有关 numpy 的 35 个实战挑战
Level Up！有关 numpy 的 35 个实战挑战
挑战 1：引入 numpy 并查看 numpy 的版本。
要求：这是第一步，以后我们使用 numpy 时都将用别名 np。
# 答案
import numpy as np
print(np.__version__)
#> 1.13.3
挑战 2：创建数组
要求：创建一维数组，内容为从 0 到 9。
# 输入数组
arr = np.arange(10)
挑战 3：创建布尔数组
要求：数组大小为 3*3，全部为 True。
# 答案一：
np.full((3, 3), True, dtype=bool)
# 答案二：
np.ones((3,3), dtype=bool)
挑战 4：按要求抽取数组中的元素
要求：原数组为一维数组，内容为从 0 到 9，抽取出所有奇数。
# 输入数组
arr = np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]) # 答案
arr[arr % 2 == 1]
#> array([1, 3, 5, 7, 9])
挑战 5：按要求修改数组中的元素（原地修改）
要求：原数组为一维数组，内容为从 0 到 9，将所有奇数原地修改为 -1。
# 输入数组
arr = np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])# 答案
arr[arr % 2 == 1] = -1
#> array([ 0, -1, 2, -1, 4, -1, 6, -1, 8, -1])
挑战 6：按要求修改数组中的元素（返回新数组）
要求：原数组为一维数组，内容为从 0 到 9，返回一个该数组的拷贝，其中奇数修改为 -1。
# 输入数组
arr = np.arange(10) # 答案
out = np.where(arr % 2 == 1, -1, arr)
#> array([ 0, -1, 2, -1, 4, -1, 6, -1, 8, -1])
挑战 7：修改数组的形状
要求：将给定的一维数组 reshape 为二维数组，其中新数组的行数为2。
# 输入数组
arr = np.arange(10) # 答案
arr.reshape(2, -1) # -1 表示自动计算该维度的大小
#> array([[0, 1, 2, 3, 4], [5, 6, 7, 8, 9]])
挑战 8：合并数组（列方向）
要求：将给定数组在列方向上合并。
# 输入数组
a = np.arange(10).reshape(2,-1) b = np.repeat(1, 10).reshape(2,-1)# 答案 1:
np.concatenate([a, b], axis=0)
# 答案 2:
np.vstack([a, b])
# 答案 3:
np.r_[a, b]
#> array([[0, 1, 2, 3, 4],
#> [5, 6, 7, 8, 9],
#> [1, 1, 1, 1, 1],
#> [1, 1, 1, 1, 1]])
挑战 9：合并数组（水平方向）
要求：将给定数组在水平方向上合并。
# 输入数组
a = np.arange(10).reshape(2,-1)
b = np.repeat(1, 10).reshape(2,-1) # 答案 1:
np.concatenate([a, b], axis=1)
# 答案 2:
np.hstack([a, b])
# 答案 3:
np.c_[a, b]
#> array([[0, 1, 2, 3, 4, 1, 1, 1, 1, 1],
#> [5, 6, 7, 8, 9, 1, 1, 1, 1, 1]])
挑战 10：创建数组（进阶）
要求：不用硬编码，使用内置方法，从给定数组 a 生成数组 b。
# 输入数组
a = np.array([1,2,3])
b = np.array([1, 1, 1, 2, 2, 2, 3, 3, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3])# 答案
np.r_[np.repeat(a, 3), np.tile(a, 3)]
挑战 11：返回公共元素
要求：给定两个数组，要求返回这两个数组元素的交集。
# 输入数组
a = np.array([1,2,3,2,3,4,3,4,5,6])
b = np.array([7,2,10,2,7,4,9,4,9,8]) # 答案：
np.intersect1d(a,b)
#> array([2, 4])
挑战 12：删除元素
要求：给定两个数组 a、b，从数组 a 中删除 b 中出现的元素。
# 输入数组
a = np.array([1,2,3,4,5])
b = np.array([5,6,7,8,9]) # 答案
np.setdiff1d(a,b)
#> array([1, 2, 3, 4])
挑战 13：找出相同元素
要求：给定两个数组 a、b，返回两数组中相同元素的下标。
# 输入数
a = np.array([1,2,3,2,3,4,3,4,5,6])
b = np.array([7,2,10,2,7,4,9,4,9,8]) # 答案：
np.where(a == b)
#> (array([1, 3, 5, 7]),)
挑战 14：按要求取出元素
要求：从数组中取出大于等于 5 且小于等于 10 的元素。
# 输入数组
a = np.arange(15) # 答案 1:
index = np.where((a >= 5) & (a <= 10))
a[index] # 答案 2:
index = np.where(np.logical_and(a>=5, a<=10))
a[index] # 答案 3:
a[(a >= 5) & (a <= 10)]
#> (array([6, 9, 10]),)
挑战 15：实现 max 的 numpy 版
要求：给定长度相同的数组 a、b，返回一个新数组，数组上的每一个元素为 max(a_i, b_i)。
若 pair_max 为满足要求的函数，则对于 a 和 b，期望输出如下：
# 输入数组
a = np.array([5, 7, 9, 8, 6, 4, 5])
b = np.array([6, 3, 4, 8, 9, 7, 1])
pair_max(a, b)#> 期望输出：array([ 6., 7., 9., 8., 9., 7., 5.])# 答案:
def maxx(x, y):"""Get the maximum of two items"""if x >= y:return xelse:return ypair_max = np.vectorize(maxx, otypes=[float])a = np.array([5, 7, 9, 8, 6, 4, 5])
b = np.array([6, 3, 4, 8, 9, 7, 1])pair_max(a, b)
挑战 16：交换二维数组的列
要求：交换数组的第一第二列。
# 输入数组
arr = np.arange(9).reshape(3,3) # 答案:
arr[:, [1,0,2]]
#> array([[1, 0, 2],
#> [4, 3, 5],
#> [7, 6, 8]])
挑战 17：交换二维数组的行
要求：交换二维数组的第一第二行。
# 输入数组
arr = np.arange(9).reshape(3,3) # 答案
arr[[1,0,2], :]
#> array([[3, 4, 5],
#> [0, 1, 2],
#> [6, 7, 8]])
挑战 18：将一个数组按行反序
要求：数组 arr 为二维数组，将其行反序。
# 输入数组
arr = np.arange(9).reshape(3,3)# 答案:
arr[::-1]
挑战 19：将一个数组按列反序
要求：数组 arr 为二维数组，将其列反序。
# 输入数组
arr = np.arange(9).reshape(3,3)# 答案:
arr[:, ::-1]
挑战 20：创建随机数组
要求：创建一个 5*3 的数组，数组元素为 5 到 10 的随机浮点数。
# 答案 1:
rand_arr = np.random.randint(low=5, high=10, size=(5,3)) + np.random.random((5,3))
# print(rand_arr)
# 答案 2:
rand_arr = np.random.uniform(5,10, size=(5,3))
print(rand_arr)
#> [[ 8.50061025 9.10531502 6.85867783]
#> [ 9.76262069 9.87717411 7.13466701]
#> [ 7.48966403 8.33409158 6.16808631]
#> [ 7.75010551 9.94535696 5.27373226]
#> [ 8.0850361 5.56165518 7.31244004]]
挑战 21：按要求打印数组（一）
要求：数组元素输出时保留 3 位小数。
# 输入数组
rand_arr = np.random.random([5,3]) # 答案：
# 设置保留 3 位小数
np.set_printoptions(precision=3)
rand_arr[:4]
#> array([[ 0.443, 0.109, 0.97 ],
#> [ 0.388, 0.447, 0.191],
#> [ 0.891, 0.474, 0.212],
#> [ 0.609, 0.518, 0.403]])
挑战 22：按要求打印数组（二）
要求：数组为小数，使用小数点的形式来打印，而不是科学记数法（如1e-4）。
# 输入数组
np.random.seed(100)
rand_arr = np.random.random([3,3])/1e3
rand_arr
#> array([[ 5.434049e-04, 2.783694e-04, 4.245176e-04],
#> [ 8.447761e-04, 4.718856e-06, 1.215691e-04],
#> [ 6.707491e-04, 8.258528e-04, 1.367066e-04]])# 答案:
np.set_printoptions(suppress=True, precision=6) # precision 是可选项
rand_arr
#> array([[ 0.000543, 0.000278, 0.000425],
#> [ 0.000845, 0.000005, 0.000122],
#> [ 0.000671, 0.000826, 0.000137]])
挑战 23：按要求打印数组（三）
要求：打印时省略中间元素，限制显示数组元素的个数为 6。
# 输入数组
a = np.arange(15)
#> 原输出 ：[ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14]
#> 目标输出：[ 0 1 2 ..., 12 13 14] array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14])# 答案:
np.set_printoptions(threshold=6)
a
#> array([ 0, 1, 2, ..., 12, 13, 14])
挑战 24：加载特殊矩阵
要求：著名的 iris 数据集是包含兰花属性和种类的数据集，其中每行属性有数字和文字，用 numpy 来加载他们。
# 答案
url = 'https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data'
iris = np.genfromtxt(url, delimiter=',', dtype='object')
names = ('sepallength', 'sepalwidth', 'petallength', 'petalwidth', 'species')
# 输出前三行
iris[:3]
#> array([[b'5.1', b'3.5', b'1.4', b'0.2', b'Iris-setosa'],
#> [b'4.9', b'3.0', b'1.4', b'0.2', b'Iris-setosa'],
#> [b'4.7', b'3.2', b'1.3', b'0.2', b'Iris-setosa']], dtype=object)
挑战 25：重定义数组的元素范围
要求：将 iris 数组集的第一个列的数据范围缩放为 0 到 1。
# Input url = 'https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data'
sepallength = np.genfromtxt(url, delimiter=',', dtype='float', usecols=[0]) # 答案
Smax, Smin = sepallength.max(), sepallength.min()
S = (sepallength - Smin)/(Smax - Smin)
# or
S = (sepallength - Smin)/sepallength.ptp()
print(S)
#> [ 0.222 0.167 0.111 0.083 0.194 0.306 0.083 0.194 0.028 0.167
#> 0.306 0.139 0.139 0. 0.417 0.389 0.306 0.222 0.389 0.222
#> 0.306 0.222 0.083 0.222 0.139 0.194 0.194 0.25 0.25 0.111
#> 0.139 0.306 0.25 0.333 0.167 0.194 0.333 0.167 0.028 0.222
#> 0.194 0.056 0.028 0.194 0.222 0.139 0.222 0.083 0.278 0.194
#> 0.75 0.583 0.722 0.333 0.611 0.389 0.556 0.167 0.639 0.25
#> 0.194 0.444 0.472 0.5 0.361 0.667 0.361 0.417 0.528 0.361
#> 0.444 0.5 0.556 0.5 0.583 0.639 0.694 0.667 0.472 0.389
#> 0.333 0.333 0.417 0.472 0.306 0.472 0.667 0.556 0.361 0.333
#> 0.333 0.5 0.417 0.194 0.361 0.389 0.389 0.528 0.222 0.389
#> 0.556 0.417 0.778 0.556 0.611 0.917 0.167 0.833 0.667 0.806
#> 0.611 0.583 0.694 0.389 0.417 0.583 0.611 0.944 0.944 0.472
#> 0.722 0.361 0.944 0.556 0.667 0.806 0.528 0.5 0.583 0.806
#> 0.861 1. 0.583 0.556 0.5 0.944 0.556 0.583 0.472 0.722
#> 0.667 0.722 0.417 0.694 0.667 0.667 0.556 0.611 0.528 0.444]
挑战 26：根据百分比大小返回元素
要求：返回数组中按从小到大排序，位置为 5% 和 95% 的数。
# 输入数组
url = 'https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data'
sepallength = np.genfromtxt(url, delimiter=',', dtype='float', usecols=[0]) # 答案:
np.percentile(sepallength, q=[5, 95])
#> array([ 4.6 , 7.255])
挑战 27：找出数组的缺失值
要求：数组中有多处缺失值（答案nan），找出他们的位置。
# 输入数组
url = 'https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data'
iris_2d = np.genfromtxt(url, delimiter=',', dtype='float', usecols=[0,1,2,3]) iris_2d[np.random.randint(150, size=20), np.random.randint(4, size=20)] = np.nan # 答案:
print("Number of missing values: \n", np.isnan(iris_2d[:, 0]).sum())
print("Position of missing values: \n", np.where(np.isnan(iris_2d[:, 0])))
#> Number of missing values:
#> 5
#> Position of missing values:
#> (array([ 39, 88, 99, 130, 147]),)
挑战 28：数组缺失值判断
要求：返回数组是否具有缺失值。
# 输入数组
url = 'https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data'
iris_2d = np.genfromtxt(url, delimiter=',', dtype='float', usecols=[0,1,2,3])
iris_2d[np.random.randint(150, size=20), np.random.randint(4, size=20)] = np.nan# 答案：
np.isnan(iris_2d).any()
#> False
挑战 29：数组缺失值处理
要求：替换数组中的缺失值为0。
# 输入数组
url = 'https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data'
iris_2d = np.genfromtxt(url, delimiter=',', dtype='float', usecols=[0,1,2,3])
iris_2d[np.random.randint(150, size=20), np.random.randint(4, size=20)] = np.nan# 答案
iris_2d[np.isnan(iris_2d)] = 0
iris_2d[:4]
#> array([[ 5.1, 3.5, 1.4, 0. ],
#> [ 4.9, 3. , 1.4, 0.2],
#> [ 4.7, 3.2, 1.3, 0.2],
#> [ 4.6, 3.1, 1.5, 0.2]])
挑战 30：数组的 unique 元素
要求：返回数组中出现的所有元素集合
# 输入数组
url = 'https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data'
iris = np.genfromtxt(url, delimiter=',', dtype='object') # 答案:
species = np.array([row.tolist()[4] for row in iris])
np.unique(species, return_counts=True)
#> (array([b'Iris-setosa', b'Iris-versicolor', b'Iris-virginica'],
#> dtype='|S15'), array([50, 50, 50]))
挑战 31：二维数组排序
要求：根据第一列排序二维数组
# 输入数组
url = 'https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data'
iris = np.genfromtxt(url, delimiter=',', dtype='object')# 答案:
print(iris[iris[:,0].argsort()][:5])
#> [[b'4.3' b'3.0' b'1.1' b'0.1' b'Iris-setosa']
#> [b'4.4' b'3.2' b'1.3' b'0.2' b'Iris-setosa']
#> [b'4.4' b'3.0' b'1.3' b'0.2' b'Iris-setosa']
#> [b'4.4' b'2.9' b'1.4' b'0.2' b'Iris-setosa']
#> [b'4.5' b'2.3' b'1.3' b'0.3' b'Iris-setosa']
挑战 32：出现最频繁的元素
要求：返回数组中出现最多的元素。
# 输入数组:
url = 'https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data'
iris = np.genfromtxt(url, delimiter=',', dtype='object') # 答案:
vals, counts = np.unique(iris[:, 2], return_counts=True)
print(vals[np.argmax(counts)])
#> b'1.5'
挑战 33：找出数组中某元素满足第一次大于某数的下标
要求：在 iris 数据集中，返回第一个元素的下标，满足第4列属性大于1.0。
# 输入数组:
url = 'https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data'
iris = np.genfromtxt(url, delimiter=',', dtype='object') # 答案:
np.argwhere(iris[:, 3].astype(float) > 1.0)[0]
#> 50
挑战 34：设定数组元素的上下限
要求：给定数组 a，将数组中大于 30 的数截断为 30，小于 10 的数截断为 10。
# 输入数组
np.set_printoptions(precision=2)
np.random.seed(100)
a = np.random.uniform(1,50, 20)
# 答案 1:
np.clip(a, a_min=10, a_max=30)
# 答案 2:
print(np.where(a < 10, 10, np.where(a > 30, 30, a)))
#> [ 27.63 14.64 21.8 30. 10. 10. 30. 30. 10. 29.18 30.
#> 11.25 10.08 10. 11.77 30. 30. 10. 30. 14.43]
挑战 35：去掉所有缺失值
要求：给定一维数组 a 包含缺失值，去掉他们。
# 输入数组
a = np.array([1,2,3,np.nan,5,6,7,np.nan])# 答案:
a[~np.isnan(a)]
#> array([ 1., 2., 3., 5., 6., 7.])
本文的 Numpy 挑战题整理自：101 NumPy Exercises for Data Analysis (Python)
有关 numpy 的 35 个实战挑战相关推荐
- Python使用numpy函数vsplit垂直（行角度）拆分numpy数组（返回拆分后的numpy数组列表）实战：垂直拆分二维numpy数组、split函数垂直拆分二维numpy数组
Python使用numpy函数vsplit垂直(行角度)拆分numpy数组(返回拆分后的numpy数组列表)实战:垂直拆分二维numpy数组.split函数垂直拆分二维numpy数组 目录
- Python使用numpy函数hsplit水平（按列）拆分numpy数组（返回拆分后的numpy数组列表）实战：水平（按列）拆分二维numpy数组、split函数水平（按列）拆分二维numpy数组
Python使用numpy函数hsplit水平(按列)拆分numpy数组(返回拆分后的numpy数组列表)实战:水平(按列)拆分二维numpy数组.split函数水平(按列)拆分二维numpy数组 目 ...
- numpy多元线性回归_Python 实战多元线性回归模型，附带原理+代码
作者 | 萝卜来源 | 早起Python( ID:zaoqi-python ) 「多元线性回归模型」非常常见,是大多数人入门机器学习的第一个案例,尽管如此,里面还是有许多值得学习和注意的地方.其中多元 ...
- Python 爬虫速成教程，还有35个实战项目送给你
前两天,有个小伙伴问了黑马哥这样一个问题:Python可以爬到视频网站上vip才能看到的视频吗?听到这个问题,你是什么反应?我当时的内心:开玩笑,还有Python爬不到的东西吗? 今天黑马哥就给大家总 ...
- 使用python+numpy+scipy进行图像处理实战
以前照相没有像现在这样那么容易的,而在现在你只需要一部手机,就可以免费拍照,而在上一代人之前,业余艺术家和真正的艺术家拍照的费用非常昂贵,并且每张照片的成本也不是免费的. 我们拍照是为了及时地保存美好 ...
- python爬虫项目教程_Python 爬虫速成教程，还有35个实战项目送给你
两天前,一个小伴侣黑马问这个问题:Python可以爬行的视频只能看到贵宾在视频网站吗?你是如何应对这个问题?当时我的心:你在开玩笑吧,Python不能爬什么?今天,Heimage总结一些Python爬 ...
- python爬虫教程i-Python 爬虫速成教程，还有35个实战项目送给你！
前两天,有个小伙伴问了小编这样一个问题:Python可以爬到视频网站上vip才能看到的视频吗?听到这个问题,你是什么反应?我当时的内心:开玩笑,还有Python爬不到的东西吗? 今天小编就给大家总结了 ...
- 34.35.热图（heatmap）、创建带注释的热图、使用辅助函数的代码样式、图像显示、图像插值、将图像数据导入Numpy数组、将numpy数组绘制为图像
34.热图(heatmap) 34.1.创建带注释的热图 34.2.使用辅助函数的代码样式 35.图像显示 35.1.图像插值 35.2.将图像数据导入Numpy数组 35.3.将numpy数组绘制为 ...
- 北京 | 一场产品经理必听的实战交流会！
3月10日,神策数据创始人 & CEO 桑文锋将参加一场产品经理分享盛会,为大家分享<穿越历史看数据思维>! 产品经理们在围绕目标市场.市场调查.市场定位.市场细分,并通盘考虑产品 ...
最新文章
- Netscape Mozilla源代码指南
- 聚美优品 html 资源,跨界整合行业资源 聚美优品向阳而生
- NVIDIA Jetson 系列产品开发相关文档，TAO、TLT、NGC
- 移动端app设计指南
- 【小白学习PyTorch教程】四、基于nn.Module类实现线性回归模型
- Boost：bind绑定和数据成员的测试程序
- 【编译原理】语言的定义
- 费城中餐馆奇葩鸡翅定价引爆网络，数万网友想要破解数学谜题
- mysql 时间 sql_MySQL sql语句获取当前日期|时间|时间戳
- 如何在Timeline中使用Cinemachine？
- android 快捷方式代码片段随记
- NvrSDK交接文档
- 基础物理-物质的组成
- BUUCTF之随便注
- css2仿微信导航栏-滑动门
- 新西兰梅西大学有计算机专业吗,【新西兰梅西大学计算机专业】 - 教外新西兰留学网...
- 看代码解读CenterNet :Objects as Points
- win7 凭据管理无法保存
- 抖音电商主播运营带货话术脚本策划方案流程计划表格
- 语音助手——助手中用到的那些分类模型