机器学习|机器学习——Numpy、 Matplotlib、 Pandas的使用 python|深度学习|npm|机器学习

实验1 Anaconda3的使用和Numpy、 Matplotlib、 Pandas的使用

1 实验目的

掌握在 Anaconda3环境下编写Python程序的方法。
掌握Numpy中对数组的操作方法。
掌握Matplotlib中常用图形的绘制方法。
掌握 Pandas中对数据框的操作方法。

2 实验内容

从 Anaconda3进入Jupiter Notebook，创建一个新的程序，保存到D:\maln目录下。写出具体步骤。
创建一个2行3列的二维数组，并将其各元素初始化为0。
设x=[1,2,3,4,5]，y=[1,4,9,16,25]，画出散点图。
创建一个2行2列的数据框df，行标签为0、1，列标签为A、B，如下所示

AB
01112
12122
并打印出来。然后提取第0行第1列元素，并打印出来。

1.省略

2.创建一个2行3列的二维数组，并将其各元素初始化为0。
import numpy as np
【机器学习|机器学习——Numpy、 Matplotlib、 Pandas的使用】a=np.zeros((2,3),dtype=int)
a = np.array(a)

3.设x=[1,2,3,4,5]，y=[1,4,9,16,25]，画出散点图。
import matplotlib.pyplot as plt
import numpy as np

x = np.array([1, 2, 3, 4, 5])
y = np.array([1, 4, 9, 16, 25])

plt.scatter(x, y)
plt.show()

4.创建一个2行2列的数据框df，行标签为0、1，列标签为A、B，如下所示,并打印出来。然后提取第0行第1列元素，并打印出来。
import pandas as pd
data = https://www.it610.com/article/[[11,12],[21,22]]
df = pd.DataFrame(data,columns=['A','B'])
print(df)
print(df.iloc[0,1])

关于matplotlib的其他设置：

# 设置x,y,标题
plt.title("一个星期的竹笋生长情况折线统计图")
plt.ylabel('长度/cm')
plt.xlabel('天数/天')
# 显示中文
plt.rcParams['font.sans-serif'] = ['SimHei']
# 设置X轴的刻度
plt.xticks((“组距差书”),(”刻度标签“))