©2020-2024 ioDraw All rights reserved,
Privacy Policy
<>练习
* 导入numpy库并简写为np import numpy as np
* 打印numpy的版本和配置说明 import numpy as np print(np.__version__) np.show_config()
输出：
1.21.3 blas_mkl_info: NOT AVAILABLE blis_info: NOT AVAILABLE ...
* 创建一个长度为10的空向量 import numpy as np np.empty(10)
* 找到任何一个数组的内存大小 import numpy as np data = np.random.randn(2, 2) print("%d
bytes" % (data.size * data.itemsize))
输出：
32 bytes
* 从命令行得到numpy中add函数的说明文档 import numpy as np np.info(np.add)
* 创建一个长度为10并且除了第5个值为1的空向量 import numpy as np data = np.zeros(10) data[4] = 5
print(data)
* 创建一个值域范围从10到49的向量 import numpy as np data = np.arange(10,50) print(data)
* 反转一个向量(第一个元素变为最后一个) import numpy as np data = np.arange(1, 11) data = data[:
:-1] print(data)
* 创建一个 3x3 并且值从0到8的矩阵 import numpy as np data = np.arange(9).reshape(3,3)
print(data)
* 找到数组[1,2,0,0,4,0]中非0元素的位置索引 import numpy as np data = np.array([1, 2, 0, 0,
4, 0]) nz = np.nonzero(data) print(nz) import numpy as np data = np.array([1, 2,
0, 0, 4, 0]) for x in np.arange(0, len(data)): if data[x] != 0: print(x)
* 创建一个 3 × 3 3 \times 3 3×3 的单位矩阵 import numpy as np data = np.eye(3)
* 创建一个 3 × 3 × 3 3 \times 3 \times 3 3×3×3的随机数组 import numpy as np data = np.
random.random((3, 3, 3)) print(data)
* 创建一个 10 × 10 10 \times 10 10×10 的随机数组并找到它的最大值和最小值 import numpy as np data =
np.random.random((10, 10)) print(np.max(data)) print(np.min(data))
* 创建一个长度为30的随机向量并找到它的平均值 import numpy as np data = np.random.random(10) print(
np.mean(data))
* 创建一个二维数组，其中边界值为1，其余值为0 import numpy as np data = np.zeros((3,3)) data[0, :]
= 1 #第1行 data[-1,:] = 1 #最后1行 data[:, 0] = 1 #第1列 data[:,-1] = 1 #最后1列 print(
data)
* 对于一个已存在数组，添加一个用0填充的边界 import numpy as np data = np.ones((5, 5)) data = np.
pad(data, pad_width=1, mode='constant', constant_values=0)
* 以下表达式运行的结果分别是什么? 0 * np.nan np.nan == np.nan np.inf > np.nan np.nan - np.nan
0.3 == 3 * 0.1
输出：
#NaN = not a number, inf = infinity nan False False nan False
* 创建一个 5x5的矩阵，并设置值1,2,3,4落在其对角线下方位置 import numpy as np data = np.diag(1+np.
arange(4), k=-1) print(data)
* 创建一个8x8 的矩阵，并且设置成棋盘样式 import numpy as np data = np.zeros((8, 8), dtype=int)
data[1::2, ::2] = 1 data[::2, 1::2] = 1 print(data)
* 一个 (6,7,8) 形状的数组，其第100个元素的索引(x,y,z)是什么 import numpy as np print(np.
unravel_index(100,(6,7,8)))
* 用tile函数去创建一个 8 × 8 8 \times 8 8×8的棋盘样式矩阵 import numpy as np data = np.tile(
np.array([[0, 1], [1, 0]]), (4, 4)) print(data)
* 对一个 5 × 5 5 \times 5 5×5的随机矩阵做归一化 import numpy as np data = np.random.random
((5,5)) data_max, data_min = data.max(), data.min(); data = (data-data_min)/(
data_max-data_min); print(data)
* 创建一个将颜色描述为(RGBA)四个无符号字节的自定义dtype import numpy as np color = np.dtype([("r",
np.ubyte, (1,)), ("g", np.ubyte, (1,)), ("b", np.ubyte, (1,)), ("a", np.ubyte, (
1,))]) print(color)
* 一个 5 × 3 5 \times 3 5×3的矩阵与一个 3 × 2 3 \times 2 3×2的矩阵相乘，实矩阵乘积是什么？ import
numpyas np data_1 = np.random.randn(5, 3) data_2 = np.random.randn(3, 2) data =
np.dot(data_1, data_2) print(data)
* 给定一个一维数组，对其在3到8之间的所有元素取反 import numpy as np data = np.arange(11) data[(data>
3) & (data<8)] *= -1 print(data)
26.下面脚本运行后的结果是什么?
print(sum(range(5),-1)) #对提供的可迭代对象进行迭代，对值求和，然后加-1
输出：
9 from numpy import * print(sum(range(5),-1)) #将提供的列表所有值求和
输出
10
* 考虑一个整数向量Z,下列表达合法的是哪个? import numpy as np Z = np.arange(1, 6); print(Z**Z)
print(2 << Z >> 2) print(Z <- Z) print(1j*Z) print(Z/1/1) print(Z<Z>Z)
* 下列表达式的结果分别是什么? import numpy as np print(np.array(0) / np.array(0)) print(np.
array(0) // np.array(0)) print(np.array([np.nan]).astype(int).astype(float))
* 如何从零位对浮点数组做舍入? import numpy as np # 从均匀[0,1）分布中抽取样本 data = np.random.uniform
(-10,+10,10) print(np.copysign(np.ceil(np.abs(data)), data))
* 如何找到两个数组中的共同元素? import numpy as np data_1 = np.arange(1,6) data_2 = np.
arange(3,8) print(np.intersect1d(data_1, data_2))
* 如何忽略所有的 numpy 警告(尽管不建议这么做)? import numpy as np defaults = np.seterr(all=
"ignore") data = np.ones(1) / 0
* 下面的表达式是正确的吗? import numpy as np print(np.sqrt(-1) == np.emath.sqrt(-1))
* 如何得到昨天，今天，明天的日期? import numpy as np yesterday = np.datetime64('today', 'D')
- np.timedelta64(1, 'D') today = np.datetime64('today', 'D') tomorrow = np.
datetime64('today', 'D') + np.timedelta64(1, 'D') print("Yesterday is " + str(
yesterday)) print("Today is " + str(today)) print("Tomorrow is "+ str(tomorrow))
* 如何得到所有与2016年7月对应的日期? import numpy as np data = np.arange('2016-07',
'2016-08', dtype='datetime64[D]') print(data)
* 如何直接在位计算(A+B)*(-A/2)(不建立副本)? import numpy as np A = np.ones(3)*1 B = np.ones
(3)*2 C = np.ones(3)*3 np.add(A,B,out=B) np.divide(A,2,out=A) np.negative(A,out=
A) np.multiply(A,B,out=A)
* 用五种不同的方法去提取一个随机数组的整数部分 import numpy as np data = np.random.uniform(0, 10, 10
) # 减去小数位 print(data-data % 1) # 向下取整 print(np.floor(data)) # 向上取整后减1 print(np.
ceil(data)-1) # 将数据格式变为int print(data.astype(int)) # 截断函数trunc，丢弃带符号数的小数部分 print
(np.trunc(data))
* 创建一个 5 × 5 5 \times 5 5×5的矩阵，其中每行的数值范围从0到4 import numpy as np data = np.
zeros((5, 5)) data += np.arange(0, 5) print(data)
* 通过考虑一个可生成10个整数的函数，来构建一个数组 import numpy as np def temp(): return np.arange(0,
10) data = temp() print(data)
* 创建一个长度为10的随机向量，其值域范围从0到1，但是不包括0和1 import numpy as np #
np.linspace()在指定的间隔内返回均匀间隔的数字 # endpoint设置将不包括1 # [1:]将0剔除 data = np.linspace(0,
1, 11, endpoint=False)[1:] print(data)
* 创建一个长度为10的随机向量，并将其排序 import numpy as np data= np.random.randn(10) data.sort(
) print(data)
* 对于一个小数组，如何用比 np.sum更快的方式对其求和？ import numpy as np data = np.arange(10) print(
np.add.reduce(data))
* 对于两个随机数组A和B，检查它们是否相等 import numpy as np A = np.arange(1, 5) B = np.arange(3,
7) # np.allclose比较两个array是不是每一元素都相等 equal = np.allclose(A, B) print(equal)
* 创建一个只读数组(read-only) import numpy as np Z = np.zeros(10) Z.flags.writeable =
False Z[0] = 1
* 将笛卡尔坐标下的一个 10 × 2 10 \times 2 10×2的矩阵转换为极坐标形式 import numpy as np Z = np.
random.random((10,2)) X,Y = Z[:,0], Z[:,1] R = np.sqrt(X**2+Y**2) T = np.arctan2
(Y,X) print(R) print(T)
* 创建一个长度为10的向量，并将向量中最大值替换为1 import numpy as np data = np.arange(0, 8) data_max
= data.max() data[data == data_max] = 1 print(data)
或
import numpy as np data = np.arange(0, 8) data[data.argmax()] = 0 print(data)
* 创建一个结构化数组，并实现 x x x 和 y y y 坐标覆盖 [ 0 , 1 ] ∼ [ 0 , 1 ] [0,1] \sim [0,1] [0
,1]∼[0,1] import numpy as np data = np.zeros((5, 5), [('x', float), ('y', float)
]) data['x'], data['y'] = np.meshgrid(np.linspace(0, 1, 5), np.linspace(0, 1, 5)
) print(data)
* 给定两个数组 X X X和 Y Y Y，构造Cauchy矩阵 C ( C i j = 1 / ( x i − y j ) ) C(C_{ij}
=1/(x_i - y_j))C(Cij=1/(xi−yj)) import numpy as np X = np.arange(8) Y = X +
0.5 C = 1.0 / np.subtract.outer(X, Y) print(np.linalg.det(C))
* 打印每个numpy标量类型的最小值和最大值 import numpy as np for dtype in [np.int8, np.int32, np
.int64]: print(np.iinfo(dtype).min) print(np.iinfo(dtype).max) for dtype in [np.
float32, np.float64]: print(np.finfo(dtype).min) print(np.finfo(dtype).max)
print(np.finfo(dtype).eps)
* 如何打印一个数组中的所有数值? np.set_printoptions(threshold=np.nan) data = np.zeros((16,16
)) print(data)
* 给定标量时，如何找到数组中最接近标量的值 data = np.arange(100) v = np.random.uniform(0,100)
index= (np.abs(data-v)).argmin() print (data[index])