糧食產(chǎn)量分析——

NumPy數(shù)組計算基礎1分析糧食產(chǎn)量增長情況目錄創(chuàng)建糧食產(chǎn)量數(shù)據(jù)2對糧食產(chǎn)量進行統(tǒng)計分析3任務描述創(chuàng)建糧食產(chǎn)量數(shù)據(jù)的數(shù)組對象，分析糧食產(chǎn)量的基本情況，對糧食產(chǎn)量的進行一定的了解。2014年~2023年的糧食產(chǎn)量數(shù)據(jù)如下表。

創(chuàng)建糧食產(chǎn)量數(shù)據(jù)年份糧食產(chǎn)量/萬噸2023年695412022年68652.772021年68284.752020年66949.152019年66384.34年份糧食產(chǎn)量/萬噸2018年65789.222017年66160.732016年66043.512015年66060.272014年63964.83任務分析（1）使用NumPy數(shù)創(chuàng)建兩個一維數(shù)組，分別用于存儲年份數(shù)據(jù)和糧食產(chǎn)量數(shù)據(jù)。（2）創(chuàng)建與產(chǎn)量數(shù)據(jù)數(shù)組長度相同的數(shù)組，模擬特定年份的糧食作物播種面積數(shù)據(jù)。（3）將數(shù)組轉(zhuǎn)換為二維數(shù)組，以便進行更靈活的操作。創(chuàng)建糧食產(chǎn)量數(shù)據(jù)NumPy提供了兩種基本的對象。ndarray（N-dimensionalArrayObject）：存儲單一數(shù)據(jù)類型的多維數(shù)組。ufunc（UniversalFunctionObject）：能夠?qū)?shù)組進行處理的函數(shù)。創(chuàng)建數(shù)組對象在創(chuàng)建數(shù)組之前，需要先了解數(shù)組的基本屬性，數(shù)組的屬性及其說明如下表。創(chuàng)建數(shù)組對象1.數(shù)組屬性屬性名稱屬性說明ndim返回int，表示數(shù)組的維數(shù)shape返回tuple，表示數(shù)組形狀的陣列，對于n行m列的矩陣，形狀為(n,m)size返回int，表示數(shù)組的元素總數(shù)，等于數(shù)組形狀中各元素的乘積dtype返回data-type，表示數(shù)組中元素的數(shù)據(jù)類型itemsize返回int，表示數(shù)組的每個元素的存儲空間（以字節(jié)為單位），例如，一個元素類型為float64的數(shù)組的itemsiz屬性值為8（float64占用64個bits，每個字節(jié)長度為8，所以64/8，占用8個字節(jié)），一個元素類型為complex32的數(shù)組的itemsiz屬性值為4，即32/8NumPy提供的array函數(shù)可以創(chuàng)建一維或多維數(shù)組，其基本使用格式如下。array函數(shù)主要參數(shù)及其說明如下表。創(chuàng)建數(shù)組對象2.數(shù)組創(chuàng)建參數(shù)名稱參數(shù)說明object接收array_like，表示所需創(chuàng)建的數(shù)組對象，無默認值dtype接收data-type，表示數(shù)組所需的數(shù)據(jù)類型，如果未給定，那么選擇保存對象所需的最小的數(shù)據(jù)類型，默認為Nonendmin接收int，表示指定生成數(shù)組應該具有的最小維數(shù)，默認為0numpy.array(object,dtype=None,*,copy=True,order='K',subok=False,ndmin=0,like=None)除了使用array函數(shù)創(chuàng)建數(shù)組之外，還可以使用arange函數(shù)創(chuàng)建數(shù)組。arange函數(shù)類似于Python自帶的函數(shù)range，通過指定開始值、終值和步長來創(chuàng)建一維數(shù)組，創(chuàng)建的數(shù)組不含終值。arange函數(shù)的基本使用格式如下。arange函數(shù)常用參數(shù)及其說明如下表。創(chuàng)建數(shù)組對象參數(shù)名稱參數(shù)說明start接收int或?qū)崝?shù)，表示數(shù)組的開始值，生成的區(qū)間包括該值，默認為0stop接收int或?qū)崝?shù)，表示數(shù)組的終值，生成的區(qū)間不包括該值，無默認值step接收int或?qū)崝?shù)，表示在數(shù)組中，值之間的間距，默認為1dtype接收數(shù)據(jù)類型，表示輸出數(shù)組的類型，默認為Nonenumpy.arange([start,]stop,[step,]dtype=None,*,like=None)linspace函數(shù)通過指定開始值、終值和元素個數(shù)來創(chuàng)建一維數(shù)組，默認設置包括終值，這一點需要和arange函數(shù)區(qū)分。linspace函數(shù)的基本使用格式如下。linspace函數(shù)的常用參數(shù)及其說明如下表。創(chuàng)建數(shù)組對象參數(shù)名稱參數(shù)說明start接收array_like，表示起始值，無默認值stop接收array_like，表示結(jié)束值，無默認值num接收int，表示生成的樣本數(shù)，默認為50dtype接收數(shù)據(jù)類型，表示輸出數(shù)組的類型，默認為Nonenumpy.linspace(start,stop,num=50,endpoint=True,retstep=False,dtype=None,axis=0)logspace函數(shù)和linspace函數(shù)類似，它創(chuàng)建的是等比數(shù)列。logspace函數(shù)的基本使用格式如下。在logspace函數(shù)的參數(shù)中，除了base參數(shù)和linspace函數(shù)的retstep參數(shù)不同之外，其余均相同。創(chuàng)建數(shù)組對象numpy.logspace(start,stop,num=50,endpoint=True,base=10.0,dtype=None,axis=0)NumPy還提供了其他函數(shù)用于創(chuàng)建特殊數(shù)組，如zeros、eye、diag和ones函數(shù)等。zeros函數(shù)：用于創(chuàng)建值全部為0的數(shù)組，即創(chuàng)建的數(shù)組值全部填充為0。eye函數(shù)：用于生成主對角線上的元素為1，其他的元素為0的二維數(shù)組，類似單位矩陣。diag函數(shù)：創(chuàng)建類似對角矩陣的數(shù)組，即除對角線上的元素以外的其他元素都為0，對角線上的元素可以是0或其他值。ones函數(shù)：用于創(chuàng)建元素全部為1的數(shù)組，即創(chuàng)建的數(shù)組元素全部填充為1。創(chuàng)建數(shù)組對象在實際的業(yè)務數(shù)據(jù)處理中，為了更準確地計算結(jié)果，提高分析質(zhì)量，推動高質(zhì)量發(fā)展，需要使用不同精度的數(shù)據(jù)類型。NumPy極大程度地擴充了原生Python的數(shù)據(jù)類型。在NumPy中，所有數(shù)組的數(shù)據(jù)類型是同質(zhì)的，即數(shù)組中的所有元素的數(shù)據(jù)類型必須是一致的。將元素數(shù)據(jù)類型保持一致可以更容易確定該數(shù)組所需要的存儲空間。創(chuàng)建數(shù)組對象3.數(shù)組數(shù)據(jù)類型NumPy的基本數(shù)據(jù)類型及其取值范圍如下表。創(chuàng)建數(shù)組對象類型描述bool用一位存儲的布爾類型（值為True或False）int_由所在平臺決定其精度的整數(shù)（一般為int32或int64）int8整數(shù)，范圍為

128～127int16整數(shù)，范圍為

32768～32767int32整數(shù)，范圍為

231～231

1int64整數(shù)，范圍為

263～263

1uint8無符號整數(shù)，范圍為0～255uint16無符號整數(shù)，范圍為0～65535uint32無符號整數(shù)，范圍為0～232

1NumPy的基本數(shù)據(jù)類型及其取值范圍（續(xù)表）。創(chuàng)建數(shù)組對象類型描述uint64無符號整數(shù)，范圍為0～264

1float16半精度浮點數(shù)（16位），其中用1位表示正負號，用5位表示整數(shù)，用10位表示尾數(shù)float32單精度浮點數(shù)（32位），其中用1位表示正負號，用8位表示整數(shù)，用23位表示尾數(shù)float64或float_雙精度浮點數(shù)（64位），其中用1位表示正負號，用11位表示整數(shù)，用52位表示尾數(shù)complex64復數(shù)，分別用兩個32位浮點數(shù)表示實部和虛部complex128或complex_復數(shù)，分別用兩個64位浮點數(shù)表示實部和虛部手動創(chuàng)建數(shù)組往往很難達到數(shù)量要求，NumPy提供了強大的生成隨機數(shù)的功能。然而，真正的隨機數(shù)很難獲得，在實際中使用的都是偽隨機數(shù)。在大部分情況下，偽隨機數(shù)就能滿足獲取的需求。當然，某些特殊情況除外，如進行高精度的模擬實驗。對于NumPy，與隨機數(shù)相關(guān)的函數(shù)都在random模塊中，其中包括了可以生成服從多種概率分布隨機數(shù)的函數(shù)。生成隨機數(shù)random函數(shù)是非常常見的生成隨機數(shù)的方法，random函數(shù)的基本使用格式如下。參數(shù)size接收int，表示返回的隨機浮點數(shù)大小，默認為None。生成隨機數(shù)numpy.random.random(size=None)rand函數(shù)可以生成服從均勻分布的隨機數(shù)，其使用格式如下。參數(shù)d0,d1,...,dn接收int，表示返回數(shù)組的維度必須是非負數(shù)。如果沒有給出參數(shù)，那么返回單個Python浮點數(shù)，無默認值。randn函數(shù)可以生成服從正態(tài)分布的隨機數(shù)，randn函數(shù)的使用格式和參數(shù)說明與rand函數(shù)類似。生成隨機數(shù)numpy.random.rand(d0,d1,...,dn)randint函數(shù)可以生成給定上下限范圍的隨機數(shù)，其基本使用格式如下。randint函數(shù)的常用參數(shù)及其說明如下表。生成隨機數(shù)numpy.random.randint(low,high=None,size=None,dtype=int)參數(shù)名稱參數(shù)說明low接收int或類似數(shù)組的整數(shù)。表示數(shù)組最小值。無默認值high接收int或類似數(shù)組的整數(shù)。表示數(shù)組最大值。默認Nonesize接收int或整數(shù)元組。表示輸出數(shù)組的形狀。默認為Nonedtype接收數(shù)據(jù)類型。表示輸出數(shù)組的類型。默認為int在random模塊中，其他常用于生成隨機數(shù)的函數(shù)如下表。生成隨機數(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shuffle對一個序列進行隨機排序binomial產(chǎn)生服從二項分布的隨機數(shù)normal產(chǎn)生服從正態(tài)（高斯）分布的隨機數(shù)beta產(chǎn)生服從beta分布的隨機數(shù)chisquare產(chǎn)生服從卡方分布的隨機數(shù)gamma產(chǎn)生服從gamma分布的隨機數(shù)uniform產(chǎn)生均勻分布的隨機數(shù)NumPy通常以提供高效率的數(shù)組著稱，這主要歸功于索引的易用性。1.一維數(shù)組的索引一維數(shù)組的索引方法很簡單，與Python中的list的索引方法一致。2.多維數(shù)組的索引多維數(shù)組的每一個維度都有一個索引，各個維度的索引之間用逗號隔開。多維數(shù)組同樣也可以使用整數(shù)序列和布爾值索引進行訪問。通過索引訪問數(shù)組在NumPy中，常用reshape函數(shù)改變數(shù)組的“形狀”，即改變數(shù)組的維度。reshape函數(shù)的基本使用格式如下。reshape函數(shù)在改變原始數(shù)據(jù)的形狀的同時不改變原始數(shù)據(jù)的值。如果指定的形狀和數(shù)組的元素數(shù)目不吻合，那么函數(shù)將拋出異常。變換數(shù)組的形態(tài)numpy.reshape(a,newshape,order='C')reshape函數(shù)的常用參數(shù)及其說明如下表。在NumPy中，可以使用ravel函數(shù)完成數(shù)組展平工作。flatten函數(shù)也可以完成數(shù)組展平工作。與ravel函數(shù)的區(qū)別在于，flatten函數(shù)可以選擇橫向或縱向展平。變換數(shù)組的形態(tài)參數(shù)名稱參數(shù)說明a接收array_like。表示需要變換形狀的數(shù)組。無默認值newshape接收int或int型元組。表示變化后的形狀的維度。無默認值除了可以改變數(shù)組“形狀”外，NumPy也可以對數(shù)組進行組合。組合主要有橫向組合與縱向組合。使用hstack函數(shù)、vstack函數(shù)和concatenate函數(shù)可完成數(shù)組的組合。橫向組合是將由ndarray對象構(gòu)成的元組作為參數(shù)，傳給hstack函數(shù)?？v向組合同樣是將由ndarray對象構(gòu)成的元組作為參數(shù)，傳給vstack函數(shù)。concatenate函數(shù)也可以實現(xiàn)數(shù)組的橫向組合和縱向組合，其中當參數(shù)axis=1時，數(shù)組按照橫向組合，當參數(shù)axis=0時，數(shù)組按照縱向組合。變換數(shù)組的形態(tài)除了對數(shù)組進行橫向和縱向的組合之外，還可以對數(shù)組進行分割。NumPy提供了hsplit、vsplit、split函數(shù)，可以將數(shù)組分割成相同大小的子數(shù)組，也可以指定原數(shù)組中需要分割的位置。hsplit函數(shù)：可以對數(shù)組進行橫向分割，以由ndarray對象構(gòu)成的元組作為參數(shù)。vsplit函數(shù)：可以對數(shù)組進行縱向分割，以由ndarray對象構(gòu)成的元組作為參數(shù)。split函數(shù)：同樣可以實現(xiàn)數(shù)組分割。當參數(shù)axis=1時，可以對數(shù)組進行橫向分割；當參數(shù)axis=0時，可以對數(shù)組進行縱向分割。變換數(shù)組形態(tài)1分析糧食產(chǎn)量增長情況目錄創(chuàng)建糧食產(chǎn)量數(shù)據(jù)2對糧食產(chǎn)量進行統(tǒng)計分析3任務描述基于糧食產(chǎn)量數(shù)據(jù)表的糧食產(chǎn)量數(shù)據(jù)，計算糧食產(chǎn)量的年增長量，分析糧食產(chǎn)量增長情況。任務分析（1）使用NumPy創(chuàng)建包含糧食產(chǎn)量數(shù)據(jù)的矩陣。（2）使用ufunc函數(shù)對矩陣進行操作，計算每年糧食產(chǎn)量的增長量。分析糧食產(chǎn)量增長情況在NumPy中，矩陣是ndarray的子類，且數(shù)組和矩陣有著重要的區(qū)別。NumPy提供了兩個基本的對象，分別是N維數(shù)組對象和通用函數(shù)對象，其他對象都是在它們之上構(gòu)建的。矩陣是繼承自NumPy數(shù)組對象的二維數(shù)組對象。與數(shù)學概念中的矩陣一樣，NumPy中的矩陣也是二維的。使用mat、matrix和bmat函數(shù)可創(chuàng)建矩陣。創(chuàng)建NumPy矩陣當使用mat函數(shù)創(chuàng)建矩陣時，如果輸入matrix或ndarray對象，那么不會創(chuàng)建相應副本。因此，調(diào)用mat函數(shù)和調(diào)用matrix函數(shù)等價。在大多數(shù)情況下，用戶會根據(jù)小的矩陣來創(chuàng)建大的矩陣，即將小矩陣組合成大矩陣。在NumPy中，可以使用bmat分塊矩陣（blockmatrix）函數(shù)實現(xiàn)。在NumPy中，矩陣運算是針對整個矩陣中的每個元素進行的。與使用for循環(huán)相比，其在運算速度上更快。創(chuàng)建NumPy矩陣除了能夠?qū)崿F(xiàn)各類運算外，矩陣還有其特有的屬性，如下表。創(chuàng)建NumPy矩陣屬性名稱屬性說明T返回自身的轉(zhuǎn)置矩陣H返回自身的共軛轉(zhuǎn)置矩陣I返回自身的逆矩陣A返回自身數(shù)據(jù)的二維數(shù)組常用的ufunc函數(shù)運算有四則運算、比較運算和邏輯運算等。四則運算：ufunc函數(shù)支持全部的四則運算，并且保留習慣的運算符，和數(shù)值運算的使用方式一樣，但是需要注意的是，ufunc函數(shù)操作的對象是數(shù)組。數(shù)組間的四則運算表示對每個數(shù)組中的元素分別進行四則運算，因此進行四則運算的兩個數(shù)組的形狀必須相同。比較運算：在ufunc函數(shù)中也支持完整的比較運算：>、<、==、>=、<=、!=。比較運算返回的結(jié)果是一個布爾型數(shù)組，其每個元素為數(shù)組對應元素的比較結(jié)果。邏輯運算：numpy.all函數(shù)用于測試所有數(shù)組元素的計算結(jié)果是否為True，numpy.any函數(shù)用于測試任何數(shù)組元素的計算結(jié)果是否為True。ufunc函數(shù)1.常用的ufunc函數(shù)運算廣播（Broadcasting）機制是指不同形狀的數(shù)組之間執(zhí)行算術(shù)運算的方式。當使用ufunc函數(shù)進行數(shù)組計算時，ufunc函數(shù)會對兩個數(shù)組的對應元素進行計算。進行這種計算的前提是兩個數(shù)組的shape一致。如果兩個數(shù)組的shape不一致，那么NumPy會實行廣播機制。NumPy中的廣播機制并不容易理解，特別是在進行高維數(shù)組計算的時候。ufunc函數(shù)2.ufunc函數(shù)的廣播機制為了更好地使用廣播機制，需要遵循以下4個原則。讓所有的輸入數(shù)組向其中shape最長的數(shù)組看齊，shape中不足的部分通過在前面加1補齊。輸出數(shù)組的shape是輸入數(shù)組shape在各個軸上的最大值的組合。如果輸入數(shù)組的某個軸和輸出數(shù)組的對應軸的長度相同或其長度為1，那么這個數(shù)組能夠用于計算，否則系統(tǒng)將會出錯。當輸入數(shù)組的某個軸的長度為1時，沿著此軸運算時使用此軸上的第一組值。ufunc函數(shù)1分析糧食產(chǎn)量增長情況目錄創(chuàng)建糧食產(chǎn)量數(shù)據(jù)2對糧食產(chǎn)量進行統(tǒng)計分析3任務描述對糧食產(chǎn)量年度數(shù)據(jù)進行統(tǒng)計分析，更好地把握我國糧食生產(chǎn)的現(xiàn)狀和未來發(fā)展趨勢，為農(nóng)業(yè)生產(chǎn)的可持續(xù)發(fā)展提供科學依據(jù)。部分糧食產(chǎn)量年度如下表。對糧食產(chǎn)量進行統(tǒng)計分析年份糧食產(chǎn)量/萬噸谷物產(chǎn)量/萬噸稻谷產(chǎn)量/萬噸……2023年695416414320660.3……2022年68652.7763324.3420849.48……2021年68284.7563275.6921284.24……2020年66949.1561674.2821185.96……2019年66384.3461369.7320961.4……2018年65789.2261003.5821212.9……任務分析（1）使用NumPy讀取糧食產(chǎn)量年度數(shù)據(jù).CSV文件。（2）計算2014年~2023年的糧食產(chǎn)量標準差，并統(tǒng)計產(chǎn)量超過平均值的年份數(shù)量，找出產(chǎn)量最高和最低的年份。對糧食產(chǎn)量進行統(tǒng)計分析NumPy的文件讀/寫主要有二進制的文件讀/寫和文本文件讀/寫兩種形式。NumPy提供了若干函數(shù)，可以將結(jié)果保存到二進制或文本文件中。除此之外，NumPy還提供了許多從文件讀取數(shù)據(jù)并將其轉(zhuǎn)換為數(shù)組的方法。讀/寫文件save函數(shù)以二進制的格式保存數(shù)據(jù)，load函數(shù)從二進制的文件中讀取數(shù)據(jù)，save函數(shù)的語法格式如下。參數(shù)file接收str，表示要保存的文件的名稱，需要指定文件保存的路徑，如果未設置，那么將會保存到默認路徑下面。參數(shù)arr接收array_like，表示需要保存的數(shù)組。save函數(shù)就是將數(shù)組arr保存至名稱為“file”的文件中，其文件的擴展名.npy是系統(tǒng)自動添加的。如果將多個數(shù)組保存到一個文件中，那么可以使用savez函數(shù)，其文件的擴展名為.npz。當需要讀取二進制文件時，可以使用load函數(shù)，用文件名作為參數(shù)，存儲時可以省略擴展名，但讀取時不能省略擴展名。讀/寫文件numpy.save(file,arr,allow_pickle=True,fix_imports=True)在實際的數(shù)據(jù)分析任務中，更多地是使用文本格式的數(shù)據(jù)，如TXT或CSV格式，因此通常會使用savetxt函數(shù)、loadtxt函數(shù)和genfromtxt函數(shù)執(zhí)行對文本格式數(shù)據(jù)的讀取任務。savetxt函數(shù)可將數(shù)組寫到以某種分隔符隔開的文本文件中，其基本使用格式如下。參數(shù)fname接收str，表示文件名。參數(shù)X接收array_like，表示數(shù)組數(shù)據(jù)。參數(shù)delimiter接收str，表示數(shù)據(jù)分隔符。讀/寫文件numpy.savetxt(fname,X,fmt='%.18e',delimiter='',newline='\n',header='',footer='',comments='#',encoding=None)loadtxt函數(shù)執(zhí)行的是相反的操作，即將文件加載到一個二維數(shù)組中，其基本使用格式如下。loadtxt函數(shù)的常用參數(shù)主要有兩個，分別是fname和delimiter。參數(shù)fname接收str，表示需要讀取的文件或生成器。參數(shù)delimiter接收str，表示用于分隔數(shù)值的分隔符。讀/寫文件numpy.loadtxt(fname,dtype=<class'float'>,comments='#',delimiter=None,converters=None,skiprows=0,usecols=None,unpack=False,ndmin=0,encoding='bytes',max_rows=None,*,quotechar=None,like=None)genfromtxt函數(shù)和loadtxt函數(shù)相似，只不過genfromtxt函數(shù)面向的是結(jié)構(gòu)化數(shù)組和缺失數(shù)據(jù)。genfromtxt函數(shù)通常使用的參數(shù)有3個。即用于存放數(shù)據(jù)的文件參數(shù)“fname”。用于分隔數(shù)據(jù)的字符參數(shù)“delimiter”。是否含有列標題參數(shù)“names”。讀/寫文件在NumPy中，除了可以使用通用函數(shù)對數(shù)組進行比較、邏輯等運算之外，還可以使用統(tǒng)計函數(shù)對數(shù)組進行排序、去重與重復、求最大和最小值以及求均值等統(tǒng)計分析。1.排序NumPy的排序方式主要可以概括為直接排序和間接排序兩種。直接排序指對數(shù)值直接進行排序；間接排序是指根據(jù)一個或多個鍵對數(shù)據(jù)集進行排序。在NumPy中，直接排序通常是使用sort函數(shù)，間接排序通常是使用argsort函數(shù)和lexsort函數(shù)。使用函數(shù)進行簡單的統(tǒng)計分析sort函數(shù)是較為常用的排序方法，無返回值。如果目標數(shù)據(jù)是一個視圖，那么原始數(shù)據(jù)將會被修改。當使用sort函數(shù)排序時，用戶可以指定一個axis參數(shù)，使得sort函數(shù)可以沿著指定軸對數(shù)據(jù)集進行排序。使用argsort函數(shù)和lexsort函數(shù)，可以在給定一個或多個鍵時，得到一個由整數(shù)構(gòu)成的索引數(shù)組，索引表示數(shù)據(jù)在新的序列中的位置。lexsort函數(shù)可以一次性對滿足多個鍵的數(shù)組執(zhí)行間接排序。使用函數(shù)進行簡單的統(tǒng)計分析在統(tǒng)計分析的工作中，難免會出現(xiàn)“臟”數(shù)據(jù)的情況。重復數(shù)據(jù)就是“臟”數(shù)據(jù)的情況之一。如果一個一個地手動刪除，那么將會耗時費