) 作业要求链接 Python第七周作业 博客名称 2003031121--浦娟--Python数据分析第七周作业--MySQL的安装及使用 要求 每道题 ...

  2. 2003031121-浦娟-python数据分析五一假期作业

    项目 内容 课程班级博客链接 20级数据班(本) 这个作业要求链接 Python作业 博客名称 2003031121-浦娟-python数据分析五一假期作业 要求 每道题要有题目,代码(使用插入代码, ...

  3. 2003031121-浦娟-python数据分析第四周作业-第二次作业

    项目 内容 课程班级博客链接 20级数据班(本) 作业链接 Python第四周作业第二次作业 博客名称 2003031121-浦娟-python数据分析第四周作业-matolotlib的应用 要求 每 ...

  4. [读书笔记] Python数据分析 (三) IPython

    1. 什么是IPython IPyhton 本身没有提供任何的计算或者数据分析功能,在交互式计算和软件开发者两个方面最大化地提高生产力,execute-explore instead of edit- ...

  5. Python数据分析(三)pandas resample 重采样

    下方是pandas中resample方法的定义,帮助文档http://pandas.pydata.org/pandas-docs/stable/timeseries.html#resampling中有 ...

  6. 【Python】 第三周:基本数据类型

    整数 python整数无限制 二进制:以0b或者0B开头,例如: 0b010,-0B101 八进制:以0o或者0O开头,例如:0o123,-0O456 浮点数 浮点数间运算存在不确定尾数,不是bug ...

  7. python课程第三周重点记录

    1.关于set,set是一个无序且不重复的元素集合 s = set(["ss","dd","pp"]) #创建set s1 = set([& ...

  8. 第三周博客作业<西北师范大学|李晓婷>

    1.助教博客链接:https://www.cnblogs.com/lxt-/MyComments.html 2.学生作业打分要求:   https://www.cnblogs.com/nwnu-dai ...

  9. 北航OO(2020)第三单元博客作业

    一.JML理论基础及相关工具链 1.JML理论基础 该部分梳理本单元作业中涉及到的JML知识. 1.1注释结构 JML采用javadoc注释的方式来表示规格,且每行以@开头.通过使用//@annota ...

随机推荐

  1. MySQL 中有哪些不同的表格?

    共有 5 种类型的表格: 1.MyISAM 2.Heap 3.Merge 4.INNODB 5.ISAM

  2. SQLyog创建数据库过程

    点击数据库,点击创建数据库 输入数据库名称,输入字符集,排序规则选默认的 然后一个数据库就建好了

  3. synchronized 的作用?

    在 Java 中,synchronized 关键字是用来控制线程同步的,就是在多线程的环境 下,控制 synchronized 代码段不被多个线程同时执行. synchronized 既可以加在一段代 ...

  4. centos7 环境安装rabbitmq 集群

    继上一篇https://www.cnblogs.com/drafire/p/10062891.html ,这篇博客继续介绍centos 7下安装rabbitmq的集群. 今天在公司搞了一天的rabbi ...

  5. 决策树3:基尼指数--Gini index(CART)

    既能做分类,又能做回归.分类:基尼值作为节点分类依据.回归:最小方差作为节点的依据. 节点越不纯,基尼值越大,熵值越大 pi表示在信息熵部分中有介绍,如下图中介绍 方差越小越好. 选择最小的那个0.3 ...

  6. 9_状态观测器设计_Linear Observer Design_Matlab_Simulink建模(上)

  7. 顺利通过EMC实验(4)

  8. 顺利通过EMC实验(1)

  9. 如何更愉快地使用em —— 别说你懂CSS相对单位

    前段时间试译了Keith J.Grant的CSS好书<CSS in Depth>,其中的第二章<Working with relative units>,书中对relative ...

  10. 论文阅读总结-Patient clustering improves efficiency of federated machine learning to predict mortality and hospital stay time using distributed electronic medical records

    一.论文提出的方法: 使用进入ICU前48h的用药特征作为预测因子预测重症监护患者的死亡率和ICU住院时间. 用到了联邦学习,自编码器,k-means聚类算法,社区检测. 数据集:从50家患者人数超过 ...