Skip to content

Лабораторная работа №2

📌 Тема

Основы NumPy: массивы и векторные операции

🎯 Цели работы

освоить базовые операции векторной и матричной алгебры, методы статистического анализа и визуализации данных с использованием библиотек NumPy, Pandas, Matplotlib.

Задачи

  • Реализовать модуль на Python для работы с массивами данных, включая:
  • Освоить базовые операции с массивами в библиотеке NumPy: создание, изменение формы, транспонирование.
  • Изучить векторные и матричные операции: сложение, умножение, скалярное произведение, решение систем линейных уравнений.
  • Научиться выполнять статистический анализ данных: расчёт среднего, медианы, стандартного отклонения, перцентилей.
  • Реализовать нормализацию данных методом Min-Max.
  • Освоить визуализацию данных с помощью Matplotlib: гистограммы, тепловые карты, линейные графики.
  • Научиться загружать и обрабатывать данные из CSV-файлов с помощью Pandas.
  • Закрепить навыки модульного тестирования кода с использованием pytest.

Как была решена задача?

Для каждой функции написана - Чёткая сигнатура с аннотациями типов - Документация в формате docstring - Достаточная реализация

Написаны тесты для проверки корректности сохранения графиков

Нюансы

  • Тесты для функций, создающих файлы, но ничего не возвращающих
  • В csv-файле не все колонки могут быть числовые
  • При сравнении результатов вычислений с плавающей точкой необходимо использовать np.allclose() вместо оператора ==, так как особенности представления вещественных чисел в памяти компьютера могут приводить к неустранимым погрешностям округления

Графики для оценок, предоставленных преподавателем

Гистограмма распределения оценок по математике

Math Grades Histogram

Тепловая карта корреляции оценок по предметам

Correlation Heatmap

График оценок студентов

Student Grades Line

Графики для оценок из датасета Kaggle

Гистограмма распределения оценок по математике

Math Grades Histogram Kaggle

Тепловая карта корреляции оценок по предметам

Correlation Heatmap Kaggle

График оценок студентов

Student Grades Line Kaggle

✅ Выводы

В ходе лабораторной работы были освоены ключевые возможности библиотеки NumPy: создание и преобразование массивов, векторные и матричные операции, статистический анализ. Реализованные функции проходят все тесты, код аннотирован, документирован и оформлен в соответствии с общепринятыми стандартами

📁 Репозиторий с кодом

https://github.com/Lisa15080/Python_projects2/tree/main/numpy_lab