第10章 PythonPytho程序设计基础教程-数据分析与可视化

格式：pptx
大小：1.62 MB
文档页数：37

下载文档原格式

/ 37

Python程序设计基础教程

Python程序设计基础教程第一章：Python简介和安装1.1 Python的历史和发展Python是Guido van Rossum在1980年代末和1990年代初设计的一种编程语言。

文章介绍了Python的起源、发展和目前的应用领域。

1.2 Python的优势和特点本节详细介绍了Python作为一种高级编程语言的优势和特点，例如简洁明了的语法、强大的标准库和广泛的社区支持。

1.3 Python的安装步骤提供了详细的Python安装指南，包括不同操作系统下的安装方法、环境配置和验证安装是否成功。

第二章：Python基本语法2.1 变量和数据类型介绍了Python中常见的数据类型，包括数字、字符串、列表、元组和字典，以及如何定义和使用变量。

2.2 条件和循环详细介绍了Python中的条件语句（if-else语句）和循环语句（for循环和while循环），以及如何使用它们来控制程序的执行流程。

2.3 函数和模块介绍了如何定义和调用函数，以及如何使用模块来组织和管理Python代码。

第三章：Python高级特性3.1 列表生成式详细介绍了Python中列表生成式的语法和用法，以及如何利用列表生成式简化代码和实现复杂的数据处理。

3.2 迭代器和生成器解释了Python中迭代器和生成器的概念，并展示了如何定义和使用它们来实现高效的数据处理和遍历。

3.3 装饰器介绍了Python中装饰器的概念和用法，以及如何使用装饰器来增强已有函数的功能。

第四章：Python文件操作和异常处理4.1 文件读写介绍了Python中文件读写的基本操作，包括打开文件、读取内容、写入内容和关闭文件。

4.2 异常处理详细讲解了Python中的异常处理机制，包括如何捕捉和处理异常以及如何自定义异常类。

第五章：Python面向对象编程5.1 类和对象解释了Python中类和对象的概念，包括如何定义类、创建对象和调用对象的方法。

5.2 继承和多态介绍了Python中的继承和多态特性，以及如何使用它们来实现代码的重用和灵活性。

Python数据分析与可视化系统设计

Python数据分析与可视化系统设计一、引言Python作为一种高效、易学的编程语言，被广泛应用于数据分析和可视化领域。

本文将介绍Python在数据分析与可视化系统设计中的重要性，以及如何利用Python构建高效的数据分析与可视化系统。

二、Python在数据分析中的应用1. 数据处理Python提供了丰富的库和工具，如NumPy、Pandas等，可以帮助用户高效地进行数据处理。

通过这些工具，用户可以轻松地加载、清洗和转换数据，为后续的分析工作奠定基础。

2. 数据分析在数据分析过程中，Python的强大库如Scikit-learn、Statsmodels等提供了各种机器学习算法和统计方法，帮助用户进行模型建立、预测和评估。

同时，Python还支持大规模数据处理和并行计算，使得复杂的数据分析任务变得更加高效。

三、Python在可视化中的应用1. 数据可视化工具Python拥有诸多优秀的可视化库，如Matplotlib、Seaborn、Plotly等，用户可以利用这些库创建各种类型的图表，包括折线图、柱状图、散点图等，直观展示数据的特征和趋势。

2. 交互式可视化除了静态图表外，Python还支持交互式可视化工具，如Bokeh、Plotly等。

这些工具可以让用户通过交互操作实时探索数据，并生成动态图表，提升用户对数据的理解和洞察力。

四、Python数据分析与可视化系统设计1. 系统架构设计在构建数据分析与可视化系统时，需要考虑系统架构设计。

合理的系统架构能够提高系统的稳定性和扩展性，同时保证系统的高效运行。

2. 数据流程设计设计良好的数据流程是系统设计的关键部分。

通过清晰定义数据流程，包括数据采集、处理、分析和可视化等环节，可以确保数据在系统中流转顺畅，并最终呈现给用户有意义的结果。

3. 用户界面设计用户界面是用户与系统交互的重要窗口。

通过合理设计用户界面，包括布局、交互方式等方面，可以提升用户体验，使用户更加方便地使用系统进行数据分析与可视化操作。

2024版python程序设计基础教程(微课版)教案

字典元素的访问与修改
元组（Tuple）和字典（Dictionary）
01
通过键访问字典元素
02
修改字典元素的值
03
字典的常用操作
元组（Tuple）和字典（Dictionary）
添加键值对
删除键值对
查找键值对
遍历字典
元组（Tuple）和字典（Dictionary）
直接使用键赋值
get() 方法或 in 运算符
文件路径处理
通过文件扩展名或内容判断文件类型，例如使用`imghdr`模块判断图像类型。
文件类型判断
文件路径处理与文件类型判断
使用`try...except`语句块捕获异常，并在`except`子句中处理异常。
异常捕获
了解常见的异常类型，如`FileNotFoundError`、`TypeError`、`ValueError`等，以便更好地处理异常。
微课作为一种新型教学资源，能够满足学生随时随地学习的需求，提高教学效果。
弥补传统课堂不足
传统课堂时间有限，微课可以针对重点、难点进行深入讲解，帮助学生更好地掌握知识。
提升学生自主学习能力
微课以学生自主学习为主，能够培养学生的自主学习能力，提高学习效果。
函数与模块
讲解Python中函数的定义、调用、参数传递等，以及模块的概念、导入和使用方法。
01
02
03
04
自定义模块开发流程规范
包（Package）概念及其组织结构
包（Package）概念
包是一个包含多个模块的目录，用于组织和管理相关代码。
包可以包含子包，形成层次化的组织结构。
组织结构
包内可以包含多个模块文件（.py）。
包目录应包含一个`__init__.py`文件，用于标识该目录为包。

Python基础课程资料

模块的导入和使用
导入模块：使用import语句导入模块
模块的命名空间：模块中的变量和函数所在的命名空间
使用模块：使用模块中的函数或变量
模块的导入方式：直接导入、 f rom 语句导入、import语句导入
模块的搜索路径： P y thon解释器在搜索模块时的路径
写入文件：使用 write( ) 、 writelines( ) 等函数写入文件内容
关闭文件：使用 close( ) 函数关闭文件释放系统资源
文件路径和目录操作
绝对路径和相对路径：描述文件或目录在文件系统中的
位置
路径分隔符：在 W indows中使用反斜杠(\) 在 U nix 和 L inux 中使用正斜杠(/)
理
Python语法基础
变量和数据类型
变量：用于存储数据的容器
数据类型：Python支持的数据类型包括整数、浮点数、字符串、列表、元组、字典、集合等
变量赋值：使用等号（=）为变量赋值
变量命名规则：变量名必须以字母或下划线开头不能以数字开头且不能包含空格和特殊字符
数据类型转换：可以使用内置函数进行数据类型转换如int()、flot()、str() 等
Mtplotlib库的使用和操作
导入 M tp lotlib库
创建图形和坐标轴
设置图形和坐标轴的属性
绘制图形和添加文本标签
显示图形和保存图像
感谢您的耐心观看
汇报人：
网络爬虫：数据抓取、信息收集、数据分析等
游戏开发：使用Pygme、Pyxel等库进行游戏开发
Web开发：Djngo、Flsk等框架进行Web应用开发

《Python数据可视化》课程教学大纲

《Python数据可视化》课程教学大纲
课程编号：202000101001
学分：5学分
学时：47学时（其中：讲课学时31 上机学时：16）
先修课程：《Python数据预处理》
后续课程：Python数据挖掘
适用专业：计算机专业
开课部门：计算机系
一、课程的性质与目标
本教材是数据可视化的基础教程，主要介绍了数据可视化的理论知识与可视化库matplotlib的核心用法，并在每章穿插了相关知识点的实例，将理论与实践完美结合，帮助读者更快地进入数据可视化领域。

二、课程的主要内容及基本要求
第1章数据可视化与matplotlib
第2章使用matplotlib绘制简单图表
第3章图表辅助元素的定制
第4章图表样式的美化
第5章子图的绘制及坐标轴共享
第6章坐标轴的定制
第7章绘制3D图表和统计地图
第8章使用matplotlib绘制高级图表
第9章可视化后起之秀——pyecharts
四、学时分配
五、考核模式与成绩评定办法
本课程为考试课程，期末考试采用百分制的闭卷考试模式。

学生的考试成绩由平时成绩（30%）和期末考试（70%）组成，其中，平时成绩包括出勤（5%）、作业（5%）、上机成绩（20%）。

六、选用教材和主要参考书
本大纲是根据教材《Python数据可视化》所设计的。

七、大纲说明
本课程的授课模式为：课堂授课+上机，其中，课堂主要采用多媒体的方式进行授课，并且会通过测试题阶段测试学生的掌握程度；上机主要是项目测试实践，要求学生动手完成指定的项目测试。

撰写人：审定人：
批准人：执行时间：。

python基础与pyqt可视化编程详解

Python基础与PyQt可视化编程详解一、简介在计算机编程领域，Python是一种高级编程语言，以其简洁、易读和强大的功能而受到广泛使用。

而PyQt是一个在Python语言上开发的开源图形用户界面（GUI）框架，能够通过其丰富的工具和组件实现可视化编程。

本文将深入探讨Python基础知识以及如何利用PyQt进行可视化编程，以帮助读者更好地理解和应用这两个方面的技术。

二、Python基础知识2.1 数据类型Python提供了许多内置的数据类型，包括数字、字符串、列表、元组、字典等。

了解和掌握这些数据类型对于编写高效的Python程序至关重要。

2.1.1 数字类型在Python中，数字类型包括整数和浮点数。

整数是没有小数点的数字，而浮点数是带有小数点的数字。

可以使用int()和float()函数将其他类型的值转换为整数或浮点数。

以下是一些常用的数字操作：•加法：a + b•减法：a - b•乘法：a * b•除法：a / b•指数运算：a ** b•取模运算：a % bPython中的字符串是由字符组成的序列，可以用单引号或双引号括起来。

字符串可以进行拼接、切片和索引等操作。

以下是一些常用的字符串操作：•字符串拼接：a + b•字符串切片：a[start:end]•字符串索引：a[index]•字符串长度：len(a)•字符串格式化："Hello, {}".format(name)2.1.3 列表类型列表是Python中最常用的数据类型之一，可以存储多个值，并且可以对其进行修改。

以下是一些常用的列表操作：•列表元素访问：a[index]•列表元素修改：a[index] = value•列表元素添加：a.append(value)•列表元素删除：del a[index]•列表长度：len(a)•列表排序：a.sort()2.1.4 元组类型元组类似于列表，但是一旦创建后便不能修改。

python数据可视化任务书

python数据可视化任务书标题，探索数据之美，Python数据可视化任务书。

在当今信息爆炸的时代，数据已经成为了我们生活中不可或缺的一部分。

而要更好地理解和利用数据，数据可视化成为了一种非常重要的手段。

Python作为一种功能强大且易于学习的编程语言，被广泛地应用于数据分析和可视化领域。

在本文中，我们将探讨如何利用Python进行数据可视化，并提供一个任务书，帮助读者更好地掌握这一技能。

任务一，数据收集与清洗。

在进行数据可视化之前，首先需要收集并清洗数据。

任务书将指导读者如何利用Python的库来获取数据，如pandas和numpy等。

同时，也将介绍如何清洗数据，处理缺失值和异常值，以确保数据的质量和准确性。

任务二，基本图表绘制。

在掌握了数据的基本处理之后，接下来就是利用Python进行基本的图表绘制。

任务书将介绍如何使用matplotlib和seaborn等库来绘制常见的图表，如折线图、柱状图、散点图等。

读者将学会如何调整图表的样式、添加标签和标题，以及如何解读图表所展示的信息。

任务三，高级图表绘制。

除了基本的图表之外，任务书还将介绍如何利用Python绘制一些高级的图表，如热力图、箱线图、面积图等。

读者将学会如何利用这些图表来更好地展示数据的分布和关联性，从而深入挖掘数据背后的信息。

任务四，交互式可视化。

最后，任务书将介绍如何利用Python的库来创建交互式的可视化图表，如plotly和bokeh等。

读者将学会如何添加交互式的控件，使得用户可以自由地探索数据，从而更好地理解数据背后的故事。

总结。

通过完成本任务书中的各项任务，读者将能够掌握利用Python进行数据可视化的基本技能，并能够利用这些技能来更好地理解和展示数据。

数据可视化不仅可以帮助我们更好地理解数据，还可以帮助我们向他人清晰地展示数据的见解和发现。

希望本任务书能够帮助读者更好地掌握数据可视化技能，从而在数据分析和决策中更加得心应手。

pyhon课程设计

pyhon课程设计一、课程目标知识目标：1. 让学生掌握Python基础语法，包括变量定义、数据类型、运算符等；2. 使学生了解并掌握基本的控制结构，如条件语句和循环语句；3. 培养学生运用Python进行简单的数据处理和分析能力。

技能目标：1. 培养学生运用Python编写简单程序，解决实际问题；2. 培养学生通过编写代码，对数据进行排序、筛选、统计等操作；3. 提高学生运用Python解决问题的思维能力和编程技能。

情感态度价值观目标：1. 培养学生对编程的兴趣和热情，激发学习主动性和创造力；2. 培养学生面对编程挑战时的耐心和毅力，增强解决问题的信心；3. 培养学生团队协作精神，学会与他人分享编程知识和经验。

本课程针对学生年级特点，注重理论与实践相结合，以实际案例为引导，让学生在动手实践中掌握Python编程技能。

课程目标明确，可衡量，旨在使学生在完成本课程学习后，具备运用Python解决实际问题的基本能力，为后续深入学习打下坚实基础。

二、教学内容本课程教学内容分为以下四个部分：1. Python基础语法：- 变量、数据类型与运算符；- 语法规范与注释；- 输入输出与类型转换。

2. 基本控制结构：- 条件语句（if、elif、else）；- 循环语句（for、while）；- 控制结构的应用实例。

3. 数据处理与分析：- 列表、元组、字典、集合的使用；- 基本数据操作（排序、筛选、统计）；- 实例分析：数据处理应用。

4. 编程实践：- 编写简单程序解决实际问题；- 团队协作完成编程项目；- 代码调试与优化。

教学内容依据课程目标进行选择和组织，确保科学性和系统性。

教学大纲明确，按照教材章节安排教学内容和进度，使学生能够循序渐进地掌握Python 编程知识。

教学内容与实际应用紧密结合，注重培养学生的动手能力和编程思维。

三、教学方法针对本课程的教学目标和学生特点，采用以下多样化的教学方法：1. 讲授法：教师通过生动的语言、形象的比喻，为学生讲解Python基础语法、控制结构等理论知识，使学生系统掌握编程的基本概念和用法。

Python程序设计与应用—面向数据分析与可视化第1章 python概述

代表语言有C、C++、Pascal、swift等。
解释型语言
使用专门的解释器将源程序逐行解释成特定平台的机器码并立即执行。
代表语言有JavaScript、Pyth言静态语言
在运行时可以改变其结构的语言。例如，新的函数、对象、甚至代码可以被引进，已有的函数可以被删除或是其他结构上的变化。代表语言有：Object-C、C#、JavaScript、PHP、Python。
务的程序称为“语言处理程序”。
汇编
解释
编译
虚拟机
汇编方式
用汇编语言编写的程序称为汇编语言源程序。汇编程序和连接程序将汇编语言所编写的源程序翻译成机器指令程序并生成可执行的exe文件。
源程序
汇编程序汇编
连接程序连接
OBJ
两次扫描将汇编语言转换成机器指令；处理源程序中的伪指令。
执行
EXE文件
语法分析在词法分析的基础上将单词序列组合成各类语法短语。语法分析程序判断源程序在结构上是否正确。
语义分析最实质性的工作：第一次对源程序的语义作出解释。按照语法分析器识别的语法范畴进行语义检查和处理。在高级程序设计语言翻译中，语义分析阶段的工作与目标机器的体系结构关系不密切。
中间代码生成中间代码也叫中间语言，是源程序的一种内部表示，不依赖目标机的结构，复杂性介于源语言和机器语言之间。中间代码的优点：逻辑结构清楚；利于不同目标机上实现同一种语言；利于进行与机器无关的优化；中间代码可以被解释执行。
停机结束
在8086/8088兼容机上，用机器语言完成求3+8
机器语言有如下特点：（1）与计算机硬件结构密切相关，不同结构CPU有着不同的机器语言；（2）二进制数表示，指令操作码、地址、操作数等都用二进制数表示；（3）设计程序时需同步安排指令和操作数在存储器中的存放位置；（4）每一条指令只能完成简单运算功能。

《Python数据分析与数据可视化》教学大纲

数据导入与导出
使用Pandas读取和写入各种格式的数据文件，如CSV、Excel、 SQL等。
数据清洗与处理
利用Pandas进行数据清洗，处理缺失值、异常值和重复值等。
数据变换与重塑
通过Pandas进行数据转换、合并、重塑等操作，以满足分析需求。
数据统计与分析
运用Pandas提供的统计函数和方法，对数据进行描述性统计和分组聚合分析。
使用NumPy生成随机数，进行概率分布拟合和统计分析。
04
03
SciPy库在科学计算中的应用
优化问题求解
利用SciPy的优化算法，求解无约束和有约束的优化问题。
线性与非线性方程求解
运用SciPy的求解器，
解决线性方程组和非线
性方程的求解问题。
插值与拟合
使用SciPy进行插值和拟合操作，对数据进行平滑处理和预测分析。
《Python数据分析与数据可视化》教学
大纲
目录
• 课程介绍与目标 • Python数据分析基础 • 数据可视化原理及工具 • Python在数据分析中的应用实践 • Python在数据可视化中的应用实
践 • 课程总结与展望
01
课程介绍与目标
Python数据分析与数据可视化概述
Python在数据分析与可视化领域的应用
。
数据可视化作品
学生使用Python绘制了精美的数据可视化作品，如动态图表、交互式图表等，展示了在数据可
视化方面的创意和技能。
课程反馈
学生对课程内容、教学方式和效果等方面进行了评价，提出了宝贵的意见和建议，为课程的改进
和完善提供了参考。
未来发展趋势预测
数据科学领域的发展

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

a_sum=np.sum(a)
#计算a中所有元素的和
a_sum_0=np.sum(a,axis=0)
#二维数组纵向求和
a_sum_1=np.sum(a,axis=1)
#二维数组横向求和
a_mean_1=np.mean(a,axis=1)
Hale Waihona Puke #二维数组横向求均值weights=[0.7,0.3]
#权重
a_avg_0=np.average(a,axis=0,weights=weights) #纵向求加权平均值
print("a>=0.5 ", a>=0.5)
print("a<=0.5 ", a<=0.5)
9
分段函数
# 例 10.5 数组元素的分段操作示例 import numpy as np a=np.random.rand(10) ones=np.ones(10) zeros=np.zeros(10) b=np.where(a>0.5, ones, zeros) print("a= ", a) print("b= ", b)
10
数组元素访问
# 例 10.6 一维数组和二维数组元素的访问操作示例 import numpy as np a=np.array([1,2,3,4]) b=np.array([[1,2,3,4], [11,12,13,14], [21,22,23,24]]) print("a[0] = ",a[0]) #访问a数组的第0个元素 print("a[2] = ",a[2]) #访问a数组的第2个元素 print("a[-1] = ",a[-1]) #访问a数组的最后一个元素 print("b[0, 0] = ",b[0, 0]) #访问b数组的第0行第0列 print("b[0, 1] = ",b[0, 1]) #访问b数组的第0行第1列 print("b[1, 2] = ",b[1, 2]) #访问b数组的第1行第2列 print("b[2, 2] = ",b[2, 2]) #访问b数组的第2行第2列
5
以上代码的说明如下：
代码import numpy as np用于导入numpy模块，按照Python 社区的习惯，导入后使用np作为别名。
代码a0=np.array([1,2,3,4,5])用于将Python列表转换成数组，数组类型由列表的类型决定，也可以使用dtype属性决定，该属性的值可以为np.int, np.int8, np.int32, np.float, np.float3 2等，如a1=np.array([1,2,3,4,5],dtype=np.float)，装换成浮点数组。
a_max=np.max(a)
#求所有元素最大值
a_min=np.min(a,axis=0)
#纵向求最大值
a_std=np.std(a)
#所有元素的标准差
a_std_1=np.std(a,axis=1)
#横向求标准差
a_sort_1=np.sort(a,axis=1)
#横向排序
17
广播
# 例 10.13 numpy中使用广播操作示例 import numpy as np a=np.arange(0,50,10).reshape(-1,1) #创建一个数组，并改变形状 b=np.arange(0,5,1) print("a= ",a) print("b= ",b) print("a+b= ",a+b) print("a-b= ",a-b) print("a*b= ",a*b)
a2=np.reshape(a,[2,-1]) #将一维数组a改变2行的二维数组，-1表示列数自动确定
#由于总共12个元素，所以列数自动确定为6
a3=np.reshape(a,[2,2,3]) #将一维数组a改变为三维数组
b1=np.reshape(b,[-1])
#将二维数组b改变为一维数组，-1表示元素个数自动确定，此处为9
#导入numpy模块，并起别名np #把Python列表转换成数组 #把Python列表转换成一维浮点型数组 #创建五个元素的一维整型数组 #创建等差数组，在0-10之间分成11份 #创建等差数组，在0-1之间分成11份 #创建3行3列的全零二维数组 #创建3行3类的全1二维数组 #创建单位矩阵，对角线为1，其它元素为0
8
数组的关系运算
# 例 10.4 数组的逻辑运算示例
import numpy as np
a=np.random.rand(10)
#创建包含10个0-1之间随机数的数组
print("a= ", a)
print("a>0.5 ", a>0.5)
print("a<0.5 ", a<0.5)
print("a==0.5 ", a==0.5)
#导入numpy模块，并起别名np
a=np.array([1,3,5,7,9], dtype=np.int32)
print(a+2)
print(a-2)
print(a*2)
print(a/2)
print(np.mod(a,2))
7
数组与数组的算术运算
以下代码将一个一维数组和一个二维数组进行算术运算：
18
计算唯一值以及出现次数
# 例 10.14 计算唯一值以及出现次数示例
12
改变数组形状
#例 10.8 改变数组形状的操作示例
import numpy as np
a=np.array([1,2,3,4,5,6,7,8,9,10,11,12])
b=np.array([[1,2,3],[11,12,13],[21,22,23]])
a1=np.reshape(a,[3,4]) #将一维数组a改变为3行4列的二维数组
#一维数组a的转置还是a b1=b.T
#二维数组b的转置，使得行变为列，列变为行 print("a1= ", a1) print("b1= ", b1)
14
向量内积
# 例 10.10 计算数组内积的操作示例 import numpy as np a=np.array([1,2,3,4,5,6,7,8]) b=np.array([2,2,2,2,2,2,2,2]) c=np.array([2,2,2,2]) aT=np.reshape(a,[2,4]) a_dot_b=a.dot(b) a_dot_a=a.dot(a) aT_dot_aT=aT.dot(c) print("a_dot_b= ", a_dot_b) print("a_dot_a= ", a_dot_a) print("aT_dot_aT= ", aT_dot_aT)
np.linspace ()用于创建一个等差数组，默认类型是浮点型。 np.zeros()、np. ones ()、np. identity ()分别用于创建全0数
组、全1数组、单位矩阵，默认数组类型是浮点型。
6
数组与数值的算术运算
# 例 10.2数组与数值的加、减、乘、除、求余等算术
import numpy as np
4
创建numpy数组
import numpy as np a0=np.array([1,2,3,4,5]) print("a0 =", a0) a1=np.array([1,2,3,4,5],dtype=np.float) print("a1 =", a1) a2=np.array(range(5)) print("a2 =", a2) a3=np.linspace(0, 10, 11) print("a3 =", a3) a4=np.linspace(0,1,11) print("a4 =", a4) a5=np.zeros([3,3]) print("a5 =", a5) a6=np.ones([3,3]) print("a6 =", a6) a7=np.identity(3) print("a7 =", a7)
16
#创建一个等差数组 #创建一个包含10个随机数的数组 #对数组a求正弦值 #对数组a求余弦值 #对数组b四舍五入 #对数组b求地板值 #求数组b求天花板值
对数组的不同维度元素进行计算
import numpy as np
a=np.array([[4,0,9,7,6,5],[1,9,7,11,8,12]],dtype=np.float32)
Python语言程序设计
南京邮电大学计算机学院
2018.2
第10章数据分析与可视化
学习目标
掌握数值计算numpy库的使用掌握科学计算扩展库scipy的使用掌握数据可视化库matlibplot的使用
3
10.1 数字计算库numpy
numpy是数值计算库，提供了Python所没有的数组对象，支持多维数组运算、矩阵运算、矢量运算、线性代数运算等。
numpy的主要对象是多维数组，它是由相同元素（通常是数字）组成的，通过正整数元组（tupl e）作为索引的表格。在numpy中，纬度（dim ensional）又被称为轴（axis），轴的数量被称为级（rank），如下面这个数组：
[[ 1., 0., 0.], [ 0., 1., 2.]]