項目3

利用Numpy對財務信息進行數(shù)值計算Numpy的基本操作任務3.1Numpy的統(tǒng)計分析任務3.2目錄引入案例任務分析知識解析案例解析任務實訓實訓評價3.1.1ndarray概述3.1.2數(shù)組的創(chuàng)建3.1.3數(shù)組的基本操作3.1.4數(shù)組的運算任務3.1Numpy的基本操作任務3.1Numpy的基本操作引入案例美創(chuàng)科技有限公司（簡稱：美創(chuàng)科技）財務人員小王需要收集第二分公司員工的相關信息，并將其存儲到ndarry數(shù)組中，便于后續(xù)查詢公司員工的相關信息，以及對公司員工的相關信息進行分析。那么，利用Numpy模塊如何實現(xiàn)呢？任務分析要想實現(xiàn)美創(chuàng)科技第二分公司員工的相關信息的存儲，需要用到Numpy模塊中的數(shù)組對象ndarry，通過array()函數(shù)創(chuàng)建數(shù)組存儲公司員工的相關信息；而要想實現(xiàn)公司職員相關信息的查詢，則需要利用數(shù)組的索引實現(xiàn)所需數(shù)據(jù)的訪問，然后才能夠對數(shù)據(jù)進行統(tǒng)計分析。任務3.1Numpy的基本操作知識解析Numpy庫是Python進行科學計算的擴展庫，支持大量的維度數(shù)組與矩陣運算。此外，針對數(shù)組提供了一個大型的高級數(shù)學函數(shù)庫，能夠實現(xiàn)算術運算、邏輯運算、形狀操作、排序、數(shù)據(jù)選擇、離散傅里葉變換、基本統(tǒng)計運算、隨機模擬等功能。Numpy多為大型金融公司和核心的科學計算組織使用，具有運算速度快、效率高、節(jié)省空間等特點。在使用Numpy進行數(shù)據(jù)處理時，首先要導入numpy模塊，其語法格式如下：importnumpyasnp執(zhí)行這條語句表示引入Numpy模塊，并為numpy模塊起別名np，這個np是一個約定成俗的名字。在以后的編程語句中，numpy與np等同。3.1.1ndarray概述

Numpy提供了兩種基本對象：ndarray和ufunc。其中，ndarray是一個多維數(shù)組，該對象由兩個部分組成，即實際的數(shù)據(jù)和描述這些數(shù)據(jù)的元數(shù)據(jù)。大部分的數(shù)組操作僅僅修改元數(shù)據(jù)，而不改變底層的實際數(shù)據(jù)。而ufunc則是能夠對數(shù)組進行處理的函數(shù)。一、ndarray介紹任務3.1Numpy的基本操作在數(shù)據(jù)處理中，為了更精確的計算結果，需要使用不同精度的數(shù)據(jù)類型。Numpy極大擴充了Python的數(shù)據(jù)類型，其中大部分數(shù)據(jù)類型以數(shù)字結尾。同時需要強調，每個Numpy數(shù)組中所有元素類型必須相同，這樣做是為了更容易確定該數(shù)組所需的存儲空間。下表列舉了常用NumPy的基本類型及其取值范圍。二、ndarray的數(shù)據(jù)類型任務3.1Numpy的基本操作三、ndarray數(shù)組屬性屬性說明ndim返回int。表示數(shù)組的維數(shù)。shape返回tuple。表示數(shù)組的尺寸，對于n行m列的矩陣，形狀為(n,m)。size返回int。表示數(shù)組元素的總個數(shù)，相當于shape屬性中n×m的值。dtype返回date-type。用于描述數(shù)組中元素的類型。itemsize返回int。表示數(shù)組的每個元素的大小，以字節(jié)為單位。例如，一個元素類型為float64的數(shù)組itemsize屬性值為8。3.1.2數(shù)組的創(chuàng)建利用NumPy提供的array()函數(shù)可以創(chuàng)建一維或多維數(shù)組，其語法格式如下：numpy.array(object,dtype=None,copy=True,order=None,subok=False,ndmin=0)參數(shù)說明object接收用于創(chuàng)建數(shù)組的Python序列對象，如list、tuple等，表示想要創(chuàng)建的數(shù)組。無默認值。dtype接收data-type。表示數(shù)組元素所需的數(shù)據(jù)類型。如果未給定，則選擇保存對象所需的最小類型。默認為None。ndim接收int。指定生成數(shù)組的最小維度。默認為None。一、利用array()函數(shù)創(chuàng)建數(shù)組任務3.1Numpy的基本操作【做中學3.1.1】利用array()函數(shù)創(chuàng)建數(shù)組存儲美創(chuàng)科技第一分公司員工的相關信息，員工信息如下表所示。

1．直接傳入列表的方式創(chuàng)建數(shù)組姓名性別崗位年齡工資入職日期楊長江男開發(fā)2028530201706柏強男開發(fā)3415210201901張子軒男前端2316240201811王皓男產(chǎn)品2423690201701衛(wèi)曉敏女前端4315420201702【做中學3.1.1】程序如下：importnumpyasnp#導入Numpy模塊#將每一名員工的姓名，性別，崗位，年齡，工資和入職日期保存到一個列表中data1=["楊長江","男","開發(fā)",20,28530,201706]data2=["柏強","男","開發(fā)",34,15210,201901]data3=["張子軒","男","前端",23,16240,201811]data4=["王皓","男","產(chǎn)品",24,23690,201701]data5=["衛(wèi)曉敏","女","前端",43,15420,201702]#創(chuàng)建二維數(shù)組保存以上公司員工的相關信息arr_data=np.array([data1,data2,data3,data4,data5])print(arr_data)程序運行結果如下所示：[['楊長江''男''開發(fā)''20''28530''201706']['柏強''男''開發(fā)''34''15210''201901']['張子軒''男''前端''23''16240''201811']['王皓''男''產(chǎn)品''24''23690''201701']['衛(wèi)曉敏''女''前端''43''15420''201702']]任務3.1Numpy的基本操作importnumpy

as

np#導入Numpy模塊arr=np.array(range(10))#利用range()函數(shù)生成數(shù)列并傳給array()函數(shù)print(arr)#輸出打印arr的內(nèi)容print(type(arr))#輸出打印arr的數(shù)據(jù)類型【課中測】要實現(xiàn)生成0～18的數(shù)組，以下語法正確的是（

）。A.t1=np.array(range(20))B.t1=np.array(range(17))C.t1=np.array(range(18))D.t1=np.array(range(19))2．傳入range()函數(shù)生成的序列創(chuàng)建數(shù)組【做中學3.1.2】編寫程序實現(xiàn)生成0～9的數(shù)組。【做中學3.1.2】程序如下：[0123456789]<class'numpy.ndarray'>程序運行結果如下所示：任務3.1Numpy的基本操作二、利用專門函數(shù)創(chuàng)建數(shù)組函數(shù)語法格式及說明舉例np.arange(start,stop,step,dtype)用于創(chuàng)建等差數(shù)組，start表示起始值，默認為0；stop表示終止值（不包含）；step表示步長，默認為1print(np.arange(0,5,2))輸出結果：[024]np.empty(shape,dtype=float,order='C')用來創(chuàng)建一個指定形狀、數(shù)據(jù)類型且未初始化的數(shù)組。shape表示數(shù)組形狀，dtype表示數(shù)據(jù)類型，默認浮點型。print(np.empty((2,3),dtype=8)）輸出結果：[[7710995][12310661]]np.zeros(shape,dtype=float,order='C')用來創(chuàng)建指定大小的數(shù)組，數(shù)組元素以0來填充。zeros()函數(shù)各參數(shù)含義與empty()函數(shù)完全相同print(np.zeros(5))print(np.zeros((2,3),dtype=8))輸出結果：[0.0.0.0.0.][[000][000]]np.ones(shape,dtype=float,order='C')用來創(chuàng)建指定大小的數(shù)組，數(shù)組元素以1來填充。ones()函數(shù)各參數(shù)含義與empty()函數(shù)完全相同。print(np.ones(5))print(np.ones((2,2),dtype=int))輸出結果：[1.1.1.1.1.][[11][11]]numpy.linspace(start,stop,num=50,endpoint=True,retstep=False,dtype=None)用于創(chuàng)建一個根據(jù)元素個數(shù)生成的等差數(shù)列數(shù)組。start表示起始值；stop表示終止值，如果endpoint為true，該值包含于數(shù)列中；num表示生成數(shù)組的元素的個數(shù)；retstep表示是否顯示步長。a=np.linspace(1,10,6)print(a)程序運行結果：[1.2.84.66.48.210.]任務3.1Numpy的基本操作

常見的隨機數(shù)生成方法三、隨機數(shù)生成方法函數(shù)語法格式及說明舉例np.random.random(size=None)用于產(chǎn)生[0.0,1.0)的浮點數(shù)，size表示生成元素個數(shù)。若沒有參數(shù)輸入，則生成一個數(shù)。print(np.random.random())輸出結果：0.22867521257116print(np.random.random(3))輸出結果如下所示：[0.432256710.079402440.19855889]np.random.rand(d0,d1,…,dn)用于生成一個(d0,d1,…,dn)維的數(shù)組，數(shù)組元素來自[0.0,1.0)內(nèi)均勻分布的隨機數(shù)。若沒有參數(shù)輸入，則生成一個數(shù)。print(np.random.rand(2,3))輸出結果如下所示：[[0.77768480.1749160.23383833][0.074388580.748597340.62579588]]np.random.randn(d0,d1,…,dn)用于生成一個或一組服從標準正態(tài)分布的隨機樣本值。當函數(shù)括號內(nèi)沒有參數(shù)時，則返回一個浮點數(shù)；當函數(shù)括號內(nèi)有一個參數(shù)時，則返回一維數(shù)組；當函數(shù)括號內(nèi)有兩個及以上參數(shù)時，則返回對應維度的數(shù)組。print(np.random.randn(3))輸出結果如下所示：[-0.925995931.35150597-0.44634542]print(np.random.randn(2,3))輸出結果如下所示：[[0.34513473-0.768189120.64543786][-0.048000180.420519181.67065808]]任務3.1Numpy的基本操作函數(shù)語法格式及說明舉例np.random.randint(low,high,size)用于隨機生成指定范圍內(nèi)的整數(shù)，隨機數(shù)取值區(qū)間為[low,high),若沒有輸入high參數(shù)，則取值區(qū)間為[0,low)。size用于確定數(shù)組的形狀。print(np.random.randint(1,10))print(np.random.randint(1,10,(2,2)))輸出結果：8[[97][19]]np.random.shuffle()用于將序列的所有元素隨機排序。num=[1,2,3,4,5]np.random.shuffle(num)print(num)輸出結果：[3,5,2,4,1]np.random.choice(a,size,replace,p)用于從序列中獲取隨機元素。a：表示從a中隨機選取size個數(shù),可以從數(shù)組、列表或元組中隨機抽取，必須是一維的。replace:表示抽樣之后是否放回。replace=False，表示無放回的抽樣，不會出現(xiàn)重復的元素；replace=True，表示放回抽樣，有可能會出現(xiàn)重復的元素。默認為True。p表示每個元素被抽取的概率，如果沒有指定，默認a中所有元素被選取的概率是相等的。num=[1,2,3,4,5,6,7,8,9]print(np.random.choice(num,5))print(np.random.choice(num,(2,3)))print(np.random.choice(num,(2,3),replace=False))輸出結果如下所示：[67944][[622][651]][[451][826]]

常見的隨機數(shù)生成方法任務3.1Numpy的基本操作除了上述產(chǎn)生隨機數(shù)的函數(shù)外，random模塊中還包括許多產(chǎn)生某種分布隨機數(shù)的函數(shù)，如下表所示。

random模塊中其他產(chǎn)生隨機數(shù)的函數(shù)函數(shù)說明seed確定隨機數(shù)生成器的種子。permutation返回一個序列的隨機排列或返回一個隨機排列的范圍。binomial產(chǎn)生二項分布的隨機數(shù)。normal產(chǎn)生正態(tài)（高斯）分布的隨機數(shù)。beta產(chǎn)生beta分布的隨機數(shù)。chisquare產(chǎn)生卡方分布的隨機數(shù)。gamma產(chǎn)生gamma分布的隨機數(shù)。uniform產(chǎn)生在[0,1)中均勻分布的隨機數(shù)。任務3.1Numpy的基本操作3.1.3數(shù)組的基本操作一維數(shù)組的索引與切片方法與Python中列表類似，數(shù)組通過索引訪問數(shù)組中的元素，單個索引訪問用于獲取數(shù)組的一個對應元素，而數(shù)組切片則用來獲取數(shù)組中一個區(qū)域內(nèi)所對應的多個元素。一維數(shù)組的索引與切片方法如下表所示。一、數(shù)組索引與切片1.一維數(shù)組的索引和切片操作語法格式及說明舉例利用索引獲取單個元素array[index],其中array表示數(shù)組名，index表示索引位置，并且是從0開始的。arr1=np.arange(5)print(arr1[2])輸出結果：2數(shù)組的切片array[start:stop:step]start表示起始索引，可以省略，默認是0；stop表示終止索引，并且不能取到；step表示索引步長。arr2=np.arange(7)print(arr2[3:6])print(arr2[3:])print(arr2[0:5:2])輸出結果：[345][3456][024]任務3.1Numpy的基本操作二維數(shù)組兩個維度（行與列）都有索引，在訪問的時候要用逗號隔開，并且先訪問行索引，再訪問列索引。二維數(shù)組的索引與切片的語法格式分別為：2.二維數(shù)組的索引與切片其中，row_index表示行索引，col_index表示列索引，并且都是從0開始的。row_start和col_start分別表示行與列起始索引，默認都是0開始。row_stop和col_stop表示行與列的終止索引，并且這兩個終止索引對應的值是不能取到的。array[row_index,col_index]array[row_start:row_stop,col_start:col_stop]任務3.1Numpy的基本操作【做中學3.1.3】編程實現(xiàn)如下操作：首先創(chuàng)建數(shù)組data，然后對data進行索引與切片操作，如圖3.1.1所示。圖3.1.1二維數(shù)組的索引與切片import

numpyasnp#導入Numpy模塊list1=[[1,2],[3,4],[5,6]]#創(chuàng)建列表data=np.array(list1)#創(chuàng)建數(shù)組print("創(chuàng)建的數(shù)組為：\n",data)#輸出打印數(shù)組print("獲取單個元素為：",data[0,1])print("切片操作獲取的數(shù)據(jù)為：\n",data[1:3])print("切片操作獲取的數(shù)據(jù)為：\n",data[0:2,0])【做中學3.1.3】程序如下：創(chuàng)建的數(shù)組為：[[12][34][56]]獲取單個元素為：2切片操作獲取的數(shù)據(jù)為：[[34][56]]切片操作獲取的數(shù)據(jù)為：[13]程序運行結果：任務3.1Numpy的基本操作二、數(shù)組的轉置與變形在對數(shù)組進行操作時，經(jīng)常要對數(shù)據(jù)的形狀進行改變。在Numpy中，可以使用reshape()函數(shù)和ravel()函數(shù)改變數(shù)組的形狀。reshape()函數(shù)改變數(shù)組的形狀，也就是改變數(shù)組的維度，其參數(shù)為一個正整數(shù)元組，分別指出數(shù)組在每個維度上的大小。reshape()函數(shù)的語法格式為：array.reshape(m,n)。ravel()函數(shù)是將多維數(shù)組展平，即將多維數(shù)組展平為一維數(shù)組。ravel()函數(shù)的語法格式為：array.ravel()。1.數(shù)組的變形數(shù)組的轉置是指將行與列對調，即第1行變成第1列，第2行變成第2列，依次類推。在Numpy中，數(shù)組的轉置可以使用T方法實現(xiàn)。其語法格式為：array.T。2.數(shù)組的轉置任務3.1Numpy的基本操作【做中學3.1.4】編寫程序實現(xiàn)以下操作：首先利用arange()函數(shù)生成一個12個元素的一維數(shù)組，然后利用reshape()函數(shù)重塑為形狀為3×4的二維數(shù)組，最后對二維數(shù)組進行轉置和平展操作。importnumpyasnp#導入Numpy模塊arr=np.arange(1,13)#生成數(shù)組print("生成的一維數(shù)組為：",arr)arr1=arr.reshape(3,4)print("變形后的數(shù)組為：\n",arr1)arr2=arr1.Tprint("轉置后的數(shù)組為：\n",arr2)print("展平后的數(shù)組為：\n",arr2.ravel())生成的一維數(shù)組為：[123456789101112]變形后的數(shù)組為：[[1234][5678][9101112]]轉置后的數(shù)組為：[[159][2610][3711][4812]]展平后的數(shù)組為：[159261037114812]程序運行結果如下：【做中學3.1.4】程序如下：任務3.1Numpy的基本操作3.1.4數(shù)組的運算在數(shù)組運算中，相同形狀的數(shù)組是將這兩個數(shù)組中索引相同的元素進行運算。如果是一個數(shù)組的運算，則是將數(shù)組中的所有元素進行相同運算。在NumPy中，數(shù)組可以直接進行加、減、乘、除、指數(shù)、求倒數(shù)、取相反數(shù)、位運算等運算，而不需要使用煩瑣的for循環(huán)之類的算法，并且在除法運算時，遇到除數(shù)為0時,會自動提示無效運算，但是仍會將計算結果顯示出來，無效值處用NaN或inf表示。在數(shù)組運算中,相同形狀的數(shù)組按元素級進行逐個元素運算；而不同形狀的數(shù)組，則按廣播機制進行計算，并且在數(shù)組運算后，將返回包含運算結果的新數(shù)組。一、相同形狀數(shù)組的運算【做中學3.1.5】對隨機生成的兩個2×2的二維數(shù)組進行簡單的算術運算。任務3.1Numpy的基本操作importnumpyasnpa=np.random.randint(1,10,(2,2))print("生成數(shù)組a:\n",a)b=np.random.randint(1,10,(2,2))print("生成數(shù)組b:\n",b)print("數(shù)組a和b的和為：\n",a+b)print("數(shù)組a和b的差為：\n",a-b)print("數(shù)組a和b的積為：\n",a*b)print("數(shù)組a和b的商為：\n",a/b)生成數(shù)組a:[[11][33]]生成數(shù)組b:[[37][87]]數(shù)組a和b的和為：

[[48][1110]]數(shù)組a和b的差為：

[[-2-6][-5-4]]數(shù)組a和b的積為：

[[37][2421]]數(shù)組a和b的商為：

[[0.333333330.14285714][0.3750.42857143]]【做中學3.1.5】程序如下：程序運行結果如下：任務3.1Numpy的基本操作二、不同形狀數(shù)組的運算【做中學3.1.6】編寫程序實現(xiàn)圖3.1.2中數(shù)組的運算，圖中虛線部分表示本身是不存在的數(shù)據(jù)，在運算時利用Numpy的廣播機制自動進行的填充。圖3.1.2Numpy數(shù)組運算的廣播機制importnumpyasnpa=np.arange(3)print("a+1的值為：",a+1)b=np.array([[1,1,1],[2,2,2],[3,3,3]])print("b+a的值為：\n",b+a)c=np.arange(1,4).reshape(3,1)print("c+a的值為：\n",c+a)a+1的值為：[123]b+a的值為：[[123][234][345]]c+a的值為：[[123][234][345]]對于不同形狀的數(shù)組，則按照廣播機制進行運算，并且在數(shù)組運算后，將返回包含運算結果的新數(shù)組。當兩個數(shù)據(jù)的形狀不一致時，低維度數(shù)組會自動將維度擴充到與高維度數(shù)組一致，然后再按元素逐個運算，這就是數(shù)組的廣播機制?！咀鲋袑W3.1.6】程序如下：程序運行結果如下：任務3.1Numpy的基本操作三、通用函數(shù)（ufunc）NumPy中的ufunc對象也稱為ufunc函數(shù)，它包含了對數(shù)組進行處理的通用函數(shù)。通用函數(shù)(ufunc)是針對ndarray數(shù)組對象執(zhí)行元素級運算的函數(shù)，即通用函數(shù)會對數(shù)組中的每一個元素值作用后產(chǎn)生新的元素值，并返回新的元素值組成的數(shù)組。因此，通用函數(shù)（ufunc)都是以NumPy數(shù)組作為輸出的。1.通用函數(shù)（ufunc）簡介2.通用函數(shù)（ufunc）的分類按照通用函數(shù)(ufunc)所接收的數(shù)組參數(shù)個數(shù)來劃分，接收一個數(shù)組參數(shù)的稱為一元通用函數(shù),而接收兩個數(shù)組參數(shù)的稱為二元通用函數(shù)。按照通用函數(shù)(ufunc)的運算功能劃分，常用的通用函數(shù)(ufunc）運算有四則運算、比較運算和邏輯運算等。通用函數(shù)(ufunc)支持全部的四則運算，并且保留習慣的運算符，與數(shù)值運算使用方法相同，但要注意操作的對象是數(shù)組。任務3.1Numpy的基本操作常用的一元通用函數(shù)函數(shù)說明ceil()對數(shù)組各元素向上取整，即大于等于該值的最小整數(shù)floor()對數(shù)組各元素向下取整，即小于等于該值的最大整數(shù)rint()將各元素的值四舍五入取整，保留dtypemodf()將數(shù)組的小數(shù)和整數(shù)部分以兩個獨立數(shù)組的形式返回。isnan()判斷數(shù)組中元素是否為NaN（非數(shù)字），如果數(shù)字是NaN（不是數(shù)字），則返回True，否則返回Falseisfinite()、isinf()判斷判斷數(shù)組中的元素是否有限abs()、fabs()計算整數(shù)、浮點數(shù)或復數(shù)的絕對值，對于非復數(shù)值可以使用更快的fabssqrt()、square()分別表示計算各元素的平方根、平方exp()計算各元素的指數(shù)log()、log10()、log2()分別表示對數(shù)組各元素取自然對數(shù)（底數(shù)為e)，底數(shù)為10，底數(shù)為2。sing()計算各元素的正負號，1(正數(shù))，0（零)，-1(負數(shù)）arccos()、arccosh()、arcsin()、arcsinh()、arctan()、arctanh()反三角函數(shù)logical_not()計算各元素取反任務3.1Numpy的基本操作

常用的二元通用函數(shù)函數(shù)等價運算符說明add()+將兩個數(shù)組中對應位置元素相加。subtract()-將兩個數(shù)組中對應位置元素相減。multiply()*將兩個數(shù)組中對應位置元素相乘。dot()

數(shù)組中對應元素相乘的累加和(矢量積)。divide()、floor_divide()/、//將數(shù)組中對應元素相除或向下整除。mod()、remainder()、fmod()%元素級的求模計算(除法的余數(shù))。maximum()、fmax()

元素級的最大值計算，fmax將忽略NaN。minimum()、fmin()

元素級的最小值計算，fmin將忽路NaN。power()

對第一個數(shù)組中的元素A，根據(jù)第二個數(shù)組中的元素B,計算AB。copysing()

將第二個數(shù)組中的值的符號復制給第一個數(shù)組中的值。equal()、not_equal()greater()、greater_equal()、less()、less_equal()==、!=>、>=、<、<=執(zhí)行元素級的比較運算，最終產(chǎn)生布爾型數(shù)組。logical_and()、logical_or()、logical_xor()&、|、^執(zhí)行元素級的邏輯運算，返回布爾型值。任務3.1Numpy的基本操作案例解析本任務“引入案例”的解析如下：小王收集的關于美創(chuàng)科技第二分公司員工的基本信息如下表所示，先將每個員工的信息用列表存儲，然后用Numpy模塊中的array()函數(shù)創(chuàng)建數(shù)組存儲第二分公司員工的相關信息，并查看某一員工的相關情況和工資水平。STEP01美創(chuàng)科技第二分公司員工信息表姓名性別崗位年齡工資入職日期何欣言女客服397560201804張自華男客服329890201808孫潔女產(chǎn)品2327520201707