python 解析 nmon数据

项目	内容
课程班级博客链接
这个作业要求链接	/homework/12540
博客名称	2003031119——李勇——Python数据分析第三周作业—numpy的简单操作
要求	每道题要有题目,代码(使用插入代码,不会插入代码的自己查资料解决，不要直接截图代码！！),截图（只截运行结果）

 

 

 

 

 

 

题目一：扩展阅读心得体会

Python 中的pip，numpy,matplotlib 安装使用心得

在度娘里搜索查看了大半天，后来安装成功，并可在Pycharm 中import numpy 即import matplotlib 资源库。主要做法如下：

1.电脑联网

2.进入cmd ，进入python

3.pip install wheel

4.pip install numpy

5.pip install matplotlib

至此，以上三个资源库已全部安装完毕，在电脑联网时，无需下载以上三个资源库，输入pip 命令后，电脑自动在官网搜索下载安装与你python 匹配的资源库。此时安装完成后，在cmd 命令行试验下是否能够import ，可以用一下代码试验： 不进入python，就在cmd 安装

2.扩展阅读：Numpy常用方法

简单来说，Numpy是python的一个科学计数包，包含了多维数组的操作。Numpy的核心是ndarray对象，这个对象封装了同质数据类型的n维数组。

1、Numpy.linspace() 方法
Numpy.linspace(start,stop,num=50,endpoint=True,restep=False,dtype=None)
功能：返回在规定范域内的数值列表
参数：
start：规定区域的开始值
stop：规定区域的结束值
num：产生样本点的的数目
endpoint：如果设置为True，那么stop参数将产生影响
dtype:输出数值的类型

例子：
import numpy as np
np.linspace(2.0, 3.0, num=5)
array([ 2. , 2.25, 2.5 , 2.75, 3. ])
2、Numpy.arange()方法
Numpy.arange([start,]stop,[step]dtype=None)
功能：在给定的范围内，返回一数组
参数：
Start：数值范围的起始点（该范围包括该值）
Stop：数值范围的结束值（该范围不包括该值）
Step：单位位移值
dtype:输出数组的类型
例子：

import numpy as np
np.arange(3)
array([0, 1, 2])
3、umpy.random.rand()方法

numpy.random.rand(d0,d1,…,dn)
功能：生成一个参数格式类型的数组
参数：
d0,d1,…,dn:返回一个参数类型的维度
例子：

import numpy as np
np.random.rand(3,2)
array([[ 0.14022471, 0.96360618], #random
[ 0.37601032, 0.25528411], #random
[ 0.49313049, 0.94909878]]) #random
4、Numpy.random.randn()方法

Numpy.random.randn(d0,d1,…,dn)
功能：该函数将产生一个形如（d0,d1,…,dn）格式类型形式的样本，或者样本集，该样本或者样本集服从正太分布（高斯分布）。如果传入参数是元组类型，可用numpy.random.standard_normal代替
参数：
d0,d1,…,dn:该参数为我们要返回数组类型的格式，如果没有输入参数，Python则返回单个浮点值
例子：

import numpy as np
2.5 * np.random.randn(2, 4) + 3
array([[-4.49401501, 4.00950034, -1.81814867, 7.29718677], #random
[ 0.39924804, 4.68456316, 4.99394529, 4.84057254]]) #random
5、Numpy.fromfunction()方法

Numpy.fromfunction(function,shape,**Kwargs)
功能：通过方法的执行结果，从而来构造一个特定的数组格式
参数：
Function：该函数可以被N个参数所调用，该N个参数类型格式被shape所决定
Shape：该参数决定输出数组类型的维度，也决定function该参数的输入格式
例子：

import numpy as np
np.fromfunction(lambda i, j: i == j, (3, 3), dtype=int)
array([[ True, False, False],
[False, True, False],
[False, False, True]])

6、numpy.ndarray.flatten

该函数返回折叠为一维的数组副本

例子：

import numpy as np 
a = np.arange(8).reshape(2,4) 
 
print '原数组：' 
print a 
print '\n'  
# default is column-major 
 
print '展开的数组：' 
print a.flatten() 
print '\n'  
 
print '以 F 风格顺序展开的数组：' 
print a.flatten(order = 'F')


原数组：
[[0 1 2 3]
 [4 5 6 7]]
 
展开的数组：
[0 1 2 3 4 5 6 7]
 
以 F 风格顺序展开的数组：
[0 4 1 5 2 6 3 7]
7、numpy.zeros

返回特定大小，以 0 填充的新数组。

例子：

# 含有 5 个 0 的数组，默认类型为 float  
import numpy as np 
x = np.zeros(5)  
print x


[ 0.  0.  0.  0.  0.]
8、numpy.asarray

此函数类似于numpy.array，除了它有较少的参数。 这个例程对于将 Python 序列转换为ndarray非常有用。

# 将列表转换为 ndarray 
import numpy as np 
 
x =  [1,2,3] 
a = np.asarray(x)  
print a

[1  2  3] 
 
9、ndarray对象的内容可以通过索引或切片来访问和修改，就像 Python 的内置容器对象一样。



import numpy as np
a = np.arange(10)
s = slice(2,7,2)  
print a[s]

[2  4  6]

题目二

实训一：

1.训练要点

（1）掌握Nuympy的数组的创建及随机数的生成。

（2）掌握Nuympy中用于统计分析的基本运算函数。

2.需求说明

Numpy数组在数值运算方面的效率优于python提供的list，所以灵活掌握numpy中数组的创建以及基础的运算是有必要的。

3.实现思路及步骤

（1）创建一个数值范围为0~1，间隔为0.01的数组。

（2）创建100个服从正态分布的随机数。

（3）对创建的两个数组进行四则运算。

（4）对创建的随机数组进行简单的统计分析。

4.运行代码和截图

import numpy as np
#1、创建一个数值范围为0~1，间隔为0.01的数组
arr1=np.arange(0,1,0.01)
print("arange函数创建的数值范围为0~1间隔为0.01的数组arr1为：\n",arr1)
#2、创建由100个服从正态分布的随机数构成的数组
arr2=np.random.randn(100)
print('生成的随机数组arr2为：\n',arr2)
#3、对创建的两个数组进行四则运算
print('arr1 + arr2：\n',arr1+arr2)
print('arrl-arr2：\n',arr1-arr2)
print('arrl*arr2：\n',arr1*arr2)
print('arrl/arr2：\n',arr1/arr2)
#print('arrl**arr2：\n',arr1**arr2)
#4、对创建的数组进行简单的统计分析
print('正态分布数数组的累计和为：\n',np.cumsum(arr2))#计算所有元素的累计和
print('正态分布数去重后的值组为：\n',np.unique(arr2))#去除重复值
print('正态分布数组的均值为：',np.mean(arr2))#计算数组均值
print('正态分布数组的标准差为:',np.std(arr2))#计算数组标准差
print('正态分布数组的方差为：',np.var(arr2))#计算数组方差
print('正态分布数组的最小值为:',np.min(arr2))#计算最小值
print('正态分布数组的最大值为：',np.max(arr2))#计算最大值
print('正态分布数组的总和为：',np.sum(arr2))#计算数组总和

实训二

1.训练要点

(1)掌握矩阵创建方法。
(2)掌握数组索引的方法。
2.需求说明
创建国际象棋棋盘，填充8x8矩阵。国际象棋棋盘是个正方形，由横纵向8格、颜色一深一浅交错排列的64个小方格组成，深色格为黑格，浅色格为白格,棋子就在这些格子中移动，如图2-3所示。

 3.实验思路及步骤

（1）创建一个8×8矩阵。

（2）把1、3、5、7行和2、4、6列的元素设置为1。

4.运行代码和截图

import numpy as np
matr1=np.ones((8,8))
for i in range(8):
    for j in range(8):
        if(i+j)%2==0:
            matr1[i,j]=0
print('国际棋盘对应的矩阵为：\n',matr1)

for i in range(0,8):
    for j in range(0,8):
        if matr1[i,j]==0:
            print("□",end=' ')
        else:
            print("■", end=' ')
    print('\n')