10.2.1-Pythonnadarray的基本特性（教案）-《程序设计基础》同步教学-高教版（2019）

教案 编号：PTGZ-229 流水号：05 （首页）共 3页 课程 《中职程序设计基础Python》 一体化 理论 章节（课题）及内容 Pythonndarray的基本特性 班级日期 中职 2024.04 授课方式 讲授与任务驱动相结合 课时 1 作业题数 1 拟用时间 40分钟 教学目标 使学生理解以下理论知识： · 了解Python中的ndarray数据结构及其基本特性。 · 掌握ndarray的创建、索引、切片等操作方法。 · 能够利用ndarray进行数组运算和数据处理。 教学资源准备 多媒体设备 课本教材 学生练习素材 教学重点 · ndarray数据结构的概念和特点。 · ndarray的创建和基本操作。 · 数组运算和数据处理应用。 教学难点 · 理解ndarray与Python原生列表的区别。 · 熟练掌握ndarray的索引和切片操作。 教学方法 讲授法、任务驱动法、演示法、体验探究法等。 · 结合理论讲解和实际代码演示。 · 提供代码示例进行实践操作。 · 提供习题练习和作业巩固学习成果。 授课教师： 审阅签名： 教学过程 教学活动内容 时间分配教学方法 课前导入 课前导入： · 提问：你对Python中的ndarray数据结构有何了解？ · 引入问题：ndarray与Python原生列表有何区别？ 2分钟 讲授新课 练习指导 讲授新课： 1. ndarray概述： · 简介：多维数组对象，是Numpy库的核心数据结构。 · 特点：支持高效的数组运算和广播功能。 2. 创建和基本操作： 2. 创建ndarray：使用np.array()函数创建数组。 2. 索引和切片：类似于Python列表的操作方法。 3. 数组运算和数据处理： 3. 数组运算：支持元素级别的运算和矩阵运算。 3. 数据处理：可以进行统计计算、数据筛选等操作。 代码例子： python import numpy as np # 创建ndarray arr = np.array([1, 2, 3, 4, 5]) # 索引和切片操作print(arr[0]) # 输出第一个元素print(arr[1:3]) # 输出第二到第三个元素 # 数组运算 arr2 = arr * 2print(arr2) ndarray是Python中Numpy库提供的多维数组对象，是科学计算和数据处理中最常用的数据结构之一。其基本特性包括： · · 多维数组：ndarray可以是一维、二维或多维数组，可以表示向量、矩阵等数据结构。 · · · 同质性：ndarray中的元素类型必须是相同的，保证了数据的一致性和高效性。 · · · 元素访问：可以通过索引和切片的方式访问数组中的元素，类似于Python中的列表操作。 · · · 广播功能：支持不同形状数组之间的运算，会自动扩展维度进行运算，提高了数组运算的灵活性。 · · · 高效的数学运算：ndarray提供了丰富的数学函数和运算符，可以进行元素级别的运算、矩阵运算等。 · · · 数据处理：支持数据处理和统计计算，如求和、平均值、最大最小值等操作。 1. 总之，ndarray作为Numpy库的核心数据结构，在科学计算、数据处理和机器学习等领域发挥着重要作用，提供了高效、灵活的数组操作功能，是Python中不可或缺的数据结构之一。 创建ndarray： · 使用np.array()函数从Python列表或元组创建ndarray。 · 使用np.zeros()、np.ones()等函数创建特定形状的全零或全一数组。 · 使用np.arange()、np.linspace()等函数创建等差数列或等间距数组。 索引和切片操作： · 一维数组索引：类似于Python列表，通过下标访问数组元素。 · 多维数组索引：使用逗号分隔的索引元组访问多维数组元素。 · 切片操作：使用:进行切片操作，支持[start:stop:step]的形式。 示例代码： python import numpy as np # 创建ndarray arr = np.array([1, 2, 3, 4, 5]) # 一维数组索引print(arr[0]) # 输出第一个元素print(arr[1:3]) # 输出第二到第三个元素 # 多维数组索引 arr2d = np.array([[1, 2, 3], [4, 5, 6]])print(arr2d[1, 2]) # 输出第二行第三列的元素 # 切片操作print(arr[::2]) #