(1) numpy数组的建立、索引、计算、统计等。
(2) 利用numpy对数据集“iris.data”进行分析。
（1）numpy数组分析
①查看版本信息
②数组属性
(2) numpy数组的建立
①有规则数组：
Ⅰ、arange(起点，终点，步长) 起点与终点可省，步长不可省
Ⅱ、np.linspace(起点，终点，等分数)
结果是左闭右闭的区间，即起点与终点都可以取到
Ⅲ、数组数据类型的转变
②无规则（随机）数组
Ⅰ、创建无约束随机数组
Ⅱ、创建均匀分布随机数组：每一段出现的概率均等
Ⅲ、正态分布随机数组
Ⅳ、均匀分布与正态分布的二维数组
Ⅴ、randint：产生随机整数。randint(起点，终点，size)
Ⅵ、shuffle：打乱顺序；reshape：改变形状。
③全0数组
④全1数组
⑤创建主对角线是1，其余为0的矩阵
⑥概率划分（抽奖问题）
random.choice(整数或序列，size，p)
一般不给定p，此时默认为等概率划分
(3) numpy数组的索引
①简单索引分析
②根据索引，挑选一维数组中符合要求的数
③根据索引，挑选二维数组中符合要求的数
④替换指定值
⑤改变数组的形状
⑥多维数组的展平
(4) numpy数组的计算
①相同形状数组的运算
②列表不能加减数字
③不同形状的数组不能相加减乘除
④特征计算
⑤简单统计
（5）numpy数组的统计
①删除带有空值的行
②列均值替代nan，如果整列是nan，则删除该列
Numpy综合练习：鸢尾花数据集分析（题目）
Tip——样本标准化:（真实值-最小值）/（最大值-最小值）【极差】
任务一：
①读出数据，计算四列数据中任一列的平均值、中位值、标准差、并将其标准化（将其值转为0~1范围内的标准值）
#读出数据，将第0列花萼长度放入数组len中
import numpy as np
iris=np.loadtxt("D:/python_files/iris-20.data",delimiter=',',dtype='object')
len=iris[:,0] #读出0列，花萼长度
len=np.float64(len) #强制类型转换，转化为浮点数
#计算花萼长度的均值，中位值，标准差
means=np.mean(len)
len_std=(len-len.min())/(len.max()-len.min()) #样本标准化
len_std=np.round(len_std,2) #round表示四舍五入，2表示小数精度
#计算标准化数据，将数据插入到原数组
iris=np.insert(iris,4,len_std,axis=1)#20个数据--20行--维度为1
②以某列为主关键字，对数组排序
#2.以刚插入的标准值（第4列）为关键字，按列排序
#以新增列为关键字，对数组排序
seq=np.argsort(iris[:,4])
iris[seq]
#写文件
np.savetxt("D:/python_files/temp.txt",iris[seq],fmt="%s")
任务二：
①筛选满足条件的行：花萼长度>6cm且花瓣长度>5cm的(统计出0列>6.0 3列>5.0的行)
arr=np.loadtxt("D:/python_files/iris-150.data",delimiter=',',dtype="object")
a=arr[:,[0,2]]
a=np.float64(a)
index1=a[:,0]>6
index2=a[:,1]>5
index=index1&index2
print(arr[index])
②若原始数据中有空值，删除带有空值的行
#制造10个随机空值，放入数组，删除带有空值的行
a=np.loadtxt("D:/python_files/iris-20.data",delimiter=',',usecols=[0,1,2,3])
#print(iris)
rows,cols=a.shape
np.random.seed(5)
i=np.random.randint(0,rows,10)
j=np.random.randint(0,cols,10)
a[i,j]=np.nan
index=np.isnan(a)
nanrows=np.any(index,axis=1)
b=a[~nanrows]
print(b)
(1) np.linspace与np.arange 的区别：
①np.linspace (起点，终点，等分数)
结果是左闭右闭的区间，即起点与终点都可以取到；
②np.arange(起点，终点，步长)
是左闭右开的区间，即起点可以取到，终点不能取到。
(2) “?+名词”查看属性，例如：
?np.ones
?np.random.random
(3) 均匀分布与正态分布的平均值，分别接近于0.5与0
①均匀分布平均值计算方法：
a = np.random.rand(10000)
print(a.mean())
②正态分布的平均值计算方法：
b = np.random.randn(10000)
print(b.mean())
(4) shuffle：只打乱最高维度
对于a=np.arange(60).reshape(5,3,4)，表示将一维数组形状转变为三维数组，且三维数组为3行4列的5个面，如果再次基础上通过shuffle打乱，只能将最高维度——面维度打乱。若要将元素出场顺序全部打乱，可采取方法：先shuffle，再reshape，例如：
a=np.arange(12)
np.random.shuffle(a)
a=a.reshape(3,4)
print(a)
(5)在多维数组的展平中flatten不能改变原始数组，应写成a=a.flatten()。
(6) “delimiter=‘,’”：原始文件是用逗号分隔的，所以需要指定分隔符为逗号。
(7)dtype='object’中object表示混合类型，原始数据中最后一列有字符，所以应写为：object。
(8)实验心得：本次实验学习了关于Numpy库的数值计算及分析，主要掌握了Numpy数组属性、索引方法以及相关数组运算，明白了如何创建各种类型数组、如何转换数组类型，在动手实践中发现问题、解决问题，使我受益颇多。