这是数据挖掘实验课的实验报告 直接粘贴过来了

实验一、数据处理之Numpy

一、实验目的

1. 了解numpy库的基本功能

2. 掌握Numpy库的对数组的操作与运算

二、实验工具：

1. Anaconda

2. Numpy

三、Numpy简介

Numpy 的英文全称为 Numerical Python，指Python 面向数值计算的第三方库。Numpy 的特点在于，针对 Python 内建的数组类型做了扩充，支持更高维度的数组和矩阵运算，以及更丰富的数学函数。Numpy 是 Scipy.org 中最重要的库之一，它同时也被 Pandas，Matplotlib 等我们熟知的第三方库作为核心计算库。
NumPy（Numeric Python）提供了许多高级的数值编程工具，如：矩阵数据类型、矢量处理，以及精密的运算库。专为进行严格的数字处理而产生。多为很多大型金融公司使用，以及核心的科学计算组织如：Lawrence Livermore，NASA用其处理一些本来使用C++，Fortran或Matlab等所做的任务。
Numpy包括了：1、一个强大的N维数组对象Array；2、比较成熟的（广播）函数库；3、用于整合C/C++和Fortran代码的工具包；4、实用的线性代数、傅里叶变换和随机数生成函数。Numpy和稀疏矩阵运算包scipy配合使用更加方便。

四、实验内容

1. 数组的创建（创建全0数组，全1数组，随机数数组）

（1）创建全0数组

（2）创建全1数组

（3）创建随机数数组

2. 数组的属性（查看数组的维度，数组元素的个数）

（1）查看数组的维度

（2）查看数组元素的个数

3. 数组的维度操作（将数组的行变列，返回最后一个元素，返回第2到第4个元素，返回逆序的数组）

（1）将数组的行变列

（2）返回最后一个元素

（3）返回第2到第4个元素

（4）返回逆序的数组

4. 数组的合并（数组的水平合并，垂直合并，深度合并）

（1）水平合并

（2）垂直合并

（3）深度合并

5. 数组的拆分（数组的水平拆分，垂直拆分，深度拆分）

（1）水平拆分

（2）垂直拆分

（3）深度拆分

注意：dsplite只对3维以上数组起作用
raise ValueError(‘dsplit only works on arrays of 3 or more dimensions’)
ValueError: dsplit only works on arrays of 3 or more dimensions

6. 数组运算（与常的四则运算，与数组的四则运算，判断数组是否相等）

（1）数组与常数的四则运算

（2）数组与数组的四则运算

（3）判断数组是否相等

7. 数组的常用函数（数组所有元素的和、积、平均值、最大值、最小值、元素替换、方差、标准差）

（1）数组所有元素的和

（2）数组所有元素的积

（3）数组所有元素的平均值

（4）数组所有元素的最大值

（5）数组所有元素的最小值

（6）数组所有元素的元素替换

小于3的元素替换为3，大于4的元素替换为4

（7）数组所有元素的方差

（9）数组所有元素的标准差

五、实验总结（写出本次实验的收获，遇到的问题等）

通过本次实验我学会了numpy库中关于数组的一些基本用法，感受是numpy库是个非常强大的科学计算库，能够帮助我更加方便快速的解决复杂的问题。

遇到的问题是：

1. np.dsplit()这个函数只对3维以上数组起作用

2. (a==b).all()这个函数不要忘记它是个函数，需要加括号

3. compress()函数里面必须加参数