項目背景|項目概述|學(xué)習(xí)目標(biāo)|任務(wù)實(shí)施步驟電商用戶1.消費(fèi)數(shù)據(jù)分析【大數(shù)據(jù)分析技術(shù)應(yīng)用】01101111011010111101010000101101010100111101背景先導(dǎo)項目概述項目學(xué)習(xí)目標(biāo)任務(wù)實(shí)施步驟01Background02BriefIntroduction03LearningObjectives04ImplementationSteps主要內(nèi)容用戶數(shù)據(jù)分析在數(shù)字化的浪潮中，電子商務(wù)已成為推動經(jīng)濟(jì)增長的重要引擎，而數(shù)據(jù)分析則是驅(qū)動這一引擎的核心燃料。大規(guī)模用戶的數(shù)據(jù)蘊(yùn)含著巨大的價值。?用戶數(shù)據(jù)分析?是一種基于數(shù)據(jù)和行為模式的研究方法，旨在深入了解用戶的需求、偏好以及使用習(xí)慣，從而提供更好的產(chǎn)品和服務(wù)。隨著互聯(lián)網(wǎng)技術(shù)的不斷發(fā)展，用戶分析已經(jīng)成為企業(yè)成功的關(guān)鍵因素之一。用戶數(shù)據(jù)用戶屬性：年齡、性別、地域、職業(yè)等用戶行為：瀏覽、搜索、購買、評論等用戶活躍度：訪問頻率、停留時長等用戶偏好：購買品類、價格敏感度等用戶數(shù)據(jù)分析項目總體要求

電商用戶數(shù)據(jù)分析利用NumPy等數(shù)據(jù)分析工具，對電商平臺的用戶數(shù)據(jù)進(jìn)行深入分析，挖掘用戶行為的潛在規(guī)律和趨勢，為企業(yè)的戰(zhàn)略決策提供有力支持。根據(jù)數(shù)據(jù)分析需求，完成用戶數(shù)據(jù)的導(dǎo)入、更新和分析。項目三維目標(biāo)掌握NumPy的ndarray對象屬性及創(chuàng)建方法；

（Python程序開發(fā)職業(yè)技能等級標(biāo)準(zhǔn)高級1.1.4）了解NumPy中的矩陣創(chuàng)建、矩陣運(yùn)算及廣播機(jī)制；（Python程序開發(fā)職業(yè)技能等級標(biāo)準(zhǔn)高級1.2.1）了解NumPy中的常用函數(shù)。（Python程序開發(fā)職業(yè)技能等級標(biāo)準(zhǔn)高級1.2.1）知識目標(biāo)能力目標(biāo)素質(zhì)目標(biāo)證證證項目三維目標(biāo)會使用NumPy進(jìn)行數(shù)組操作和數(shù)據(jù)處理；（Python程序開發(fā)職業(yè)技能等級標(biāo)準(zhǔn)高級1.2.1）會使用NumPy進(jìn)行多維數(shù)組計算和矩陣運(yùn)算；會使用NumPy進(jìn)行科學(xué)計算和統(tǒng)計分析。知識目標(biāo)能力目標(biāo)素質(zhì)目標(biāo)證011011110110101111010111100100001011010101001111101項目三維目標(biāo)認(rèn)識到數(shù)據(jù)分析在推動社會可持續(xù)發(fā)展中的作用，增強(qiáng)學(xué)生社會責(zé)任感和使命感；認(rèn)識到在數(shù)據(jù)分析過程中遵守數(shù)據(jù)倫理的重要性，增強(qiáng)數(shù)據(jù)安全意識，遵守相關(guān)的數(shù)據(jù)保護(hù)法規(guī)，做到知法守法；會獨(dú)立思考、發(fā)現(xiàn)問題、解決問題，具備批判性思維和創(chuàng)新意識。能力目標(biāo)素質(zhì)目標(biāo)知識目標(biāo)011011110110101111010111100100001011010101001111101電商用戶數(shù)據(jù)分析流程明確目標(biāo)，分析電商平臺用戶的年齡、愛好、性格等信息，洞察用戶畫像。明確目標(biāo)數(shù)據(jù)分析數(shù)據(jù)更新數(shù)據(jù)創(chuàng)建電商用戶數(shù)據(jù)分析流程利用NumPy創(chuàng)建數(shù)組，建立用戶檔案，為后續(xù)的數(shù)據(jù)分析和精準(zhǔn)營銷打下基礎(chǔ)。數(shù)據(jù)創(chuàng)建明確目標(biāo)數(shù)據(jù)分析數(shù)據(jù)更新電商用戶數(shù)據(jù)分析流程通過數(shù)組操作函數(shù)更新用戶數(shù)據(jù)，完善用戶畫像數(shù)據(jù)創(chuàng)建數(shù)據(jù)更新明確目標(biāo)數(shù)據(jù)分析電商用戶數(shù)據(jù)分析流程數(shù)據(jù)創(chuàng)建數(shù)據(jù)更新數(shù)據(jù)分析明確目標(biāo)利用基本函數(shù)進(jìn)行用戶年齡的平均值、標(biāo)準(zhǔn)差等數(shù)據(jù)的分析還在等什么？馬上動手實(shí)施電商用戶消費(fèi)數(shù)據(jù)分析項目吧~1.用戶數(shù)據(jù)2.電商用戶數(shù)據(jù)分析流程小結(jié)011011110110101111010111100100001011010101001001111012.NumPy數(shù)組創(chuàng)建知識目標(biāo)01121110110101101101001001100110101010010011011010010110010111011010100110111010101010101101010011010010了解數(shù)組索引與切片了解NumPy數(shù)組創(chuàng)建方法了解NumPy數(shù)組數(shù)據(jù)類型NumPy是什么NumPy（NumericalPython）是科學(xué)計算基礎(chǔ)庫，提供大量科學(xué)計算相關(guān)功能，比如數(shù)據(jù)統(tǒng)計、隨機(jī)數(shù)生成等等。其提供的最核心類型是多維數(shù)組類型（ndarray），它能夠支持大量的維度數(shù)組與矩陣運(yùn)算。Numpy提供了高效的數(shù)組操作，可以快速處理大規(guī)模數(shù)據(jù)，提高數(shù)據(jù)處理效率。高效處理數(shù)據(jù)01Numpy支持多種數(shù)據(jù)類型，包括整數(shù)、浮點(diǎn)數(shù)、字符串等，可以滿足不同數(shù)據(jù)處理需求。支持多種數(shù)據(jù)類型02Numpy提供了豐富的數(shù)學(xué)函數(shù)，可以進(jìn)行線性代數(shù)、統(tǒng)計分析等數(shù)學(xué)運(yùn)算，方便進(jìn)行數(shù)據(jù)處理和分析。方便進(jìn)行數(shù)學(xué)運(yùn)算03NumPy提供了兩種基本對象：ndarray（N-dimensionalArrayObject）和ufunc（UniversalFunctionObject）。其中ndarray是一個多維數(shù)組對象，而ufunc則是能夠?qū)?shù)組進(jìn)行處理的函數(shù)。NumPy數(shù)組一般是同質(zhì)的（但特殊的數(shù)組類型可以是異質(zhì)的），即數(shù)組中所有元素的數(shù)據(jù)類型必須一致。NumPy數(shù)組的下標(biāo)也是從0開始的。數(shù)組元素的數(shù)據(jù)類型用數(shù)據(jù)類型對象表示，數(shù)據(jù)類型對象是numpy.dtype類的實(shí)例。創(chuàng)建數(shù)組對象利用NumPy提供的array()函數(shù)可以創(chuàng)建一維或多維數(shù)組，其基本語法格式如下。其中：

object：表示想要創(chuàng)建數(shù)組，無默認(rèn)。

dtype：表示數(shù)組的所需要的數(shù)據(jù)類型，默認(rèn)為None。

ndmin：指定生成數(shù)組應(yīng)該具有的最小維數(shù)，默認(rèn)為None。在創(chuàng)建數(shù)組時，object是唯一必要的參數(shù)，其余參數(shù)均為默認(rèn)的可選參數(shù)。

numpy.array(object,dtype=None,copy=True,order=None,subok=False,ndmin=0)創(chuàng)建數(shù)組對象數(shù)組屬性使用arange()函數(shù)創(chuàng)建一維數(shù)組根據(jù)start與stop指定的范圍以及step設(shè)定的步長，生成一個ndarray。使用linspace()函數(shù)創(chuàng)建等差數(shù)組使用logspace()函數(shù)創(chuàng)建等比數(shù)列numpy.arange(start,stop,step,dtype)np.linspace(start,stop,num=50,endpoint=True,retstep=False,dtype=None)np.logspace(start,stop,num=50,endpoint=True,base=10.0,dtype=None)創(chuàng)建數(shù)組的其他方法使用zeros()、eye()、identity()、diag()和ones()函數(shù)創(chuàng)建特殊數(shù)組使用asarray()函數(shù)創(chuàng)建數(shù)組，類似numpy.array6.使用empty()函數(shù)創(chuàng)建數(shù)組，生成的數(shù)組元素為隨機(jī)值，因?yàn)樗鼈兾闯跏蓟痭umpy.empty(shape,dtype=float,order='C')numpy.asarray(a,dtype=None,order=None)創(chuàng)建數(shù)組的其他方法np.zeros(3)0.0.0.np.ones(3)1.1.1.np.eye(3)0.1.0.1.0.0.0.0.1.np.

diag([1,2,3])

020100003NumPy數(shù)組數(shù)據(jù)類型Python支持的數(shù)據(jù)類型有整型、浮點(diǎn)型以及復(fù)數(shù)型，但這些類型不足以滿足科學(xué)計算的需求，因此NumPy添加了很多其他的數(shù)據(jù)類型。在實(shí)際應(yīng)用中，為了提高計算結(jié)果的準(zhǔn)確度，需要使用不同精度的數(shù)據(jù)類型，并且不同的數(shù)據(jù)類型所占用的內(nèi)存空間也是不同的。在NumPy中，大部分?jǐn)?shù)據(jù)類型名是以數(shù)字結(jié)尾的，這個數(shù)字表示其在內(nèi)存中占用的位數(shù)。NumPy數(shù)組數(shù)據(jù)類型數(shù)組的數(shù)據(jù)類型轉(zhuǎn)換數(shù)組有一個dtype

屬性，通過該屬性可以查看數(shù)組的數(shù)據(jù)類型，方法是數(shù)組名.dtype。而數(shù)組的數(shù)據(jù)類型在創(chuàng)建數(shù)組時就已經(jīng)通過dtype

參數(shù)確定了。

如果想實(shí)現(xiàn)數(shù)組中數(shù)值類型的轉(zhuǎn)換可采用astype()函數(shù)。astype()函數(shù)的格式如下。數(shù)組名.astype(numpy.數(shù)據(jù)類型)NumPy數(shù)組數(shù)據(jù)類型自定義數(shù)據(jù)類型是一種異構(gòu)數(shù)據(jù)類型，可以將它看作是電子表格的標(biāo)題行的數(shù)據(jù)。例如，創(chuàng)建一個存儲產(chǎn)品價格信息的數(shù)據(jù)類型。其中，產(chǎn)品名稱是用字符串表示的長度為50個字符，產(chǎn)品價格是用32位單精度浮點(diǎn)數(shù)表示。那么，使用自定義數(shù)據(jù)類型來創(chuàng)建數(shù)組的方法如下。（1）使用dtype創(chuàng)建自定義數(shù)據(jù)類型（2）查看數(shù)據(jù)類型，可直接查看或使用numpy.dtype()函數(shù)查看（3）使用array()函數(shù)創(chuàng)建數(shù)組時，使用dtype指定數(shù)組的數(shù)據(jù)類型為pro_type（自定義數(shù)據(jù)類型）數(shù)組的索引和切片1.一維數(shù)組的索引與切片一維數(shù)組的操作類似于Python中列表（list）類型的操作。如：一維數(shù)組arr=[a0,a1,a2,a3,a4……,an]

數(shù)組索引(下標(biāo))01234na=np.arange(1,6)1234501234數(shù)組的索引和切片（1）利用數(shù)組索引（下標(biāo)）獲取指定元素獲取數(shù)組中指定元素的方法如下。數(shù)組名[索引（下標(biāo)）]

例如，獲取數(shù)組arr中第4個元素a3用arr[3]即可。（2）數(shù)組的切片

截取數(shù)組中某個范圍之間元素的方法如下。

數(shù)組名[start:end:step]

其中，start表示截取數(shù)組中開始元素的索引（下標(biāo)），end表示截取數(shù)組中結(jié)束元素的索引（下標(biāo)），但是不包括end索引（下標(biāo)）所指定的元素，step表示步長。

例如,截取arr數(shù)組中第2個元素至第5個元素，包括第5個元素，則使用arr[1:5]。數(shù)組的索引和切片2.二維數(shù)組的索引與切片二維數(shù)組是由行和列組成，二維數(shù)組中的每一行相當(dāng)于一維數(shù)組。二維數(shù)組中元素的索引是由該元素所在的行下標(biāo)和列下標(biāo)組成，即由元素的行索引和列索引組成。如arr是二維數(shù)組，該二維數(shù)組元素用arr[行索引,列索引]表示，該二維數(shù)組中元素與索引的對應(yīng)關(guān)系如下。數(shù)組的索引和切片（1）利用二維數(shù)組的行索引和列索引獲取指定元素數(shù)組名[行索引,列索引]

例如，獲取二維數(shù)組中第2行第2列的元素，用arr[1,1]即可。（2）二維數(shù)組的切片截取二維數(shù)組中某個區(qū)域之間元素的方法：數(shù)組名[rows_start:rows_end:rows_step，cols_start:cols_end:cols_step]

rows_start:rows_end

表示截取數(shù)組中元素的行索引范圍，

cols_start:cols_end

表示截取數(shù)組中元素的列索引范圍，但不包括rows_end行索引和cols_end列索引所指定的元素，

rows_step表示行索引的步長，cols_step表示列索引的步長。數(shù)組的索引和切片123456789101112123456789101112123456789101112123456789101112123456789101112a[1,2]a[:,1:3]a[1,:]a[-2:,-2:]a數(shù)組的索引和切片3.整數(shù)索引整數(shù)索引就是從兩個序列的對應(yīng)位置取出兩個整數(shù)來組成行下標(biāo)和列下標(biāo)。4.布爾值索引當(dāng)結(jié)果對象是布爾運(yùn)算（例如比較運(yùn)算符）的結(jié)果時，將使用布爾值索引。1234567654321falsefalsefalsefalsefalsetruetruetruefalsefalsefalsefalsefalseaa>5不急后續(xù)會有操作應(yīng)用實(shí)例哦~NumPy數(shù)組創(chuàng)建方法NumPy數(shù)組數(shù)據(jù)類型數(shù)組索引與切片小結(jié)3.用戶數(shù)據(jù)創(chuàng)建任務(wù)實(shí)施電商用戶消費(fèi)數(shù)據(jù)分析會熟練使用Python集成開發(fā)工具，如PyCharm、Anaconda等；會安裝NumPy第三方包；會使用NumPy函數(shù)創(chuàng)建數(shù)組。能力目標(biāo)用戶數(shù)據(jù)創(chuàng)建任務(wù)工單引導(dǎo)問題任務(wù)解決方案任務(wù)評價標(biāo)準(zhǔn)主要內(nèi)容教學(xué)難點(diǎn)任務(wù)工單任務(wù)概述

任務(wù)描述：利用NumPy錄入用戶的編號、年齡、性別、職業(yè)數(shù)據(jù)010010011001101010100100110110100101110101000100001011011101001010101101010011010010利用NymPy創(chuàng)建結(jié)構(gòu)化數(shù)組，錄入用戶的編號、年齡、性別和職業(yè)等數(shù)據(jù)。（1）錄入的用戶屬性數(shù)據(jù)包括哪些數(shù)據(jù)類型？（2）如何利用NumPy中的函數(shù)創(chuàng)建數(shù)組？（3）自定義數(shù)據(jù)類型應(yīng)該如何設(shè)置？”

問題引導(dǎo)：任務(wù)概述

任務(wù)評價：評價內(nèi)容評價要點(diǎn)分值分?jǐn)?shù)評定自我評價1.任務(wù)實(shí)施NumPy包的安裝與導(dǎo)入3分NumPy正確安裝得1分，包正常導(dǎo)入得1分，會使用別名得1分

創(chuàng)建數(shù)據(jù)2分會利用NumPy創(chuàng)建數(shù)據(jù)，錄入用戶數(shù)據(jù)

數(shù)據(jù)類型設(shè)置2分能正確設(shè)置用戶數(shù)據(jù)類型

2.結(jié)果展現(xiàn)數(shù)據(jù)篩選2分能正確篩選數(shù)據(jù)并展示得2分

3.任務(wù)總結(jié)依據(jù)任務(wù)實(shí)施情況總結(jié)結(jié)論1分總結(jié)內(nèi)容切中本任務(wù)的重點(diǎn)要點(diǎn)得1分

合計10分

任務(wù)評價第1行：本文件用utf-8編碼，utf-8編碼支持多種文字，包括中文。第2行：導(dǎo)入NumPy庫，并給出別名np。#coding:utf-8importnumpy

asnp任務(wù)解決方案任務(wù)解決方案user_data=np.array([(1,26,'Male','Engineer'),(2,32,'Female','Teacher'),(3,18,'Female','Student'),(4,50,'Male','Teacher'),(5,41,'Female','Teacher'),(6,18,'Female','Student')],dtype=[('user_id',int),('age',int),('gender','U8'),('occupation','U32')])print(user_data)本段代碼是使用NumPy庫來創(chuàng)建一個結(jié)構(gòu)化數(shù)組（structuredarray）。結(jié)構(gòu)化數(shù)組允許在單個NumPy數(shù)組中存儲不同類型的數(shù)據(jù)。這使得數(shù)據(jù)處理變得非常方便，可以通過字段名直接訪問數(shù)據(jù)，而不是通過索引。例如，要獲取所有用戶的職業(yè)，你可以使用user_data['occupation']。這一段代碼是對用戶數(shù)據(jù)類型進(jìn)行定義，'U8'和'U32'是Unicode字符串的數(shù)據(jù)類型，分別表示固定長度的Unicode字符串，長度為8和32個字符。對于gender和occupation字段，這通常是足夠的，但請確保這些字段的數(shù)據(jù)不會超過這些長度限制。本段代碼是打印出創(chuàng)建的結(jié)構(gòu)化數(shù)組，可以檢查數(shù)據(jù)是否有誤還在等什么？馬上動手實(shí)施用戶數(shù)據(jù)創(chuàng)建任務(wù)吧~用戶數(shù)據(jù)創(chuàng)建NumPy數(shù)組小結(jié)011011110110101111010111100100001011010101001001111014.NumPy數(shù)組操作知識目標(biāo)01121110110101101101001001100110101010010011011010010110010111011010100110111010101010101101010011010010了解NumPy隨機(jī)數(shù)生成方法了解NumPy數(shù)組操作函數(shù)隨機(jī)數(shù)生成利用NumPy中的random模塊生成隨機(jī)數(shù)。numpy.random模塊提供了非常全的自動產(chǎn)生數(shù)據(jù)的API，通過該模塊中的函數(shù)可以很方便地生成隨機(jī)數(shù)。rand()函數(shù)該函數(shù)作用生成一個(d0,d1,...,dn)維的數(shù)組，數(shù)組的元素取自[0,1)內(nèi)均勻分布的隨機(jī)數(shù)，但數(shù)組的元素不包括1。若沒有參數(shù)輸入，則生成一個數(shù)。括號里面的參數(shù)是指定產(chǎn)生數(shù)組的形狀。randn()函數(shù)

該函數(shù)作用生成一個(d0,d1,...,dn)維的數(shù)組，數(shù)組的元素是標(biāo)準(zhǔn)正太分布隨機(jī)數(shù)。若沒有參數(shù)輸入，則生成一個數(shù)。括號里面的參數(shù)是指定產(chǎn)生數(shù)組的形狀。numpy.random.rand(d0,d1,...,dn)numpy.random.randn(d0,d1,...,dn)隨機(jī)數(shù)生成randint()函數(shù)該函數(shù)作用生成指定范圍的隨機(jī)數(shù)，隨機(jī)數(shù)取值區(qū)間為[low,high)，若沒有輸入?yún)?shù)high則取值區(qū)間為[0,low)。size參數(shù)是元組，用于確定數(shù)組的形狀，dtype用于指定數(shù)組中數(shù)據(jù)類型。random()函數(shù)

該函數(shù)作用產(chǎn)生[0.0,1.0)之間的浮點(diǎn)數(shù)，但數(shù)組的元素不包括1。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)。numpy.random.randint(low[,high,size,dtype])numpy.random.random(size=None)數(shù)組操作函數(shù)（一）修改數(shù)組形狀1.用元組設(shè)置維度修改數(shù)組的形狀方法：

數(shù)組名.shape=(x0,x1,x2…,xn)

參數(shù)x0-xn表示數(shù)組中每個維度上的大小，例如arr.shape=(3，4)表示將arr數(shù)組修改成3行4列數(shù)組，利用該方法會改變原數(shù)組arr的形狀。

2.reshape()函數(shù)用reshape()函數(shù)修改數(shù)組的形狀方法：數(shù)組名.reshape(x0,x1,x2…,xn)

參數(shù)x0-xn表示數(shù)組中每個維度上的大小。例如arr.reshape(3，4)生成一個3行4列新數(shù)組，而原數(shù)組arr不會改變。如果指定的維度和數(shù)組的元素數(shù)目不吻合，則函數(shù)將拋出異常。數(shù)組操作函數(shù)（二）數(shù)組展平1.ravel()函數(shù)

數(shù)組名.ravel()

2.flatten()函數(shù)

數(shù)組名.flatten()使用flatten()時，你得到的是原始數(shù)組的一個扁平化副本。使用ravel()時，你得到的是原始數(shù)組的一個扁平化視圖，這可能會節(jié)省內(nèi)存，并允許在某些情況下對原始數(shù)組進(jìn)行非連續(xù)修改。推薦使用。數(shù)組操作函數(shù)（三）數(shù)組轉(zhuǎn)置和軸對換1.transpose()函數(shù)numpy.transpose(arr)該函數(shù)可實(shí)現(xiàn)翻轉(zhuǎn)給定數(shù)組的維度，并且返回數(shù)組的1個視圖(view)。例如arr是一個3行5列數(shù)組，numpy.transpose(arr)函數(shù)就會返回arr數(shù)組轉(zhuǎn)置為5行3列的數(shù)組視圖，而原數(shù)組arr不改變。2.ndarray.T

函數(shù)該函數(shù)是屬于ndarray類，作用類似于numpy.transpose數(shù)組操作函數(shù)（三）數(shù)組轉(zhuǎn)置和軸對換rollaxis()函數(shù)

numpy.rollaxis(arr,axis,start)該函數(shù)可實(shí)現(xiàn)向后滾動特定的軸，直到1個特定位置。該函數(shù)中參數(shù)arr表示數(shù)組，axis表示要向后滾動的軸，其它軸的相對位置不會改變，start表示滾動到特定位置，默認(rèn)為零，表示完整的滾動。swapaxes()函數(shù)

numpy.swapaxes(arr,axis1,axis2)該函數(shù)是交換數(shù)組的兩個軸。對于1.10之前的NumPy版本，會返回交換后數(shù)組的視圖。參數(shù)arr表示數(shù)組，axis1表示對應(yīng)第1個軸的整數(shù)，axis2表示對應(yīng)第2個軸的整數(shù)。數(shù)組操作函數(shù)（四）數(shù)組連接concatenate()函數(shù)

numpy.concatenate((arr1,arr2,…,arrn),axis)該函數(shù)是用于沿指定軸連接相同形狀的兩個或多個數(shù)組。參數(shù)arr1,arr2…arrn表示是相同維度的數(shù)組序列，axis表示沿著它連接數(shù)組的軸，默認(rèn)為0。stack()函數(shù)

numpy.stack(arrays,axis)該函數(shù)能實(shí)現(xiàn)沿新軸連接數(shù)組序列。此功能添加自NumPy版本1.10.0。參數(shù)arrays表示相同形狀的數(shù)組序列，axis表示返回數(shù)組中的軸，輸入數(shù)組沿著它來堆疊。數(shù)組操作函數(shù)（四）數(shù)組連接hstack()函數(shù)

numpy.hstack(arrays)該函數(shù)可通過堆疊來生成水平的單個數(shù)組。參數(shù)arrays表示相同形狀的數(shù)組序列。vstack()函數(shù)

numpy.vstack(arrays)該函數(shù)可通過堆疊來生成豎直的單個數(shù)組。參數(shù)arrays表示相同形狀的數(shù)組序列。數(shù)組操作函數(shù)（五）數(shù)組分割split()函數(shù)

numpy.split(arr,indices_or_sections,axis)該函數(shù)是沿特定的軸將數(shù)組分割為子數(shù)組。參數(shù)arr表示被分割的數(shù)組，indices_or_sections表示從arr數(shù)組創(chuàng)建的大小相同的子數(shù)組的數(shù)量，可以為整數(shù)。axis表示返回數(shù)組中的軸，默認(rèn)為0，表示豎直方向分割，1表示水平方向分割。數(shù)組操作函數(shù)（五）數(shù)組分割hsplit()函數(shù)

numpy.hsplit(arr,indices_or_sections)該函數(shù)是split()函數(shù)的特例，它是將數(shù)組沿著水平方向分割，即將一個數(shù)組按列分割為多個子數(shù)組。參數(shù)arr表示被分割的數(shù)組，indices_or_sections表示將arr數(shù)組創(chuàng)建為大小相同的子數(shù)組的數(shù)量。vsplit()函數(shù)

numpy.vsplit(arr,indices_or_sections)該函數(shù)是split()函數(shù)的特例，它是將數(shù)組沿著豎直方向分割，即將一個數(shù)組按行分割為多個子數(shù)組。參數(shù)arr表示被分割的數(shù)組，indices_or_sections表示將arr數(shù)組創(chuàng)建為大小相同的子數(shù)組的數(shù)量。數(shù)組操作函數(shù)（六）數(shù)組元素的添加與刪除

1.append()函數(shù)

numpy.append(arr,values,axis)該函數(shù)是在數(shù)組的末尾添加元素，該函數(shù)會返回一個新數(shù)組，而原數(shù)組不變。參數(shù)arr表示輸入的數(shù)組，values表示向arr數(shù)組添加的元素，axis表示沿著水平或豎直方向完成添加操作的軸。axis取0表示向豎直方向操作，values數(shù)組列維度與arr數(shù)組列維度相同；axis取1表示向水平方向操作，values數(shù)組行維度與arr數(shù)組行維度相同。insert()函數(shù)

numpy.insert(arr,obj,values,axis)該函數(shù)在給定索引之前，沿給定軸在輸入數(shù)組中插入值。該函數(shù)會返回一個新數(shù)組，原數(shù)組不變。其中，參數(shù)arr表示輸入的數(shù)組，obj表示在其之前插入值的索引，values表示向arr數(shù)組插入的值。數(shù)組操作函數(shù)（六）數(shù)組元素的添加與刪除

3.delete()函數(shù)numpy.delete(arr,obj,axis)該函數(shù)返回從輸入數(shù)組中刪除指定子數(shù)組的新數(shù)組，原數(shù)組不變。與insert()函數(shù)的情況一樣，如果未提供軸參數(shù)，則輸入數(shù)組將展開。其中，參數(shù)arr表示輸入的數(shù)組，obj是用整數(shù)或者整數(shù)數(shù)組表示的從輸入數(shù)組中刪除的子數(shù)組，axis表示沿著它刪除給定子數(shù)組的軸，如果未提供axis值，則輸入數(shù)組會被展開。4.unique()函數(shù)numpy.unique(arr,return_index,return_inverse,return_counts)該函數(shù)返回輸入數(shù)組中的去重元素數(shù)組。該函數(shù)能夠返回一個元組，包含去重數(shù)組和相關(guān)索引的數(shù)組。索引的性質(zhì)取決于函數(shù)調(diào)用中返回參數(shù)的類型。不急后續(xù)會有操作應(yīng)用實(shí)例哦~NumPy隨機(jī)數(shù)生成方法NumPy數(shù)組操作函數(shù)小結(jié)5.用戶數(shù)據(jù)更新任務(wù)實(shí)施電商用戶消費(fèi)數(shù)據(jù)分析會熟練使用Python集成開發(fā)工具，如PyCharm、Anaconda等；會使用NumPy生成隨機(jī)數(shù)；會使用NumPy函數(shù)進(jìn)行數(shù)組形狀修改、合并和分割數(shù)組。能力目標(biāo)任務(wù)概述引導(dǎo)問題用戶數(shù)據(jù)更新任務(wù)解決方案任務(wù)評價主要內(nèi)容教學(xué)難點(diǎn)任務(wù)概述010010011001101010100100110110100101110101000100001011011101001010101101010011010010任務(wù)工單在處理用戶數(shù)據(jù)時，需要對數(shù)據(jù)進(jìn)行一些操作，如添加新的數(shù)據(jù)、刪除舊的數(shù)據(jù)、修改現(xiàn)有的數(shù)據(jù)等。接下來我們要利用NumPy的函數(shù)來進(jìn)行操作，完成用戶數(shù)據(jù)的更新。

任務(wù)描述：修改已經(jīng)錄入的用戶信息。（1）生成隨機(jī)數(shù)的函數(shù)有哪些？如何生成固定區(qū)間內(nèi)的隨機(jī)整數(shù)？（2）改變數(shù)組形狀可以用什么函數(shù)？（3）實(shí)現(xiàn)數(shù)組之間的連接，可以用什么函數(shù)？（4）數(shù)組之間的連接需要注意哪些問題？”

問題引導(dǎo)：引導(dǎo)問題

任務(wù)評價：評價內(nèi)容評價要點(diǎn)分值分?jǐn)?shù)評定自我評價1.任務(wù)實(shí)施生成隨機(jī)數(shù)2分正確使用隨機(jī)函數(shù)得2分

數(shù)組形狀轉(zhuǎn)換2分會正確運(yùn)用轉(zhuǎn)換函數(shù)改變數(shù)組形狀得2分

數(shù)組合并3分能正確合并數(shù)組得3分

2.結(jié)果展現(xiàn)結(jié)果數(shù)據(jù)顯示與統(tǒng)計2分能正確顯示數(shù)據(jù)得2分

3.任務(wù)總結(jié)依據(jù)任務(wù)實(shí)施情況總結(jié)結(jié)論1分總結(jié)內(nèi)容切中本任務(wù)的重點(diǎn)要點(diǎn)得1分

合計10分

任務(wù)評價任務(wù)解決方案第1步：使用NumPy的隨機(jī)函數(shù)來生成模擬的用戶評分?jǐn)?shù)據(jù)，取值為1-10的整數(shù)，并將其轉(zhuǎn)換為二維數(shù)組。第2步：將新的評分?jǐn)?shù)據(jù)添加到原始數(shù)據(jù)，組合成新的用戶數(shù)據(jù)。利用randint函數(shù)生成隨機(jī)整數(shù)，作為評分利用reshape函數(shù)轉(zhuǎn)換數(shù)組形狀為二維數(shù)組rating=np.random.randint(1,10,size=12)rating=rating.reshape(6,2)任務(wù)解決方案利用column_stack函數(shù)合并數(shù)組new_user_data=np.column_stack((user_data,rating))還在等什么？馬上動手實(shí)施用戶數(shù)據(jù)更新任務(wù)吧~生成隨機(jī)數(shù)數(shù)組操作小結(jié)011011110110101111010111100100001011010101001001111016.NumPy統(tǒng)計分析函數(shù)知識目標(biāo)01121110110101101101001001100110101010010011011010010110010111011010100110111010101010101101010011010010了解NumPy矩陣創(chuàng)建了解NumPy基本數(shù)學(xué)函數(shù)了解NumPy統(tǒng)計函數(shù)矩陣創(chuàng)建NumPy中的矩陣對象為matrix，它包含有矩陣的數(shù)據(jù)處理，矩陣計算，轉(zhuǎn)置，可逆性等功能。matrix是ndarray的子類，矩陣對象是繼承自NumPy數(shù)組對象的二維數(shù)組對象，因此，矩陣會含有數(shù)組的所有數(shù)據(jù)屬性和方法。但是，矩陣與數(shù)組還是有一些重要的區(qū)別。在NumPy中，使用mat()、matrix()以及bmat()函數(shù)創(chuàng)建矩陣。矩陣創(chuàng)建（1）使用字符串創(chuàng)建矩陣在mat()函數(shù)中輸入一個Matlab風(fēng)格的字符串，該字符串以空格分隔列，以分號分隔行。如numpy.mat(‘123;456;789’)，可創(chuàng)建一個3行3列矩陣，矩陣中元素為整數(shù)。（2）使用嵌套序列創(chuàng)建矩陣在mat()函數(shù)中輸入嵌套序列，如numpy.mat([[2,4,6,8],[1.0,3,5,7.0]])，可創(chuàng)建一個2行4列的矩陣，矩陣中的元素為浮點(diǎn)數(shù)。（3）使用一個數(shù)組創(chuàng)建矩陣在mat()函數(shù)中輸入數(shù)組，如numpy.mat(numpy.arange(9).reshape(3,3))，可創(chuàng)建一個3行3列的矩陣，矩陣中的元素為整數(shù)。矩陣創(chuàng)建（4）使用matrix()函數(shù)創(chuàng)建矩陣

matrix()函數(shù)可以將字符串、嵌套序列、數(shù)組和matrix轉(zhuǎn)換成矩陣。其函數(shù)格式：matrix(data,dtype=None,copy=True)（5）使用bmat()函數(shù)創(chuàng)建矩陣

如果想將小矩陣組合成大矩陣，在NumPy中，可以使用bmat分塊（blockmatrix）矩陣函數(shù)實(shí)現(xiàn)。

其函數(shù)格式：bmat(obj,ldict=None,gdict=None)

其中，obj為matrix。參數(shù)ldict和gdict為None。矩陣操作矩陣復(fù)制（1）tile()函數(shù)，其函數(shù)格式：numpy.tile(A,resp)通過resp給出的數(shù)，將A復(fù)制多次來構(gòu)造一個數(shù)組，A為帶操作的數(shù)組，reps是一個元組，指定了每個維度上的重復(fù)次數(shù)。（2）repeat()函數(shù)，其函數(shù)格式：numpy.repeat(a,repeats,axis=None)這個函數(shù)可以用于復(fù)制數(shù)組中的元素，可以選擇在指定的軸上重復(fù)元素。a為需要操作的數(shù)組，repeats為復(fù)制的次數(shù)，axis為重復(fù)操作會沿著哪個軸進(jìn)行，axis=0表示沿著行方向，axis=1表示沿著列方向。矩陣操作添加矩陣邊框pad()函數(shù)，其函數(shù)格式：numpy.pad(array,pad_width,mode='constant',constant_values=0)其中，參數(shù)array表示要填充的數(shù)組；參數(shù)pad_width定義了被填充到每個軸的邊緣的值的數(shù)量；mode為填充的模式，可以是constant、edge、linear_ramp、maximum、mean、median、minimum、reflect或wrap中的一個；constant_values當(dāng)mode為constant時，表示用于填充的常數(shù)值。數(shù)組運(yùn)算在NumPy中，數(shù)組可以直接進(jìn)行加、減、乘、除、指數(shù)運(yùn)算、求倒數(shù)、取相反數(shù)、位運(yùn)算等運(yùn)算。1.相同形狀數(shù)組的運(yùn)算2.不同形狀數(shù)組的運(yùn)算（廣播機(jī)制）如果兩個數(shù)據(jù)的形狀（shape）不一致時，低維數(shù)組會自動將維度擴(kuò)充到與高維數(shù)組一致，然后再按元素逐個運(yùn)算，這就是數(shù)組的廣播機(jī)制。

3.數(shù)組和標(biāo)量之間的運(yùn)算在NumPy中，數(shù)組和標(biāo)量之間的算術(shù)運(yùn)算就是將這個標(biāo)量值傳播到數(shù)組的各個元素，即將數(shù)組中的每個元素都與標(biāo)量進(jìn)行運(yùn)算。通用函數(shù)NumPy中的ufunc對象（universalfunction）也稱為ufunc函數(shù)，它包含了對數(shù)組進(jìn)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(yùn)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。ufunc要求輸入的數(shù)組shape是一致的，當(dāng)數(shù)組的shape不相等時，則會使用廣播機(jī)制(Broadcast)。廣播機(jī)制一維數(shù)組廣播運(yùn)算時，按照行補(bǔ)齊方式，當(dāng)行數(shù)不一致時，首先補(bǔ)齊行數(shù)，然后進(jìn)行運(yùn)算。廣播機(jī)制二維數(shù)組，廣播運(yùn)算時，當(dāng)列數(shù)不一致時，首先補(bǔ)齊列數(shù)，然后進(jìn)行運(yùn)算，當(dāng)行數(shù)不一致時，首先補(bǔ)齊行數(shù)，然后進(jìn)行運(yùn)算。常用數(shù)學(xué)函數(shù)函數(shù)描述numpy.add()對應(yīng)位置的元素相加numpy.subtract()對應(yīng)位置的元素相減numpy.multiply()對應(yīng)位置的元素相乘numpy.divide()對應(yīng)位置的元素相除numpy.power(x,y)x的y次方numpy.sqrt()數(shù)組的正平方根numpy.log()以e為底的對數(shù)函數(shù)，即自然對數(shù)運(yùn)算numpy.mod()輸入數(shù)組中相應(yīng)元素的相除后的余數(shù)numpy.around()指定數(shù)字的四舍五入值numpy.floor()不大于輸入?yún)?shù)的最大整數(shù)numpy.ceil()大于輸入?yún)?shù)的最小整數(shù)NumPy還提供了標(biāo)準(zhǔn)的三角函數(shù)，如sin()、cos()、tan()、arcsin()、arccos()、arcsin()等。常用統(tǒng)計函數(shù)函數(shù)描述numpy.sum()計算元素的和numpy.mean()計算元素的平均值numpy.average()計算元素的加權(quán)平均值numpy.std()計算元素的標(biāo)準(zhǔn)差numpy.var()計算元素的方差numpy.median()計算元素的中位數(shù)numpy.min()計算元素的最小值numpy.max()計算元素的最大值numpy.argmin()找出最小值的索引numpy.argmax()找出最大值的索引numpy.cumsum()計算所有元素的累計和numpy.cumprod()計算所有元素的累計積NumPy讀寫文本文件在數(shù)據(jù)統(tǒng)計分析中，經(jīng)常需要從文件中讀取數(shù)據(jù)或?qū)?shù)據(jù)寫入文件。常用的存儲文件的格式有文本文件、CSV格式文件、二進(jìn)制格式文件和多維數(shù)據(jù)文件等。NumPy文件的讀/寫主要有二進(jìn)制的文件讀/寫和文件列表形式的數(shù)據(jù)讀/寫兩種形式。1.二進(jìn)制文件讀/寫（1）save函數(shù)：np.save(file,array)或np.savez(file,array)save函數(shù)主要以二進(jìn)制的格式保存數(shù)據(jù)，參數(shù)file為文件名稱，以.npy為擴(kuò)展名，壓縮擴(kuò)展名為.npz。參數(shù)array表示需要保存的數(shù)據(jù)，如果需要保存多個數(shù)組至一個文件中，可以使用savez函數(shù)。（2）load函數(shù)：np.load(file)load函數(shù)可以從二進(jìn)制文件中獲取數(shù)據(jù)，參數(shù)file為文件名稱，以.npy為擴(kuò)展名，壓縮擴(kuò)展名為.npz。NumPy讀寫文本文件2.文件列表形式的數(shù)據(jù)讀/寫（1）savetxt()函數(shù)在NumPy中，使用savetxt()函數(shù)可以將一維或二維數(shù)組寫入后綴名為txt或csv的文件該函數(shù)的格式為：numpy.savetxt(fname,array,fmt='%.18e',delimiter=None,newline='\n',header='',footer='',comments='#',encoding=None)其中，參數(shù)fname表示文件、字符串或產(chǎn)生器，可以是.gz

或.bz2的壓縮文件。參數(shù)array表示存入文件的數(shù)組（一維數(shù)組或者二維數(shù)組）。參數(shù)fmt表示寫入文件的格式，如：%d，%.2f，%.18e，默認(rèn)值是%.18e。NumPy讀寫文本文件（2）loadtxt()函數(shù)在NumPy中，讀取TXT文件和CSV格式文件的函數(shù)是loadtxt()，函數(shù)格式：numpy.loadtxt(fname,dtype=<type'float'>,comments='#',delimiter=None,converters=None,skiprows=0,usecols=None,unpack=False,ndmin=0,encoding='bytes')其中，參數(shù)fname是文件、字符串或產(chǎn)生器；dtype表示數(shù)據(jù)類型；delimiter表示分割符，默認(rèn)是空格。NumPy讀寫文本文件（3）genfromtxt()函數(shù)函數(shù)genfromtxt()是NumPy中比np.loadtxt()更通用的函數(shù)，它不但可以讀取文本文件數(shù)據(jù)，還可以處理一些結(jié)構(gòu)化數(shù)據(jù)、缺失值和異常情況，函數(shù)格式：genfromtxt(fname,dtype=<class'float'>,comments='#',delimiter=None,skip_header=0,skip_footer=0,converters=None,missing_values=None,filling_values=None,usecols=None,names=None,excludelist=None,deletechars=None,replace_space='_',autostrip=False,case_sensitive=True,defaultfmt='f%i',unpack=None,usemask=False,loose=True,invalid_raise=True,max_rows=None)genfromtxt()通常使用的參數(shù)有3個，第一個參數(shù)是文件名fname，第二個參數(shù)是分隔符delimiter，第三個參數(shù)是是否包含標(biāo)題names，當(dāng)names=True表示文件中包含列標(biāo)題。dtype為數(shù)據(jù)類型，默認(rèn)為float；comments表示注釋符，默認(rèn)為#；missing_values指定有哪些值表示缺失值；filling_values指定缺失值的替代值，可以是一個標(biāo)量或用于填充每列缺失值的字典；分組分析函數(shù)分組分析法是一種常用數(shù)據(jù)分析方法，這種方法是根據(jù)數(shù)據(jù)分析對象的特征，按照一定的指標(biāo)，把數(shù)據(jù)分析對象劃分為不同的部分和類型來進(jìn)行研究，以揭示其內(nèi)在的聯(lián)系和規(guī)律性。在NumPy中，np.bincount、np.digitize、np.histogram等函數(shù)可以根據(jù)特定的標(biāo)準(zhǔn)將數(shù)組中的元素分組。1.np.bincount()函數(shù)np.bincount()是統(tǒng)計數(shù)組中數(shù)字出現(xiàn)數(shù)量的函數(shù)，數(shù)值n在輸入數(shù)組x中每出現(xiàn)1次，則輸出o的o[n]+=1。函數(shù)格式如下：numpy.bincount(x,/,weights=None,minlength=0)分組分析函數(shù)2.np.digitize()函數(shù)np.digitize()函數(shù)用于獲取數(shù)組x中每個值在數(shù)組的bin的區(qū)間索引。函數(shù)格式如下：numpy.digitize(x,bins,right=False)3.np.histogram()函數(shù)np.histogram()函數(shù)用于計算出數(shù)據(jù)的頻數(shù)分布情況。函數(shù)格式如下：numpy.histogram(a,bins=10,range=None,density=None,weights=None)不急后續(xù)會有操作應(yīng)用實(shí)例哦~矩陣創(chuàng)建及操作常用的數(shù)學(xué)函數(shù)常用的統(tǒng)計分析函數(shù)小結(jié)7.用戶數(shù)據(jù)分析任務(wù)實(shí)施電商用戶消費(fèi)數(shù)據(jù)分析常用的數(shù)據(jù)分析方法和模型描述性統(tǒng)計分析計算數(shù)據(jù)集中趨勢、離散程度等，概括數(shù)據(jù)特征，如平均值、標(biāo)準(zhǔn)差。聚類分析按用戶相似特征分組，發(fā)現(xiàn)潛在需求和細(xì)分市場，助力精準(zhǔn)營銷。關(guān)聯(lián)規(guī)則挖掘發(fā)現(xiàn)不同商品之間關(guān)聯(lián)關(guān)系的方法，從而優(yōu)化商品陳列和推薦策略。RFM模型衡量客戶價值和預(yù)測客戶購買行為的分析模型，企業(yè)可以識別出高價值客戶和低價值客戶，并采取相應(yīng)的營銷策略。會熟練使用Python集成開發(fā)工具，如PyCharm、Anaconda等；會使用NumPy函數(shù)進(jìn)行數(shù)組計算；會使用NumPy進(jìn)行用戶數(shù)據(jù)分析。能力目標(biāo)任務(wù)概述引導(dǎo)問題用戶數(shù)據(jù)分析任務(wù)解決方案任務(wù)評價標(biāo)準(zhǔn)主要內(nèi)容教學(xué)難點(diǎn)任務(wù)概述010010011001101010100100110110100101110101000100001011011101001010101101010011010010任務(wù)工單為了更好地了解客戶群體，優(yōu)化營銷策略，我們需要根據(jù)用戶提供的基本信息來分析客戶特點(diǎn)。比如分析用戶的年齡分布，確定主要的目標(biāo)年齡段，也可以通過用戶評分?jǐn)?shù)據(jù)了解用戶喜好。本任務(wù)利用NumPy計算用戶評分的平均值、最大最小值和年齡標(biāo)準(zhǔn)差，并對年齡進(jìn)行分組分析。

任務(wù)描述：計算用戶評分的平均值、最大最小值和年齡標(biāo)準(zhǔn)差，并對年齡進(jìn)行分組分析。（1）計算平均值、最大值、最小值的函數(shù)分別是什么？（2）在進(jìn)行分組分析時，要如何確定分組界限和組距？（3）np.histogram函數(shù)返回了什么值？有什么意義？”

問題引導(dǎo)：任務(wù)概述

任務(wù)評價：評價內(nèi)容評價要點(diǎn)分值分?jǐn)?shù)評定自我評價1.任務(wù)實(shí)施創(chuàng)建數(shù)組1分能正確創(chuàng)建數(shù)組得1分

數(shù)據(jù)統(tǒng)計4分會使用函數(shù)求均值、最大值、最小值和標(biāo)準(zhǔn)差得4分

分組分析4分會使用函數(shù)進(jìn)行分組分析得2分，結(jié)果顯示正確得2分

2.任務(wù)總結(jié)依據(jù)任務(wù)實(shí)施情況總結(jié)結(jié)論1分總結(jié)內(nèi)容切中本任務(wù)的重點(diǎn)要點(diǎn)得1分

合計10分

任務(wù)評價任務(wù)解決方案第1步：導(dǎo)入NumPy庫，并給出別名np，創(chuàng)建結(jié)構(gòu)化數(shù)組，錄入用戶信息任務(wù)解決方案第2步：針對用戶評分情況進(jìn)行分析，計算其平均值、最大值、最小值。使用np.mean(user_data['rating'])計算所有用戶評分的平均值，并打印出來使用np.max(user