numpy练习100道题

# -*- coding: utf-8 -*-
"""
Created on Fri Nov  8 10:17:18 2019@author: lenovo
"""import numpy as np
import pandas as pdprint(np.__version__)##打印输出numpy的版本和配置信息
np.show_config()
Z=np.zeros(10)##创建长度为10的零向量
print(Z)Z=np.zeros((10,10))
print(Z.size * Z.itemsize)##获取数组所占内存大小
np.info(np.add)##用命令行获取numpy add函数的文档说明Z=np.zeros(10)
Z[4]=1
print(Z)##创建一个长度为10的零向量，并把第五个值赋值为1
Z=np.arange(10,50)
print(Z)##获得一个值域为10到49的向量
Z=np.arange(50)
Z=Z[::-1]
print(Z)##讲一个向量进行翻转
Z=np.arange(9).reshape(3,3)
print(Z)##创建一个3*3的矩阵，值域为0到8
nz=np.nonzero([1,2,0,0,4.0])
print(nz)##找出非零位置的索引
z=np.eye(3)
print(z)##创建一个3*3的单位矩阵
z=np.random.random((3,3,3))
print(z)##创建一个3*3*3的随机矩阵
z=np.random.random((10,10))
zmax,zmin=z.max(),z.min()
print(z.max,z.min)##创建一个10*10的随机数组，并找出数组中最大值与最小值
z=np.random.random(30)
mean=z.mean()
print(mean)##创建一个长度为30的随机数组，并求出平均值
z=np.ones((10,10))
z[1:-1,1:-1]=0
print(z)##创建一个二维数组，边界值为1，内部值为0
z=np.ones((10,10))
z=np.pad(z,pad_width=1,mode='constant',constant_values=0)
print(z)##用0来填充一个数组的边界
z=np.diag([1,2,3,4],k=-1)#k=-1保证了偏移量
print(z)##创建一个5*5的矩阵，设置1,2，3,4在其对角线下面一行
z=np.zeros((8,8),dtype=int)
z[1::2,::2]=1
z[::2,1::2]=1
print(z)##创建一个8*8的国际象棋矩阵黑块为0，白块为1
print(np.unravel_index(100,(6,7,8)))##形状为（6，7,8）数组的形状，第100个元素的索引
z=np.tile(np.array([[1,0],[0,1]]),(4,4))
print(z)##创建一个8*8的棋盘矩阵
z=np.random.random((5,5))
zmax,zmin=z.max(),z.min()
z=(z-zmin)/(zmax-zmin)
print(z)##对5*5的矩阵归一化
color=np.dtype([("r",np.ubyte,1),("g",np.ubyte,1),("b",np.ubyte,1),("a",np.ubyte,1)])
c=np.array((255,255,255,1),dtype=color)
print(c)##创建一个dtype来表示颜色（RGBA）
z=np.dot(np.zeros((5,3)),np.zeros((3,2)))
print(z)##一个5*3矩阵和一个3*2矩阵相乘
z=np.arange(11)
z[(3<=z)&(z<8)]*=-1
print(z)##给定一个一维数组把它从3到8的元素求相反数
print(sum(range(5),-1))##结果为9
z=np.random.uniform(-10,+10,10)
print(np.copysign(np.ceil(np.abs(z)),z))##从零位开始舍入浮点数组
z1=np.random.randint(0,10,10)
z2=np.random.randint(0,10,10)
print(np.intersect1d(z1,z2))##两个数组公共的元素
A=np.ones(3)*1
B=np.ones(3)*1
C=np.ones(3)*1
np.add(A,B,out=B)
np.divide(A,2,out=A)
np.negative(A,out=A)
np.multiply(A,B,out=A)##计算((A+B)*(-A/2))##用五种方法提取随机数组中的整数部分
z=np.random.uniform(0,10,10)
print(z-z%1)
print(np.floor(z))
print(np.cell(z)-1)
print(z.astype(int))
print(np.trunc(z))##创建一个5*5的矩阵且每一行的值范围为0~4
z=np.zeros((5,5))
z+=np.arange(5)
print(z)##用一个生成10个整数的函数来构建数组
def generate():for x in range(10):yield x
z=np.fromiter(generate(),dtype=flaot,count=-1)
print(z) ##创建一个大小为10的向量，值域为0到1，不包括0和1
z=np.linspace(0,1,12,endpoint=True)[1:-1]
print(z)#创建一个大小为10的随机向量，并把它排序
z=np.random.random(10)
z.sort()
print(z)        ##对一个小数组求和
z=np.arange(10)
np.add.reduce(z)##np.add.reduce 是numpy.add模块中的一个ufunc（universal function）函数，c语言实现##如何判断两随机数组相等
A=np.random.randint(0,2,5)
B=np.random.randint(0,2,5)
equal=np.allclose(A,B)
print(equal)
equal=np.array_equal(A,B)
print(equal)##把数组变为只读
z=np.zeros(5)
z.flags.writeable=False
z[0]=1##将一个10*2的笛卡尔坐标矩阵转换为极坐标
z=np.random.random((10,2))
x,y=z[:,2],z[:,1]
r=np.sqrt(x**2+y**2)
t=np.arctan2(y,x)
print(r)
print(t)##创建一个大小为10的随机向量并且将该向量中最大的值替换为0
z=np.random.random(10)
z[z.argmax()]=0
print(z)##创建一个结构化数组，其中x和y坐标覆盖[0,1]*[1,0]区域
z=np.zeros((5,5),[('x',float),('y').float])
z['x'],z['y']=np.meshgrid(np.linspace(0,1,5),np.linspace(0,1,5))
print(z)##给定两个数组x和y，构造柯西矩阵
x=np.arange(8)
y=x+0.5
c=1.0/np.subtract.outer(x,y)
print(c)
print(np.linalg.det(c))##计算行列式##打印每个numpy类型的最大和最小可表示值
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)##打印数组中的所有的值
np.set_printoptions(threshold=np.nan)
z=np.zeros((16,16))
print(z)##如何在数组中找到与给定标量接近的值
z=np.arange(100)
v=np.random.uniform(0,100)
index=(np.abs(z-v)).argmin()
print(z[index])##创建表示位置（x,y）和颜色(r,g,b,a)的结构化数组
z=np.zeros(10,[('position',[('x',float,1),('y',float,1)]),('color',[('r',float,1),('g',float,1),('b',float,1)])])
print(z)##思考形状为（100,2）的随机向量，求出点和点之间的距离
z=np.random.random((100,2))
x,y=np.atleast_2d(z[:0],z[:,1])
d=np.sqrt((x-x.T)**2+(y-y.T)**2)
print(d)##将float（32）转换成integer（32）位
z=np.arange(10,dtype=np.int32)
z=z.astype(np.float32,copy=False)
print(z)##读取TXT文件
z=np.genfromtxt("example.txt",delimiter=",")
print(z)##枚举的等价操作
z=np.arange(9).reshape(3,3)
for index,value in np.ndenumerate(z):print(index,value)
for index in np.ndindex(z.shape):print(index,z[index])
##构造一个二维高斯矩阵
x,y=np.meshgrid(np.linspace(-1,1,10),np.linspace(-1,1,10))
d=sqrt(x**2+y**2)
sigma,mu=1.0,0.0
g=np.exp(-((d-mu)**2/(2.0*sigma**2)))
print(g)##在二位数组的随机位置放置p个元素
n=10
p=3
z=np.zeros((n,n))
np.put(z,np.random.choice(range(n*n),p,replace=False),1)
print(z)
##减去矩阵每一行的平均值
x=np.random.rand(5,10)
y=x-x.mean(axis=1,keepdims=True)
print(y)##对数组通过第n列进行排序
z=np.random.randint(0,10,(3,3))
print(z)
print(z[z[:,1].argsort()])#判定一个给定的二维数组存在空列
z=np.random.nuiform(0,3,(3,10))
print((~z.any(axis=0)).any())##从数组中找出与给定值最接近的值
Z=np.random.uniform(0,1,10)
z=0.5
m=z.flat[np.abs(Z-z).argmin()]
print(m)##使用迭代器计算（1,3）和（3,1）的和
A=np.arange(3).reshape(3,1)
B=np.arange(3).reshape(1,3)
it=np.nditer([A,B,None])
for x,y,z in it:z[...]=x+y
print(it.operands[2])##创建一个具有name属性的数组类
class NameArray(np.ndarray):def __new__(cls,array,name="no name"):obj=np.asarray(array).view(cls)obj.name=namereturn objdef __array_finalize__(self,obj):if obj is None:return self.info=getattr(obj,'name',"no name")
z=NamedArray(np.arange(10),"rang_10")
print(z.name)
##给定一个向量，在第二个向量中每个元素加一
z=np.ones(10)
i=np.random.randint(0,len(z),20)
z+=np.bincount(i,minlength=len(z))
print(z)
np.add.at(z,i,1)
print(z)
##根据索引列表I将向量x的元素累加到数组F
x=[1,2,3,4,5,6]
i=[1,3,9,3,4,1]
f=np.bincount(i,x)
print(f)
##思考（dtype=ubyte）的（w,h,3）图像，计算唯一颜色的值
w,h=16,16
i=np.random.randint(0,2,(h,w,3)).astype(np.ubyte)
f=i[...,0]*256*256+i[...,1]*256+i[...,2]
n=len(np.unique(f))
print(np.unique(i))
##思考如何求一个四维数组最后两个轴的数据和
a=np.random.randint(0,10,(3,4,3,4))
sum=a.sum(axis=(-2,-1))
print(sum)
sum=a.reshape(a.shape[:-2]+(-1,)).sum(axis=-1)
print(sum)
##一维向量D，使用相同大小的向量S来计算D的子集的均值，描述子集索引
d=np.random.uniform(0,1,100)
s=np.random.randint(0,10,100)
d_sums=np.bincount(s,weights=d)
d_counts=np.bincount(s)
d_means=d_sums/d_counts
print(d_means)
print(pd.Series(d).groupby(s).mean())
##获得点积的对角线
a=np.random.uniform(0,1,(5,5))
b=np.random.uniform(0,1,(5,5))
np.diag(np.dot(a,b))
np.sum(a*b.T,axis=1)
np.einsum("ij,ji->i",a,b)
##考虑向量[1,2,3,4,5]，建立一个新的向量，在每个值之间交错有3个连续的零
z=np.array([1,2,3,4,5])
nz=3
z0=np.zeros(len(z)+(len(z)-1)*(nz))
z0[::nz+1]=z
print(z0)
##考虑一个维度（5,5,3）的数组，如何将其与一个（5,5）的数组相乘
a=np.ones((5,5,3))
b=2*np.ones((5,5))
print(a*b[:,:,None])
##对一个数组中任意两行做交换
a=np.arange(25).reshape(5,5)
a[[0,1]]=a[[1,0]]
print(a)
##给定一个二进制的数组c，如何生成一个数组A满足np.bincount(A)==c
c=np.buncount([1,1,2,3,4,4,6])
a=np.repeat(np.arange(len(c)),c)
print(a)
#通过滑动窗口计算一个数组的平均数
def moving_average(a,n=3):ret=np.cumsum(a,dtype=float)ret[n:]=ret[n:]-ret[:-n]return ret[n-1:]/n
z=np.arange(20)
print(moving_average(z,n=3))
##对布尔值取反，改变浮点数的符号
z=np.random.randint(0,2,100)
np.logical_not(z,out=z)
z=np.random.uniform(-1.0,1.0,100)
np.negative(z,out=z)
##思考两组点集p0和p1去描述一组线和一个点p，如何计算点p到每一条线i的距离
def distance(p0,p1,p):t=p1-p0l=(t**2).sum(axis=1)u=-((p0[::0]-p[...,0])*t[:,0]+(p0[:,1]-p[...,1])*t[:,1])/lu=u.reshape(len(u),1)d=p0+u*t-preturn np.sqrt((d**2).sum(axis=1))
p0=np.random.uniform(-10,10,(10,2))
p1=np.random.uniform(-10,10,(10,2))
p=np.random.uniform(-10,10,(1,2))
print(distance(p0,p1,p))
##考虑两组点集p0和p1去描述一组线（二维）和一组点集p，如何计算每一个点j(p[j])到每一条线i的距离
p0=np.random.uniform(-10,10,(10,2))
p1=np.random.uniform(-10,10,(10,2))
p=np.random.uniform(-10,10,(10,2))
print(np.array([distance(p0,p1,p_i) for p_i in p]))
##z=[1,2,3,4,5,6,7,8,9,10,11,12,13,14]，如何生成一个数组r=[[1,2,3,4],[2,3,4,5],[3,4,5,6]...[11,12,13,14]]
z=np.arange(1,15,dtype=np.uint32)
r=stride_tricks.as_strided(z,(11,4),(4,4))
print(r)
#计算矩阵的秩
z=np.random.uniform(0,1,(10,10))
u,s,v=np.linalg.svd(z)
rank=np.sum(s>1e-10)
print(rank)
##找出数组中出现频率最高的值
z=np.random.randint(0,10,50)
print(np.bincount(z).argmax())
##从一个10*10的矩阵中提取一个连续的3*3区块
z=np.random.randint(0,5,(10,10))
n=3
i=1+(z.shape[0]-3)
j=1+(z.shape[1]-3)
c=stride_tricks.as_strided(z,shape=(i,j,n,n),strides=z.strides+z.strides)
print(c)
##创建一个z[i,j]==z[j,i]的二维数组子类
class Symetric(np.ndarray):def __setitem__(self,index,value):i,j=indexsuper(Symetric,self).__setitem__((i,j),value)super(Symetric,self).__setitem__((j,i),value)def symetric(z):return np.asarray(z+z.T-np.diag(z.diagonal())).view(Symetric)s=symetric(np.random.randint(0,10,(5,5)))s[2,3]=42print(s)
##考虑p个n*n矩阵和一组形状为（n,1）的向量，计算p个矩阵的乘（n,1）
p,n=10,20
m=np.ones((p,n,n))
v=np.ones((p,n,1))
s=np.tensordot(m,v,axes=[[0,2],[0,1]])
print(s)
##对于一个16*16的数组，如何得到一个4*4区域的和
z=np.ones((16,16))
k=4
s=np.add.reduceat(np.add.reduceat(z,np.arange(0,z.shape[0],k),axis=0),np.arange(0,z.shape[1],k),axis=1)
print(s)
##找到数组的第n大值
z=np.arange(10000)
np.random.shuffle(z)
n=5
print(z[np.argsort(z)[-n:]])##slow
print(z[np.argpartition(-z,n)[:n]])
##给定任意向量，创建笛卡尔积
def cartesian(arrays):arrays=[np.asarray(a) for a in arrays]shape=(len(x) for x in arrays)ix=np.indices(shape,dtype=int)ix=ix.reshape(len(arrays),-1).Tfor n,arr in enumerate(arrays):ix[:,n]=arrays[n][ix[:,n]]return ix
print(cartesian(([1,2,3],[4,5],[6,7])))
##从常规数组中创建记录数组
z=np.array([("hello",2.5,3),("world",3.6,2)])
r=np.core.records.fromarrays(z.T,names='col1,col2,col3',formats='s8,f8,i8')
print(r)
##思考一个大向量Z，用三种不同的方法计算它的立方
x=np.random.rand(5e7)
%timeit np.power(x,3)
%timeit x*x*x
%timeit np.einsum('i,i,i->i',x,x,x)
##考虑两个形状分别为（8,3）和(2,2)的数组A和B，如何在数组A中找到满足包含B中元素的行
a=np.random.randint(0,5,(8,3))
b=np.random.randint(0,5,(2,2))
c=(a[...,np.newaxis,np.newaxis]==b)
rows=np.where(c.any((3,1)).all(1))[0]
print(rows)
##思考一个10*3的矩阵，如何分解出有不全相同值的行
z=np.random.randint(0,5,(10,3))
print(z)
e=np.all(z[:,1:]==z[:,:-1],axis=1)
u=z[~e]
print(u)
u=z[z.max(axis=1)!=z.min(axis=1),:]
print(u)
##讲一个整数向量 转换成二进制矩阵
i=np.array([0,1,2,3,15,16,32,64,128])
b=((i.reshape(-1,1)&(2**np.arange(8)))!=0).astype(int)
print(b[:,::-1])
i=np.array([0,1,2,3,15,16,32,64,128],dtype=np.uint8)
print(np.unpackbits(i[:,np.newaxis],axis=1))
##给定一个二维数组，如何提出唯一的行
z=np.random.randint(0,2,(6,3))
t=np.ascontiguousarray(z).view(np.dtype((np.void,z.dtype.itemsize*z.shape[1])))
_,idx=np.unique(t,return_index=True)
uz=z[idx]
print(uz)
##考虑两个向量A和B，写出用einsum等式对应的inner，outer，sum，mul
a=np.random.uniform(0,1,10)
b=np.random.uniform(0,1,10)
np.einsum('i->',a)
np.einsum('i,i->i',a,b)
np.einsum('i,i',a,b)
np.einsum('i,j->ij',a,b)
##给定一个整数n和一个二维数组x，从x中选择可以被解释为从多n度的多项式分布式的行
x=np.asarray([[1.0,0.0,3.0,8.0],[2.0,0.0,1.0,1.0],[1.5,2.5,1.0.0.0]])
n=4
m=np.logical_and.reduce(np.mod(x,1)==0,axis=-1)
m &= (x.sum(axis=-1)==n)
print(x[m])
##对于一个一维数组x，计算它boostrapped之后95%置信区间的平均值
x=np.random.randn(100)
n=1000
idx=np.random.randint(0,x.size,(n,x.size))
means=x[idx].mean(axis=1)
confint=np.percentile(means,[2.5,97.5])
print(confint)

努力加油a啊，(^o)/~

numpy练习100道题相关推荐

numpy 是否为零_python数据分析入门必刷！100道题掌握numpy
numpy-100 可以说是炒鸡经典的numpy学习资料了-原项目地址:numpy-100 各路大神提供的中文译版也有很多,不过为了巩固自己的学习成果,我还是自己进行了翻译+刷题+总结.对于每道题,均 ...
用swing设计一个打地鼠小游戏_这7个风靡欧美的英语小游戏，学会胜过刷100道题！...
精彩导读小编为大家搜罗了一些在国外家喻户晓的语言类小游戏.好的方法胜过刷上100道题,真正让孩子觉得好玩,教学才会事半功倍! 01 Would You Rather... 最近牛津大学的面试考题惊天 ...
CDGA考试-2022年最新模拟题一套100道题（含答案）
CDGA考试-2022年最新模拟题一套100道题(含答案),最新考试题每道题四个答案. 1.根据DMBOK2,在实施数据治理时,要注重数据标准的建设;以下关于数据标准的描述,错误的选项是哪个? A.数 ...
熬夜两天盘点2022年Java岗面试被问得最多的100道题
刚刚过去的秋招也是有人欢喜有人愁,不知道在座的各位有没有拿到心仪的offer,先恭喜一下成功入职理想公司的同学,秋招面试不顺的同学也别气馁,咱收拾好心情,春招再战! 这么久没更新,为了体现我的诚意,在 ...
Numpy练习题100题-提高你的数据分析技能
本文总结了Numpy的常用操作,并做成练习题,练习题附答案建议读者把练习题完成.作者认为,做完练习题,Numpy的基本操作没有问题了,以后碰到问题也可以查这些习题.(文末提供下载) NumPy(Num ...
Numpy应用100问
对于从事机器学习的人,python+numpy+scipy+matplotlib是重要的基础:它们基本与matlab相同,而其中最重要的当属numpy:因此,这里列出100个关于numpy函数的问题, ...
java打好基础的100道题库（勇敢牛牛不怕困难）
类和对象之间关系是( ) C 联接关系包含关系抽象与具体的关系类是对象的具体化类是具有相同( )的集合,是对对象的抽象描述 A 属性和方法变量和方法变量和数据对象和属性下列哪个类声明是 ...
面试必问的网络知识，都在这100道题里了（值得收藏）
计算机网络模型 1.五层因特网协议栈和七层OSI(Open System Interconnections)参考模型分别是什么? 5层:应用层.传输层.网络层.数据链路层.物理层 7层:应用层.表示层 ...
100道题，代码菜鸟教程里都有，只是记录一些输出和自己的理解（又是等成绩焦虑到要死的一天）
代码菜鸟里都有,只是记录一些输出和自己的理解判断输入的值在那个范围中 <10w return i*0.1 10w<i<20w return 10w*0.1+(i-10w)*0.07 ...

numpy练习100道题

numpy练习100道题相关推荐

最新文章

热门文章