python入门-Day 17: NumPy 基础（python3.10 numpy）

任务目标

• 学会安装 NumPy 并搭建环境。
• 掌握创建数组和做基本运算的方法。
• 完成练习：用 NumPy 计算一组数据的均值和方差。

预计时间

• 总计：2-3 小时
• 理论学习：1 小时
• 实践操作：1-2 小时

任务步骤

1. 安装 NumPy

学习内容

• 什么是 NumPy？
• NumPy 是 Python 的一个“数字工具箱”，擅长处理数组（像表格一样的数据），比普通列表快很多。
• 用途：用来计算、分析数据，比如统计成绩、处理图像。
• 安装方法：
• 用 pip（Python 的包管理器）下载 NumPy。

子任务

1. 检查 Python 环境：
2. 打开终端（Windows 用 CMD，Mac 用 Terminal）。
3. 输入：
4. bash
5. python --version
6. 确保有 Python（建议 3.7+）。若没有，安装 Python 或 Anaconda。
7. 时间：5 分钟。
8. 安装 NumPy：
9. 在终端输入：
10. bash
11. pip install numpy
12. 如果用 Anaconda：
13. bash
14. conda install numpy
15. 等待下载完成（约 20-50 MB）。
16. 时间：10 分钟。
17. 验证安装：
18. 在终端或 Python 脚本里运行：
19. python
20. import numpy as np print(np.__version__)
21. 预期输出：类似 1.26.4（版本号可能不同）。
22. 如果报错：检查 pip 是否对应正确 Python（可用 pip3）。
23. 时间：5 分钟。

2. 数组创建与基本运算

学习内容

• 数组 (Array)：
• NumPy 的核心，像列表但更强大，能快速计算。
• 用途：存数字、做加减乘除。
• 创建方法：
• 用 np.array() 把列表变成数组。
• 基本运算：
• 加、减、乘、除，直接对整个数组操作。

子任务

1. 创建数组：
2. 在 Python（或 Jupyter Notebook）里试试：
3. python
4. import numpy as np # 一维数组 scores = np.array([85, 90, 78, 92]) print("一维数组：", scores) # 二维数组（像表格） matrix = np.array([[1, 2], [3, 4]]) print("二维数组：\n", matrix)
5. 预期输出：
6. 一维数组： [85 90 78 92] 二维数组： [[1 2] [3 4]]
7. 时间：15 分钟。
8. 基本运算：
9. 试试加减乘除：
10. python
11. a = np.array([1, 2, 3]) b = np.array([4, 5, 6]) print("加法：", a + b) # [5 7 9] print("乘法：", a * b) # [4 10 18] print("加 10：", a + 10) # [11 12 13]
12. 生活例子：把三个人的身高加 5 厘米。
13. 时间：20 分钟。
14. 小练习：
15. 创建一个数组 [10, 20, 30]，然后：
16. 每个数加 5。
17. 每个数乘 2。
18. 打印结果。
19. 答案：
20. python
21. arr = np.array([10, 20, 30]) print("加 5：", arr + 5) # [15 25 35] print("乘 2：", arr * 2) # [20 40 60]
22. 时间：10 分钟。

3. 练习：计算一组数据的均值和方差

学习内容

• 均值 (Mean)：
• 数据的平均值，比如 [1, 2, 3] 的均值是 2。
• 用 np.mean() 计算。
• 方差 (Variance)：
• 衡量数据分散程度，越大越散。
• 用 np.var() 计算。
• 用途：
• 统计一组成绩的平均水平和波动大小。

子任务

1. 理解概念：
2. 均值：(1 + 2 + 3) / 3 = 2。
3. 方差：每个数和均值的差的平方的平均值，比如 [1, 2, 3] 的方差是 ((1-2)^2 + (2-2)^2 + (3-2)^2) / 3 = 0.67。
4. 时间：15 分钟。
5. 动手计算：
6. 用 NumPy 计算 [85, 90, 78, 92, 88] 的均值和方差：
7. python
8. import numpy as np scores = np.array([85, 90, 78, 92, 88]) mean = np.mean(scores) # 平均值 variance = np.var(scores) # 方差 print("均值：", mean) # 86.6 print("方差：", variance) # 23.44
9. 时间：15 分钟。
10. 挑战练习：
11. 创建一个数组 [50, 55, 60, 45, 65]（比如体重数据）。
12. 计算均值和方差。
13. 打印结果，格式如：
14. 平均体重：xx.x 公斤 体重方差：xx.x
15. 参考答案：
16. python
17. weights = np.array([50, 55, 60, 45, 65]) mean = np.mean(weights) variance = np.var(weights) print(f"平均体重：{mean} 公斤") print(f"体重方差：{variance}")
18. 输出：
19. 平均体重：55.0 公斤 体重方差：50.0
20. 时间：20 分钟。

任务验收

• 安装：能成功 import numpy as np 并输出版本号。
• 数组与运算：能创建数组并做加法、乘法。
• 练习：正确算出 [50, 55, 60, 45, 65] 的均值和方差。

小Tips

• NumPy 快在哪里？：它用 C 语言写，比 Python 列表快几十倍。
• 记笔记：把代码和结果记在 Jupyter Notebook 里。
• 遇到问题：报错就告诉我，我帮你解决！

今天的任务很简单吧？完成后告诉我结果（版本号、练习输出），我帮你确认或调整下一天的计划！动手开始吧！