100道练习带你玩转Numpy（附答案）
2024-05-09 15:13:31
1.导入numpy库并简写为 np (★☆☆)
- (提示: import … as …)
import numpy as np
参考答案
import numpy as np
2. 打印numpy的版本和配置说明 (★☆☆)
- (提示: np.version, np.show_config)
#查看numpy的版本
np.__version__
输出结果
'1.21.1'
#查看numpyd的配置说明：注意np.show_config与np.show_config()区别
print(np.show_config)
print("________________________")
print(np.show_config())
输出结果
<function show at 0x000001B6BFC9DAF0>
________________________
blas_mkl_info:NOT AVAILABLE
blis_info:NOT AVAILABLE
openblas_info:library_dirs = ['D:\\a\\1\\s\\numpy\\build\\openblas_info']libraries = ['openblas_info']language = f77define_macros = [('HAVE_CBLAS', None)]
blas_opt_info:library_dirs = ['D:\\a\\1\\s\\numpy\\build\\openblas_info']libraries = ['openblas_info']language = f77define_macros = [('HAVE_CBLAS', None)]
lapack_mkl_info:NOT AVAILABLE
openblas_lapack_info:library_dirs = ['D:\\a\\1\\s\\numpy\\build\\openblas_lapack_info']libraries = ['openblas_lapack_info']language = f77define_macros = [('HAVE_CBLAS', None)]
lapack_opt_info:library_dirs = ['D:\\a\\1\\s\\numpy\\build\\openblas_lapack_info']libraries = ['openblas_lapack_info']language = f77define_macros = [('HAVE_CBLAS', None)]
Supported SIMD extensions in this NumPy install:baseline = SSE,SSE2,SSE3found = SSSE3,SSE41,POPCNT,SSE42,AVX,F16C,FMA3,AVX2not found = AVX512F,AVX512CD,AVX512_SKX,AVX512_CLX,AVX512_CNL
None
参考答案
print(np.__version__)
print(np.show_config())
输出结果
1.21.1
blas_mkl_info:NOT AVAILABLE
blis_info:NOT AVAILABLE
openblas_info:library_dirs = ['D:\\a\\1\\s\\numpy\\build\\openblas_info']libraries = ['openblas_info']language = f77define_macros = [('HAVE_CBLAS', None)]
blas_opt_info:library_dirs = ['D:\\a\\1\\s\\numpy\\build\\openblas_info']libraries = ['openblas_info']language = f77define_macros = [('HAVE_CBLAS', None)]
lapack_mkl_info:NOT AVAILABLE
openblas_lapack_info:library_dirs = ['D:\\a\\1\\s\\numpy\\build\\openblas_lapack_info']libraries = ['openblas_lapack_info']language = f77define_macros = [('HAVE_CBLAS', None)]
lapack_opt_info:library_dirs = ['D:\\a\\1\\s\\numpy\\build\\openblas_lapack_info']libraries = ['openblas_lapack_info']language = f77define_macros = [('HAVE_CBLAS', None)]
Supported SIMD extensions in this NumPy install:baseline = SSE,SSE2,SSE3found = SSSE3,SSE41,POPCNT,SSE42,AVX,F16C,FMA3,AVX2not found = AVX512F,AVX512CD,AVX512_SKX,AVX512_CLX,AVX512_CNL
None
3. 创建一个长度为10的空向量 (★☆☆)
- (提示: np.zeros)
a = np.zeros(10)
a
输出结果
array([0., 0., 0., 0., 0., 0., 0., 0., 0., 0.])
参考答案
Z = np.zeros(10)
print(Z)
输出结果
[0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]
4. 如何找到任何一个数组的内存大小？ (★☆☆)
- (提示: size, itemsize)
print(a.size,a.itemsize)
输出结果
10 8
参考答案
Z = np.zeros((10,10))
print("%d bytes" % (Z.size * Z.itemsize))
输出结果
800 bytes
5. 如何从命令行得到numpy中add函数的说明文档? (★☆☆)
- (提示: np.info)
np.info(toplevel='add')
参考答案
np.info(np.add)
输出结果
add(x1, x2, /, out=None, *, where=True, casting='same_kind', order='K', dtype=None, subok=True[, signature, extobj])Add arguments element-wise.Parameters
----------
x1, x2 : array_likeThe arrays to be added.If ``x1.shape != x2.shape``, they must be broadcastable to a commonshape (which becomes the shape of the output).
out : ndarray, None, or tuple of ndarray and None, optionalA location into which the result is stored. If provided, it must havea shape that the inputs broadcast to. If not provided or None,a freshly-allocated array is returned. A tuple (possible only as akeyword argument) must have length equal to the number of outputs.
where : array_like, optionalThis condition is broadcast over the input. At locations where thecondition is True, the `out` array will be set to the ufunc result.Elsewhere, the `out` array will retain its original value.Note that if an uninitialized `out` array is created via the default``out=None``, locations within it where the condition is False willremain uninitialized.
**kwargsFor other keyword-only arguments, see the:ref:`ufunc docs <ufuncs.kwargs>`.Returns
-------
add : ndarray or scalarThe sum of `x1` and `x2`, element-wise.This is a scalar if both `x1` and `x2` are scalars.Notes
-----
Equivalent to `x1` + `x2` in terms of array broadcasting.Examples
--------
>>> np.add(1.0, 4.0)
5.0
>>> x1 = np.arange(9.0).reshape((3, 3))
>>> x2 = np.arange(3.0)
>>> np.add(x1, x2)
array([[ 0., 2., 4.],[ 3., 5., 7.],[ 6., 8., 10.]])The ``+`` operator can be used as a shorthand for ``np.add`` on ndarrays.>>> x1 = np.arange(9.0).reshape((3, 3))
>>> x2 = np.arange(3.0)
>>> x1 + x2
array([[ 0., 2., 4.],[ 3., 5., 7.],[ 6., 8., 10.]])
6. 创建一个长度为10并且除了第五个值为1的空向量 (★☆☆)
- (提示: array[4])
array6 = np.zeros(10)
array6[4] = 1
array6
输出结果
array([0., 0., 0., 0., 1., 0., 0., 0., 0., 0.])
参考答案
Z = np.zeros(10)
Z[4] = 1
print(Z)
输出结果
[0. 0. 0. 0. 1. 0. 0. 0. 0. 0.]
7. 创建一个值域范围从10到49的向量(★☆☆)
- (提示: np.arange)
array7 = np.arange(10,50)
array7
输出结果
array([10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26,27, 28, 29, 30, 31, 32, 33, 34, 35, 36, 37, 38, 39, 40, 41, 42, 43,44, 45, 46, 47, 48, 49])
参考答案
Z = np.arange(10,50)
print(Z)
输出结果
[10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 3334 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49]
8. 反转一个向量(第一个元素变为最后一个) (★☆☆)
- (提示: array[::-1])
#一维数组情况
array8 = np.arange(10)
print(array8,"\n-----\n",type(array8),"\n-----\n",array8[::-1],"\n-----\n")print("注意以下区别：")
print("只取向量最后一个元素:\n",array8[-1])
print("------------")
print("取向量第一个元素到倒数第二个:\n",array8[:-1])
print("------------")
print("反转向量:\n",array8[::-1])
输出结果
[0 1 2 3 4 5 6 7 8 9]
-----<class 'numpy.ndarray'>
-----[9 8 7 6 5 4 3 2 1 0]
-----注意以下区别：
只取向量最后一个元素:9
------------
取向量第一个元素到倒数第二个:[0 1 2 3 4 5 6 7 8]
------------
反转向量:[9 8 7 6 5 4 3 2 1 0]
#二维数组情况
array8 = np.arange(12).reshape(3,4)
print(array8,"\n-----\n",type(array8),"\n-----\n",array8[::-1],"\n-----\n")print("注意以下区别：")
print("只取数组最后一行元素:\n",array8[-1])
print("------------")
print("注意与上一个不同:\n",array8[-1::])
print("------------")
print("取数组第一行元素到倒数第二行:\n",array8[:-1])
print("------------")
print("同上一个:\n",array8[:-1:])
print("------------")
print("数组最后一行到第一行，以此类推:\n",array8[::-1])
输出结果
[[ 0 1 2 3][ 4 5 6 7][ 8 9 10 11]]
-----<class 'numpy.ndarray'>
-----[[ 8 9 10 11][ 4 5 6 7][ 0 1 2 3]]
-----注意以下区别：
只取数组最后一行元素:[ 8 9 10 11]
------------
注意与上一个不同:[[ 8 9 10 11]]
------------
取数组第一行元素到倒数第二行:[[0 1 2 3][4 5 6 7]]
------------
同上一个:[[0 1 2 3][4 5 6 7]]
------------
数组最后一行到第一行，以此类推:[[ 8 9 10 11][ 4 5 6 7][ 0 1 2 3]]
参考答案
Z = np.arange(50)
Z = Z[::-1]
print(Z)
输出结果
[49 48 47 46 45 44 43 42 41 40 39 38 37 36 35 34 33 32 31 30 29 28 27 2625 24 23 22 21 20 19 18 17 16 15 14 13 12 11 10 9 8 7 6 5 4 3 21 0]
9. 创建一个 3x3 并且值从0到8的矩阵(★☆☆)
- (提示: reshape)
array9 = np.arange(0,9).reshape(3,3)
array9
输出结果
array([[0, 1, 2],[3, 4, 5],[6, 7, 8]])
参考答案
Z = np.arange(9).reshape(3,3)
print(Z)
输出结果
[[0 1 2][3 4 5][6 7 8]]
10. 找到数组[1,2,0,0,4,0]中非0元素的位置索引 (★☆☆)
- (提示: np.nonzero)
array10 = [1,2,0,0,4,0]
np.nonzero(array10)
输出结果
(array([0, 1, 4], dtype=int64),)
参考答案
nz = np.nonzero([1,2,0,0,4,0])
print(nz)
输出结果
(array([0, 1, 4], dtype=int64),)
11. 创建一个 3x3 的单位矩阵 (★☆☆)
- (提示: np.eye)
array11 = np.eye(3,3)
array11
输出结果
array([[1., 0., 0.],[0., 1., 0.],[0., 0., 1.]])
参考答案
Z = np.eye(3)
print(Z)
输出结果
[[1. 0. 0.][0. 1. 0.][0. 0. 1.]]
12. 创建一个 3x3x3的随机数组 (★☆☆)
- (提示: np.random.random)
array12 = np.random.random(27).reshape(3,3,3)
array12
输出结果
array([[[0.82229851, 0.97063002, 0.14368023],[0.54370589, 0.03199196, 0.85705309],[0.26821559, 0.15694076, 0.51977488]],[[0.50242734, 0.29862912, 0.95963966],[0.4059865 , 0.58694668, 0.82554167],[0.56819152, 0.34225528, 0.45214493]],[[0.01517539, 0.89008166, 0.0500397 ],[0.03236231, 0.19130355, 0.53311733],[0.09538655, 0.18586758, 0.58278421]]])
参考答案
Z = np.random.random((3,3,3))
print(Z)
输出结果
[[[0.28037142 0.44488439 0.30333044][0.1161553 0.82102038 0.25739631][0.09821049 0.36713993 0.92724096]][[0.2454338 0.87448758 0.50827198][0.54874904 0.07023286 0.75978993][0.98004792 0.42379336 0.98222663]][[0.43035063 0.32212228 0.22881998][0.97116268 0.10329178 0.19237496][0.89617807 0.79191292 0.51751459]]]
13. 创建一个 10x10 的随机数组并找到它的最大值和最小值 (★☆☆)
- (提示: min, max)
array13 = np.random.random(100).reshape(10,10)print(array13,"\n最大值为\n",array13.max(),"\n最小值为：\n",array13.min())
输出结果
[[0.99778825 0.58095976 0.34966491 0.61488926 0.22311257 0.46186890.17235173 0.70900466 0.98204539 0.16713024][0.47931749 0.37411923 0.174987 0.4546529 0.18531676 0.755027850.13397944 0.45530322 0.43508141 0.95361024][0.17900297 0.93651411 0.87413906 0.73874406 0.52680645 0.648280290.24795946 0.88003906 0.62365578 0.80426776][0.45185357 0.51363758 0.96072332 0.04641699 0.48586224 0.628428170.27009438 0.18875272 0.19874009 0.66220609][0.44138034 0.2363918 0.74719564 0.22923504 0.27315476 0.533744810.18482755 0.50381315 0.25225246 0.75322919][0.35705613 0.51395832 0.51189048 0.09275676 0.75417333 0.067502190.43249999 0.62178538 0.46245924 0.65893803][0.27734846 0.24961469 0.44867329 0.96181551 0.69065328 0.216404660.59641193 0.12161551 0.54862819 0.67923836][0.21021391 0.32386752 0.37686985 0.85766783 0.73454876 0.695677770.79764775 0.28465536 0.4209324 0.35587512][0.15687547 0.69758606 0.3013893 0.53512701 0.99620145 0.226070220.11752308 0.54600039 0.9315894 0.63885842][0.95544494 0.55211529 0.96081971 0.92697433 0.44943367 0.526027860.64950368 0.40008766 0.59628704 0.09932262]]
最大值为0.9977882475176502
最小值为：0.046416985065966254
参考答案
Z = np.random.random((10,10))
Zmin, Zmax = Z.min(), Z.max()
print(Zmin, Zmax)
输出结果
0.004121552994131639 0.9861579216981144
14. 创建一个长度为30的随机向量并找到它的平均值 (★☆☆)
- (提示: mean)
array14 = np.random.random(30)
print(array14,"\n-------\n",array14.mean())
输出结果
[0.93012289 0.87846182 0.39524015 0.29766567 0.535985 0.961907090.11612866 0.49828173 0.41661926 0.3161008 0.45526546 0.456774390.42808616 0.2136142 0.85161725 0.72934575 0.88087434 0.170333770.71800939 0.74070516 0.25254667 0.15898121 0.25780968 0.659585640.10230427 0.94045116 0.80328989 0.6013053 0.66213565 0.50255439]
-------0.5310700936558221
参考答案
Z = np.random.random(30)
m = Z.mean()
print(m)
输出结果
0.3515583279019299
15. 创建一个二维数组，其中边界值为1，其余值为0 (★☆☆)
- (提示: array[1:-1, 1:-1])
array15 = np.ones(9).reshape(3,3)
print(array15,"\n------\n")
array15[1:-1, 1:-1] = 0
print(array15)
输出结果
[[1. 1. 1.][1. 1. 1.][1. 1. 1.]]
------[[1. 1. 1.][1. 0. 1.][1. 1. 1.]]
参考答案
Z = np.ones((10,10))
Z[1:-1,1:-1] = 0
print(Z)
输出结果
[[1. 1. 1. 1. 1. 1. 1. 1. 1. 1.][1. 0. 0. 0. 0. 0. 0. 0. 0. 1.][1. 0. 0. 0. 0. 0. 0. 0. 0. 1.][1. 0. 0. 0. 0. 0. 0. 0. 0. 1.][1. 0. 0. 0. 0. 0. 0. 0. 0. 1.][1. 0. 0. 0. 0. 0. 0. 0. 0. 1.][1. 0. 0. 0. 0. 0. 0. 0. 0. 1.][1. 0. 0. 0. 0. 0. 0. 0. 0. 1.][1. 0. 0. 0. 0. 0. 0. 0. 0. 1.][1. 1. 1. 1. 1. 1. 1. 1. 1. 1.]]
16. 对于一个存在在数组，如何添加一个用0填充的边界? (★☆☆)
- (提示: np.pad)
- np.pad用法详解
- np.pad(array, pad_width, mode=‘constant’, **kwargs)
- array：数组
- pad_width
- mode
- constant
- edge
- linear_ramp
- maximum
- mean
- median
- reflect
- symmetric
- wrap
- **kwargs
#用常量填充
a = [1, 2, 3, 4, 5]
np.pad(a, (2, 3), 'constant', constant_values=(4, 6))
输出结果
array([4, 4, 1, 2, 3, 4, 5, 6, 6, 6])
np.pad(a, (2, 3), 'edge')
输出结果
array([1, 1, 1, 2, 3, 4, 5, 5, 5, 5])
np.pad(a, (2, 3), 'linear_ramp', end_values=(5, -4))
输出结果
array([ 5, 3, 1, 2, 3, 4, 5, 2, -1, -4])
np.pad(a, (2,), 'maximum')
输出结果
array([5, 5, 1, 2, 3, 4, 5, 5, 5])
np.pad(a, (2,), 'mean')
输出结果
array([3, 3, 1, 2, 3, 4, 5, 3, 3])
np.pad(a, (2,), 'median')
输出结果
array([3, 3, 1, 2, 3, 4, 5, 3, 3])
a = [[1, 2], [3, 4]]
print(a)
np.pad(a, ((3, 2), (2, 3)), 'minimum')
输出结果
[[1, 2], [3, 4]]
array([[1, 1, 1, 2, 1, 1, 1],[1, 1, 1, 2, 1, 1, 1],[1, 1, 1, 2, 1, 1, 1],[1, 1, 1, 2, 1, 1, 1],[3, 3, 3, 4, 3, 3, 3],[1, 1, 1, 2, 1, 1, 1],[1, 1, 1, 2, 1, 1, 1]])
a = [1, 2, 3, 4, 5]
np.pad(a, (2, 3), 'reflect')
输出结果
array([3, 2, 1, 2, 3, 4, 5, 4, 3, 2])
np.pad(a, (2, 3), 'reflect', reflect_type='odd')
输出结果
array([-1, 0, 1, 2, 3, 4, 5, 6, 7, 8])
np.pad(a, (2, 3), 'symmetric')
输出结果
array([2, 1, 1, 2, 3, 4, 5, 5, 4, 3])
np.pad(a, (2, 3), 'symmetric', reflect_type='odd')
输出结果
array([0, 1, 1, 2, 3, 4, 5, 5, 6, 7])
np.pad(a, (2, 3), 'wrap')
输出结果
array([4, 5, 1, 2, 3, 4, 5, 1, 2, 3])
def pad_with(vector, pad_width, iaxis, kwargs): pad_value = kwargs.get('padder', 10) vector[:pad_width[0]] = pad_valuevector[-pad_width[1]:] = pad_valuea = np.arange(6)
a = a.reshape((2, 3))
np.pad(a, 1, pad_with)
输出结果
array([[10, 10, 10, 10, 10],[10, 0, 1, 2, 10],[10, 3, 4, 5, 10],[10, 10, 10, 10, 10]])
np.pad(a, 2, pad_with, padder=100)
输出结果
array([[100, 100, 100, 100, 100, 100, 100],[100, 100, 100, 100, 100, 100, 100],[100, 100, 0, 1, 2, 100, 100],[100, 100, 3, 4, 5, 100, 100],[100, 100, 100, 100, 100, 100, 100],[100, 100, 100, 100, 100, 100, 100]])
array16 = np.arange(1,7)
array16 = array16.reshape(2, 3)
print(array16)
np.pad(array16, ((1, 1),(1,1)), 'constant', constant_values=(0, 0))
输出结果
[[1 2 3][4 5 6]]
array([[0, 0, 0, 0, 0],[0, 1, 2, 3, 0],[0, 4, 5, 6, 0],[0, 0, 0, 0, 0]])
参考答案
#参考答案
Z = np.ones((5,5))
Z = np.pad(Z, pad_width=1, mode='constant', constant_values=0)
print(Z)
输出结果
[[0. 0. 0. 0. 0. 0. 0.][0. 1. 1. 1. 1. 1. 0.][0. 1. 1. 1. 1. 1. 0.][0. 1. 1. 1. 1. 1. 0.][0. 1. 1. 1. 1. 1. 0.][0. 1. 1. 1. 1. 1. 0.][0. 0. 0. 0. 0. 0. 0.]]
17. 以下表达式运行的结果分别是什么? (★☆☆)
- (提示: NaN = not a number, inf = infinity)
- 0 * np.nan
- np.nan == np.nan
- np.inf > np.nan
- np.nan - np.nan
- 0.3 == 3 * 0.1
参考答案
#0 * np.nan：nan
print("0 * np.nan输出为：",0 * np.nan)#np.nan == np.nan:False
print("np.nan == np.nan输出为：",np.nan == np.nan)#np.inf > np.nan:False
print("np.inf > np.nan输出为：",np.inf > np.nan)#np.nan - np.nan：nan
print("np.nan - np.nan输出为：",np.nan - np.nan)#0.3 == 3 * 0.1:False
print("0.3 == 3 * 0.1输出为：",0.3 == 3 * 0.1)
输出结果
0 * np.nan输出为： nan
np.nan == np.nan输出为： False
np.inf > np.nan输出为： False
np.nan - np.nan输出为： nan
0.3 == 3 * 0.1输出为： False
18. 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 (★☆☆)
- (提示: np.diag)
参考答案
#参考答案
#np.diag(v, k=0)
Z = np.diag(1+np.arange(4),k=-1)
print(Z)
输出结果
[[0 0 0 0 0][1 0 0 0 0][0 2 0 0 0][0 0 3 0 0][0 0 0 4 0]]
19. 创建一个8x8 的矩阵，并且设置成棋盘样式 (★☆☆)
- (提示: array[::2])
array19 = np.ones((8,8))
array19[1::2,::2]= 0
array19[::2,1::2]= 0
array19
输出结果
array([[1., 0., 1., 0., 1., 0., 1., 0.],[0., 1., 0., 1., 0., 1., 0., 1.],[1., 0., 1., 0., 1., 0., 1., 0.],[0., 1., 0., 1., 0., 1., 0., 1.],[1., 0., 1., 0., 1., 0., 1., 0.],[0., 1., 0., 1., 0., 1., 0., 1.],[1., 0., 1., 0., 1., 0., 1., 0.],[0., 1., 0., 1., 0., 1., 0., 1.]])
参考答案
#参考答案
Z = np.zeros((8,8),dtype=int)
Z[1::2,::2] = 1
Z[::2,1::2] = 1
print(Z)
输出结果
[[0 1 0 1 0 1 0 1][1 0 1 0 1 0 1 0][0 1 0 1 0 1 0 1][1 0 1 0 1 0 1 0][0 1 0 1 0 1 0 1][1 0 1 0 1 0 1 0][0 1 0 1 0 1 0 1][1 0 1 0 1 0 1 0]]
20. 考虑一个 (6,7,8) 形状的数组，其第100个元素的索引(x,y,z)是什么?
- (提示: np.unravel_index)
参考答案
#参考答案
#unravel_index(indices, shape, order='C')
print(np.unravel_index(100,(6,7,8)))
输出结果
(1, 5, 4)
21. 用tile函数去创建一个 8x8的棋盘样式矩阵(★☆☆)
- (提示: np.tile)
- np.tile(A, reps)相关用法
#一维数组情况
a = np.array([0, 1, 2])
print(np.tile(a, 2))
print("-----------")
print(np.tile(a, (2, 2)))
print("-----------")
print(np.tile(a, (2, 2, 2)))
输出结果
[0 1 2 0 1 2]
-----------
[[0 1 2 0 1 2][0 1 2 0 1 2]]
-----------
[[[0 1 2 0 1 2][0 1 2 0 1 2]][[0 1 2 0 1 2][0 1 2 0 1 2]]]
c = np.array([1,2,3,4])
print(np.tile(c,(4,1)))
print("-----------")
print(np.tile(c,(1,4)))
输出结果
[[1 2 3 4][1 2 3 4][1 2 3 4][1 2 3 4]]
-----------
[[1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4]]
#二维数组
b = np.array([[1, 2], [3, 4]])
print(np.tile(b, 2))
print("-----------")
print(np.tile(b, (2, 1)))
输出结果
[[1 2 1 2][3 4 3 4]]
-----------
[[1 2][3 4][1 2][3 4]]
array21 = np.array([[0,1],[1,0]])
print(array21)
print("-------------")
print(np.tile(array21, (4,4)))
输出结果
[[0 1][1 0]]
-------------
[[0 1 0 1 0 1 0 1][1 0 1 0 1 0 1 0][0 1 0 1 0 1 0 1][1 0 1 0 1 0 1 0][0 1 0 1 0 1 0 1][1 0 1 0 1 0 1 0][0 1 0 1 0 1 0 1][1 0 1 0 1 0 1 0]]
参考答案
#参考答案
Z = np.tile( np.array([[0,1],[1,0]]), (4,4))
print(Z)
输出结果
[[0 1 0 1 0 1 0 1][1 0 1 0 1 0 1 0][0 1 0 1 0 1 0 1][1 0 1 0 1 0 1 0][0 1 0 1 0 1 0 1][1 0 1 0 1 0 1 0][0 1 0 1 0 1 0 1][1 0 1 0 1 0 1 0]]
22. 对一个5x5的随机矩阵做归一化(★☆☆)
- (提示: (x - min) / (max - min))
array22 = np.random.random(25).reshape(5,5)
amin = array22.min()
amax = array22.max()
print(array22,"\n最小值为：\n",amin,"\n最大值为：\n",amax)array_new = (array22 - amin)/(amax - amin)
array_new
输出结果
[[0.26009871 0.89989705 0.79188441 0.70944836 0.24024913][0.13928614 0.97029819 0.07942416 0.20779984 0.7193373 ][0.14027008 0.45981306 0.31472733 0.70832382 0.65386747][0.57767974 0.37985315 0.8988651 0.80697825 0.74939784][0.46605384 0.95553957 0.92271522 0.22827105 0.44096403]]
最小值为：0.0794241626441996
最大值为：0.9702981944156541
array([[0.20280594, 0.92097519, 0.79973175, 0.70719784, 0.18052493],[0.06719466, 1. , 0. , 0.14410082, 0.71829811],[0.06829912, 0.42698393, 0.2641262 , 0.70593556, 0.64480868],[0.55928848, 0.33722948, 0.91981684, 0.81667448, 0.75204086],[0.43398917, 0.98343354, 0.94658844, 0.16707961, 0.40582602]])
参考答案
#参考答案
Z = np.random.random((5,5))
Zmax, Zmin = Z.max(), Z.min()
Z = (Z - Zmin)/(Zmax - Zmin)
print(Z)
输出结果
[[0.12258481 0.48605201 0.72046827 0.68510051 0.77727713][1. 0.62709158 0.30209518 0.88260495 0. ][0.85075924 0.53774393 0.45084072 0.60056524 0.38530611][0.18323325 0.93486688 0.93560248 0.63488952 0.3298871 ][0.82238802 0.35623848 0.9348605 0.4193811 0.47054688]]
23. 创建一个将颜色描述为(RGBA)四个无符号字节的自定义dtype？(★☆☆)
- (提示: np.dtype)
参考答案
#参考答案
#np.dtype(self, /, *args, **kwargs)
color = np.dtype([("r", np.ubyte, 1),("g", np.ubyte, 1),("b", np.ubyte, 1),("a", np.ubyte, 1)])
color
输出结果
dtype([('r', 'u1'), ('g', 'u1'), ('b', 'u1'), ('a', 'u1')])
24. 一个5x3的矩阵与一个3x2的矩阵相乘，实矩阵乘积是什么？ (★☆☆)
- (提示: np.dot | @)
array241 = np.random.randint(0,10,(5,3))
array242 = np.random.randint(0,10,(3,2))print(array241,type(array241),"\n----\n",array242,type(array242))
print("-----------")array24 = np.dot(array241,array242)
print(array24)
输出结果
[[7 9 8][9 5 1][8 8 9][1 4 6][1 7 4]] <class 'numpy.ndarray'>
----[[7 0][0 4][0 1]] <class 'numpy.ndarray'>
-----------
[[49 44][63 21][56 41][ 7 22][ 7 32]]
from numpy import *
from numpy.linalg import *array241 = matrix(np.random.randint(0,10,(5,3)))
array242 = matrix(np.random.randint(0,10,(3,2)))print(array241,type(array241),"\n----\n",array242,type(array242))
print("-----------")array24 = np.dot(array241,array242)
print(array24)
输出结果
[[1 5 8][3 1 6][0 4 1][9 4 3][6 3 8]] <class 'numpy.matrix'>
----[[4 5][0 7][6 4]] <class 'numpy.matrix'>
-----------
[[52 72][48 46][ 6 32][54 85][72 83]]
参考答案
#参考答案
Z = np.dot(np.ones((5,3)), np.ones((3,2)))
print(Z)
输出结果
[[3. 3.][3. 3.][3. 3.][3. 3.][3. 3.]]
25. 给定一个一维数组，对其在3到8之间的所有元素取反 (★☆☆)
- (提示: >, <=)
array25 = np.array([1,2,3,4,5,6,7,8,9,0])
array25[(array25>=3) & (array25 <= 8)] *= -1
array25
输出结果
array([ 1, 2, -3, -4, -5, -6, -7, -8, 9, 0])
参考答案
#参考答案
Z = np.arange(11)
Z[(3 < Z) & (Z <= 8)] *= -1
print(Z)
输出结果
[ 0 1 2 3 -4 -5 -6 -7 -8 9 10]
26. 下面脚本运行后的结果是什么? (★☆☆)
- (提示: np.sum)
- print(sum(range(5),-1))
- from numpy import *
- print(sum(range(5),-1))
参考答案
#参考答案#求和
print(sum(range(5),-1)) #导入numpy模块
from numpy import * #求和
print(sum(range(5),-1))
输出结果
10
10
27. 考虑一个整数向量Z,下列表达合法的是哪个? (★☆☆)
- Z**Z
- 2 << Z >> 2
- Z <- Z
- 1j*Z
- Z/1/1
- ZZ
Z = np.array([1,2,3,4])
print(Z**Z)
输出结果
[ 1 4 27 256]
print(2 << Z >> 2)
输出结果
[1 2 4 8]
print(Z <- Z)
输出结果
[False False False False]
print(1j*Z)
输出结果
[0.+1.j 0.+2.j 0.+3.j 0.+4.j]
print(Z/1/1)
输出结果
array([1., 2., 3., 4.])
#不合法
#ZZ
参考答案
#参考答案
Z = np.arange(5)
Z ** Z # legal
输出结果
array([ 1, 1, 4, 27, 256], dtype=int32)
Z = np.arange(5)
2 << Z >> 2 # false
输出结果
array([0, 1, 2, 4, 8], dtype=int32)
Z = np.arange(5)
Z <- Z # legal
输出结果
array([False, False, False, False, False])
Z = np.arange(5)
1j*Z # legal
输出结果
array([0.+0.j, 0.+1.j, 0.+2.j, 0.+3.j, 0.+4.j])
Z = np.arange(5)
Z/1/1 # legal
输出结果
array([0., 1., 2., 3., 4.])
Z = np.arange(5)
#Z<Z>Z # false
28. 下列表达式的结果分别是什么?(★☆☆)
- np.array(0) / np.array(0)
- np.array(0) // np.array(0)
- np.array([np.nan]).astype(int).astype(float)
参考答案
#参考答案
np.array(0) / np.array(0)
输出结果
nan
np.array(0) // np.array(0)
输出结果
0
np.array([np.nan]).astype(int).astype(float)
输出结果
array([-2.14748365e+09])
29. 如何从零位对浮点数组做舍入 ? (★☆☆)
- (提示: np.uniform, np.copysign, np.ceil, np.abs)
#补充知识：np.copysign()
print(np.copysign(1.3, -1))
print("-----------")
print(1/np.copysign(0, 1))
print("-----------")
print(1/np.copysign(0, -1))
print("-----------")
print(np.copysign([-1, 0, 1], -1.1))
print("-----------")
print(np.copysign([-1, 0, 1], np.arange(3)-1))
输出结果
-1.3
-----------
inf
-----------
-inf
-----------
[-1. -0. -1.]
-----------
[-1. 0. 1.]
#补充知识：np.ceil()
a = np.array([-1.7, -1.5, -0.2, 0.2, 1.5, 1.7, 2.0])
np.ceil(a)
输出结果
array([-1., -1., -0., 1., 2., 2., 2.])
#补充知识：np.abs()
x = np.array([-1.2, 1.2])
print(abs(x))x = np.array([-1.2, 1.2])
print(np.absolute(x))
print(np.absolute(1.2 + 1j))
输出结果
[1.2 1.2]
[1.2 1.2]
1.5620499351813308
import matplotlib.pyplot as pltx = np.linspace(start=-10, stop=10, num=101)
plt.plot(x, np.absolute(x))
plt.show()xx = x + 1j * x[:, np.newaxis]
plt.imshow(np.abs(xx), extent=[-10, 10, -10, 10], cmap='gray')
plt.show()
array29 = np.random.random(5)
print(array29,type(array29))
print("-----------")
print(np.ceil(array29))
输出结果
[0.38875538 0.57606542 0.97401344 0.61982858 0.79914594] <class 'numpy.ndarray'>
-----------
[1. 1. 1. 1. 1.]
参考答案
Z = np.random.uniform(-10,+10,10)
print(Z)
print("-----------")
print(np.copysign(np.ceil(np.abs(Z)), Z))
输出结果
[-9.67597981 -0.36041212 6.07506503 -0.86278789 -5.98091448 6.42376061.43246588 3.03546255 -8.31970362 1.94764631]
-----------
[-10. -1. 7. -1. -6. 7. 2. 4. -9. 2.]
30. 如何找到两个数组中的共同元素? (★☆☆)
- (提示: np.intersect1d)
- np.intersect1d(ar1, ar2, assume_unique=False, return_indices=False)用法
np.intersect1d([1, 3, 4, 3], [3, 1, 2, 1])
输出结果
array([1, 3])
from functools import reduce
reduce(np.intersect1d, ([1, 3, 4, 3], [3, 1, 2, 1], [6, 3, 4, 2]))
输出结果
array([3])
x = np.array([1, 1, 2, 3, 4])
y = np.array([2, 1, 4, 6])
xy, x_ind, y_ind = np.intersect1d(x, y, return_indices=True)
xy,x_ind, y_ind
输出结果
(array([1, 2, 4]),array([0, 2, 4], dtype=int64),array([1, 0, 2], dtype=int64))
xy, x[x_ind], y[y_ind]
输出结果
(array([1, 2, 4]), array([1, 2, 4]), array([1, 2, 4]))
arr1 = np.array([1,2,3,4])
arr2 = np.array([4,5,6,7])
np.intersect1d(arr1,arr2)
输出结果
array([4])
参考答案
#参考答案
Z1 = np.random.randint(0,10,10)
Z2 = np.random.randint(0,10,10)
print(Z1,"\n-------\n",Z2,"\n-------")
print(np.intersect1d(Z1,Z2))
输出结果
[6 6 9 8 1 0 1 0 9 1]
-------[1 2 3 2 2 2 0 9 9 2]
-------
[0 1 9]
31. 如何忽略所有的 numpy 警告(尽管不建议这么做)? (★☆☆)
- (提示: np.seterr, np.errstate)
- np.seterr(all=None, divide=None, over=None, under=None, invalid=None)
- np.errstate(*,call=<numpy.core._ufunc_config._unspecified object at 0x000002444D7FCB20>,**kwargs,)
参考答案
# Suicide mode on
defaults = np.seterr(all="ignore")
Z = np.ones(1) / 0 # Back to sanity
_ = np.seterr(**defaults)#An equivalent way, with a context manager: with np.errstate(divide='ignore'): Z = np.ones(1) / 0
32. 下面的表达式是正确的吗? (★☆☆)
- (提示: imaginary number)
- np.sqrt(-1) == np.emath.sqrt(-1)
参考答案
np.sqrt(-1) == np.emath.sqrt(-1)
输出结果
False
33. 如何得到昨天，今天，明天的日期? (★☆☆)
- (提示: np.datetime64, np.timedelta64)
#np.datetime64(self, /, *args, **kwargs)print(np.datetime64(10, 'Y'))
print(np.datetime64(10, 'D'))
输出结果
1980
1970-01-11
#np.timedelta64(self, /, *args, **kwargs)
np.timedelta64(10)
输出结果
numpy.timedelta64(10)
参考答案
#参考答案
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))
输出结果
Yesterday is 2021-08-24
Today is 2021-08-25
Tomorrow is 2021-08-26
34. 如何得到所有与2016年7月对应的日期？ (★★☆)
- (提示: np.arange(dtype=datetime64[‘D’]))
参考答案
#参考答案
Z = np.arange('2016-07', '2016-08', dtype='datetime64[D]')
print(Z)
输出结果
['2016-07-01' '2016-07-02' '2016-07-03' '2016-07-04' '2016-07-05''2016-07-06' '2016-07-07' '2016-07-08' '2016-07-09' '2016-07-10''2016-07-11' '2016-07-12' '2016-07-13' '2016-07-14' '2016-07-15''2016-07-16' '2016-07-17' '2016-07-18' '2016-07-19' '2016-07-20''2016-07-21' '2016-07-22' '2016-07-23' '2016-07-24' '2016-07-25''2016-07-26' '2016-07-27' '2016-07-28' '2016-07-29' '2016-07-30''2016-07-31']
35. 如何直接在位计算(A+B)*(-A/2)(不建立副本)? (★★☆)
- (提示: np.add(out=), np.negative(out=), np.multiply(out=), np.divide(out=))
参考答案
A = np.ones(3)*1
B = np.ones(3)*2
C = np.ones(3)*3
print(A,B,C)
print("-----------")
print(np.add(A,B,out=B))
print("-----------")
print(A,B,C)
输出结果
[1. 1. 1.] [2. 2. 2.] [3. 3. 3.]
-----------
[3. 3. 3.]
-----------
[1. 1. 1.] [3. 3. 3.] [3. 3. 3.]
print(np.divide(A,2,out=A))
print("-----------")
print(A,B,C)
输出结果
[0.5 0.5 0.5]
-----------
[0.5 0.5 0.5] [3. 3. 3.] [3. 3. 3.]
print(np.negative(A,out=A))
print("-----------")
print(A,B,C)
输出结果
[-0.5 -0.5 -0.5]
-----------
[-0.5 -0.5 -0.5] [3. 3. 3.] [3. 3. 3.]
print(np.multiply(A,B,out=A))
print("-----------")
print(A,B,C)
输出结果
[-1.5 -1.5 -1.5]
-----------
[-1.5 -1.5 -1.5] [3. 3. 3.] [3. 3. 3.]
36. 用五种不同的方法去提取一个随机数组的整数部分(★★☆)
- (提示: %, np.floor, np.ceil, astype, np.trunc)
array36 = np.random.uniform(-10,+10,10)
print(array36)
输出结果
[ 6.16472162 -1.05905698 2.13578326 -3.65313804 7.49143151 -4.99765465-8.27078759 2.35452296 9.55808418 -1.5001378 ]
array36_1 = array36 - array36%1
array36_1
输出结果
array([ 6., -2., 2., -4., 7., -5., -9., 2., 9., -2.])
array36_2 = np.floor(array36)
array36_2
输出结果
array([ 6., -2., 2., -4., 7., -5., -9., 2., 9., -2.])
array36_3 = np.ceil(array36)
array36_3
输出结果
array([ 7., -1., 3., -3., 8., -4., -8., 3., 10., -1.])
#a.astype(dtype, order='K', casting='unsafe', subok=True, copy=True)
array36_4 = array36.astype(int)
array36_4
输出结果
array([ 6, -1, 2, -3, 7, -4, -8, 2, 9, -1])
array36_5 = np.trunc(array36)
array36_5
输出结果
array([ 6., -1., 2., -3., 7., -4., -8., 2., 9., -1.])
参考答案
#参考答案
Z = np.random.uniform(0,10,10)print (Z - Z%1)
输出结果
[2. 8. 9. 9. 5. 8. 4. 7. 0. 6.]
print (np.floor(Z))
输出结果
[2. 8. 9. 9. 5. 8. 4. 7. 0. 6.]
print (np.ceil(Z)-1)
输出结果
[2. 8. 9. 9. 5. 8. 4. 7. 0. 6.]
print (Z.astype(int))
输出结果
[2 8 9 9 5 8 4 7 0 6]
print (np.trunc(Z))
输出结果
[2. 8. 9. 9. 5. 8. 4. 7. 0. 6.]
37. 创建一个5x5的矩阵，其中每行的数值范围从0到4 (★★☆)
- (提示: np.arange)
参考答案
#参考答案
Z = np.zeros((5,5))
print(Z)
print("---------")
Z += np.arange(5)
print (Z)
输出结果
[[0. 0. 0. 0. 0.][0. 0. 0. 0. 0.][0. 0. 0. 0. 0.][0. 0. 0. 0. 0.][0. 0. 0. 0. 0.]]
---------
[[0. 1. 2. 3. 4.][0. 1. 2. 3. 4.][0. 1. 2. 3. 4.][0. 1. 2. 3. 4.][0. 1. 2. 3. 4.]]
38. 通过考虑一个可生成10个整数的函数，来构建一个数组(★☆☆)
- (提示: np.fromiter)
iterable = (x for x in np.random.randint(0,100,10))
np.fromiter(iterable, int)
输出结果
array([65, 92, 67, 31, 35, 54, 40, 14, 48, 46])
iterable = (x for x in range(10))
np.fromiter(iterable, int)
输出结果
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
参考答案
#参考答案
def generate():for x in range(10):yield x
Z = np.fromiter(generate(),dtype=float,count=-1)
print (Z)
输出结果
[0. 1. 2. 3. 4. 5. 6. 7. 8. 9.]
39. 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 (★★☆)
- (提示: np.linspace)
array39 = np.linspace(0,1,num=11,endpoint= False)[1:]
array39
输出结果
array([0.09090909, 0.18181818, 0.27272727, 0.36363636, 0.45454545,0.54545455, 0.63636364, 0.72727273, 0.81818182, 0.90909091])
参考答案
#参考答案
Z = np.linspace(0,1,11,endpoint=False)[1:]
print (Z)
输出结果
[0.09090909 0.18181818 0.27272727 0.36363636 0.45454545 0.545454550.63636364 0.72727273 0.81818182 0.90909091]
40. 创建一个长度为10的随机向量，并将其排序 (★★☆)
- (提示: sort)
array40 = np.random.randint(0,100,10)
print("array40向量为：\n",array40,"\n------------")
print("array40排序为：\n",np.sort(array40, axis=-1),"\n------------")
print("array40向量没有发生改变：\n",array40,"\n------------")array40.sort()
print("array40向量发生改变：\n",array40)
输出结果
array40向量为：[55 1 31 87 28 55 85 37 71 84]
------------
array40排序为：[ 1 28 31 37 55 55 71 84 85 87]
------------
array40向量没有发生改变：[55 1 31 87 28 55 85 37 71 84]
------------
array40向量发生改变：[ 1 28 31 37 55 55 71 84 85 87]
参考答案
Z = np.random.random(10)
Z.sort()
print(Z)
输出结果
[0.01108845 0.05596719 0.26378488 0.32935733 0.42652857 0.568065630.61323955 0.90232693 0.94617123 0.99070713]
41.对于一个小数组，如何用比 np.sum更快的方式对其求和？(★★☆)
- (提示: np.add.reduce)
array41 = np.random.randint(0,100,20).reshape(4,5)
print(array41,"\n------------")
print("np.sum求和：",np.sum(array41,axis = 0))
print("np.add.reduce求和：",np.add.reduce(array41))
输出结果
[[56 89 2 35 41][68 30 51 15 61][72 50 69 49 96][14 27 48 89 69]]
------------
np.sum求和： [210 196 170 188 267]
array([210, 196, 170, 188, 267])
参考答案
#参考答案
Z = np.arange(10)
np.add.reduce(Z)
输出结果
45
42. 对于两个随机数组A和B，检查它们是否相等(★★☆)
- (提示: np.allclose, np.array_equal)
#np.allclose(a, b, rtol=1e-05, atol=1e-08, equal_nan=False)
print(np.allclose([1e10,1e-7], [1.00001e10,1e-8]))
print(np.allclose([1e10,1e-8], [1.00001e10,1e-9]))
print(np.allclose([1e10,1e-8], [1.0001e10,1e-9]))
print(np.allclose([1.0, np.nan], [1.0, np.nan]))
print(np.allclose([1.0, np.nan], [1.0, np.nan], equal_nan=True))
输出结果
False
True
False
False
True
#np.array_equal(a1, a2, equal_nan=False)
print(np.array_equal([1, 2], [1, 2]))
print(np.array_equal(np.array([1, 2]), np.array([1, 2])))
print(np.array_equal([1, 2], [1, 2, 3]))
print(np.array_equal([1, 2], [1, 4]))a = np.array([1, np.nan])
print(np.array_equal(a, a))
print(np.array_equal(a, a, equal_nan=True))a = np.array([1 + 1j])
b = a.copy()
a.real = np.nan
b.imag = np.nan
print(np.array_equal(a, b, equal_nan=True))
输出结果
True
True
False
False
False
True
True
A = np.random.randint(0,100,5)
B = np.random.randint(0,100,5)
print(A,"\n------------\n",B,"\n------------")
print("A与B是否相等:",np.allclose(A,B))
print("A与B是否相等:",np.array_equal(A,B))
输出结果
[68 75 89 50 24]
------------[35 76 1 59 90]
------------
A与B是否相等: False
A与B是否相等: False
参考答案
#参考答案
A = np.random.randint(0,2,5)
B = np.random.randint(0,2,5)
# Assuming identical shape of the arrays and a tolerance for the comparison of values
equal = np.allclose(A,B)
print(equal)
输出结果
True
# 方法2
# Checking both the shape and the element values, no tolerance (values have to be exactly equal)
equal = np.array_equal(A,B)
print(equal)
输出结果
True
43. 创建一个只读数组(read-only) (★★☆)
- (提示: flags.writeable)
#参考答案
Z = np.zeros(10)
Z.flags.writeable = False
Z[0] = 1
44. 将笛卡尔坐标下的一个10x2的矩阵转换为极坐标形式(★★☆)
- (hint: np.sqrt, np.arctan2)
参考答案
#参考答案
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)
输出结果
[0.92221092 1.03210565 1.1226919 1.07363888 0.91806222 0.448338990.92030651 0.0995045 0.48589723 0.75119929]
[0.69468262 1.11817969 0.75553459 0.96033932 0.61850187 0.878915771.49597306 0.7527101 1.39087811 1.52194917]
45. 创建一个长度为10的向量，并将向量中最大值替换为1 (★★☆)
- (提示: argmax)
array45 = np.random.randint(0,100,10)
print("array45向量为：\n",array45)
array45[array45.argmax()] = 1
print("更改后为：\n",array45)
输出结果
array45向量为：[96 21 61 33 38 77 72 49 59 54]
更改后为：[ 1 21 61 33 38 77 72 49 59 54]
参考答案
Z = np.random.random(10)
Z[Z.argmax()] = 1
print (Z)
输出结果
[0.85538406 0.08771085 0.56525424 0.38459612 0.16379397 0.908914471. 0.12933557 0.84031549 0.31512573]
46. 创建一个结构化数组，并实现 x 和 y 坐标覆盖 [0,1]x[0,1] 区域 (★★☆)
- (提示: np.meshgrid)
#np.meshgrid(*xi, copy=True, sparse=False, indexing='xy')
nx, ny = (3, 2)
x = np.linspace(0, 1, nx)
y = np.linspace(0, 1, ny)
xv, yv = np.meshgrid(x, y)
print(xv)
print(yv)xv, yv = np.meshgrid(x, y, sparse=True) # make sparse output arrays
print(xv)
print(yv)
输出结果
[[0. 0.5 1. ][0. 0.5 1. ]]
[[0. 0. 0.][1. 1. 1.]]
[[0. 0.5 1. ]]
[[0.][1.]]
#`meshgrid` is very useful to evaluate functions on a grid.
import matplotlib.pyplot as plt
x = np.arange(-5, 5, 0.1)
y = np.arange(-5, 5, 0.1)
xx, yy = np.meshgrid(x, y, sparse=True)
z = np.sin(xx**2 + yy**2) / (xx**2 + yy**2)
h = plt.contourf(x,y,z)
plt.show()
参考答案
#参考答案
Z = np.zeros((5,5), [('x',float),('y',float)])
print(Z,"\n----------")
Z['x'], Z['y'] = np.meshgrid(np.linspace(0,1,5),np.linspace(0,1,5))
print(Z)
输出结果
[[(0., 0.) (0., 0.) (0., 0.) (0., 0.) (0., 0.)][(0., 0.) (0., 0.) (0., 0.) (0., 0.) (0., 0.)][(0., 0.) (0., 0.) (0., 0.) (0., 0.) (0., 0.)][(0., 0.) (0., 0.) (0., 0.) (0., 0.) (0., 0.)][(0., 0.) (0., 0.) (0., 0.) (0., 0.) (0., 0.)]]
----------
[[(0. , 0. ) (0.25, 0. ) (0.5 , 0. ) (0.75, 0. ) (1. , 0. )][(0. , 0.25) (0.25, 0.25) (0.5 , 0.25) (0.75, 0.25) (1. , 0.25)][(0. , 0.5 ) (0.25, 0.5 ) (0.5 , 0.5 ) (0.75, 0.5 ) (1. , 0.5 )][(0. , 0.75) (0.25, 0.75) (0.5 , 0.75) (0.75, 0.75) (1. , 0.75)][(0. , 1. ) (0.25, 1. ) (0.5 , 1. ) (0.75, 1. ) (1. , 1. )]]
47. 给定两个数组X和Y，构造Cauchy矩阵C (Cij =1/(xi - yj))
- (提示: np.subtract.outer)
参考答案
#参考答案
X = np.arange(8)
print(X,"\n----------")
Y = X + 0.5
print(Y,"\n----------")
C = 1.0 / np.subtract.outer(X, Y)
print(C,"\n----------")
print(np.linalg.det(C))
输出结果
[0 1 2 3 4 5 6 7]
----------
[0.5 1.5 2.5 3.5 4.5 5.5 6.5 7.5]
----------
[[-2. -0.66666667 -0.4 -0.28571429 -0.22222222 -0.18181818-0.15384615 -0.13333333][ 2. -2. -0.66666667 -0.4 -0.28571429 -0.22222222-0.18181818 -0.15384615][ 0.66666667 2. -2. -0.66666667 -0.4 -0.28571429-0.22222222 -0.18181818][ 0.4 0.66666667 2. -2. -0.66666667 -0.4-0.28571429 -0.22222222][ 0.28571429 0.4 0.66666667 2. -2. -0.66666667-0.4 -0.28571429][ 0.22222222 0.28571429 0.4 0.66666667 2. -2.-0.66666667 -0.4 ][ 0.18181818 0.22222222 0.28571429 0.4 0.66666667 2.-2. -0.66666667][ 0.15384615 0.18181818 0.22222222 0.28571429 0.4 0.666666672. -2. ]]
----------
3638.1636371179666
48. 打印每个numpy标量类型的最小值和最大值？ (★★☆)
- (提示: np.iinfo, np.finfo, eps)
#np.iinfo(int_type)
ii16 = np.iinfo(np.int16)
print(ii16.min,"\n----------\n",ii16.max)
输出结果
-32768
----------32767
ii32 = np.iinfo(np.int32)
print(ii32.min,"\n----------\n",ii32.max)
输出结果
-2147483648
----------2147483647
ii32 = np.iinfo(np.int32(10))
print(ii32.min,"\n----------\n",ii32.max)
输出结果
-2147483648
----------2147483647
#np.finfo(dtype)
参考答案
#参考答案
for dtype in [np.int8, np.int32, np.int64]:print(np.iinfo(dtype).min,"\n----------")print(np.iinfo(dtype).max,"\n----------")for dtype in [np.float32, np.float64]:print(np.finfo(dtype).min,"\n----------")print(np.finfo(dtype).max,"\n----------")print(np.finfo(dtype).eps,"\n----------")
输出结果
-128
----------
127
----------
-2147483648
----------
2147483647
----------
-9223372036854775808
----------
9223372036854775807
----------
-3.4028235e+38
----------
3.4028235e+38
----------
1.1920929e-07
----------
-1.7976931348623157e+308
----------
1.7976931348623157e+308
----------
2.220446049250313e-16
----------
49. 如何打印一个数组中的所有数值? (★★☆)
- (提示: np.set_printoptions)
#np.set_printoptions(precision=None,threshold=None,edgeitems=None,linewidth=None,
#suppress=None,nanstr=None,infstr=None,formatter=None,sign=None,floatmode=None,*,legacy=None,)
#控制输出的小数点个数是4
np.set_printoptions(precision=4)
np.array([1.123456789])
输出结果
array([1.1235])
#Long arrays can be summarised:
#控制输出的值的个数为6，其余以...代替
np.set_printoptions(threshold=5)
np.arange(10)
输出结果
array([0, 1, 2, ..., 7, 8, 9])
参考答案
#控制台输出所有的值，不需要省略号
#但是会报错，后续发现是这个方法应该是没有的
np.set_printoptions(threshold=np.nan)
np.arange(10)
- Python3使用np.set_printoptions(threshold=np.nan)引发错误解决方法
- 目的是把阀值调到足够大，能够显示任意长度的数组，因此只需要借助sys模块就可以实现
import numpy as np
import sys
np.set_printoptions(threshold=6)
Z = np.zeros((16,16))
print(Z) # 修改阀值
np.set_printoptions(threshold=sys.maxsize)
print(Z)
输出结果
[[0. 0. 0. ... 0. 0. 0.][0. 0. 0. ... 0. 0. 0.][0. 0. 0. ... 0. 0. 0.]...[0. 0. 0. ... 0. 0. 0.][0. 0. 0. ... 0. 0. 0.][0. 0. 0. ... 0. 0. 0.]]
[[0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.][0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.][0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.][0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.][0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.][0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.][0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.][0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.][0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.][0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.][0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.][0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.][0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.][0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.][0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.][0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]]
- precision : int, 可选，float输出的精度，即小数点后维数，默认8。
- threshold : int, 可选，当数组数目过大时，设置显示几个数字，其余用省略号。
- edgeitems : int, 可选，边缘数目，每个维度开始和结束时摘要中的数组项数，默认3
- linewidth : int, 可选，用于确定每行多少字符数后插入换行符，默认为75。
- suppress : bool, 可选，是否压缩由科学计数法表示的浮点数，默认False。
- nanstr : str, 可选，浮点非数字的字符串表示形式，默认nan
- infstr : str, 可选，浮点无穷大的字符串表示形式，默认inf
#Small results can be suppressed:eps = np.finfo(float).eps
x = np.arange(4.)
x**2 - (x + eps)**2
输出结果
array([-4.9304e-32, -4.4409e-16, 0.0000e+00, 0.0000e+00])
np.set_printoptions(suppress=True)
x**2 - (x + eps)**2
输出结果
array([-0., -0., 0., 0.])
#A custom formatter can be used to display array elements as desired:np.set_printoptions(formatter={'all':lambda x: 'int: '+str(-x)})
x = np.arange(3)
x
输出结果
array([int: 0, int: -1, int: -2])
# formatter gets reset
np.set_printoptions()
x
输出结果
array([0, 1, 2])
#To put back the default options, you can use:
np.set_printoptions(edgeitems=3, infstr='inf',linewidth=75, nanstr='nan', precision=8,suppress=False, threshold=1000, formatter=None)#Also to temporarily override options, use `printoptions` as a context manager:with np.printoptions(precision=2, suppress=True, threshold=5):np.linspace(0, 10, 10)
50. 给定标量时，如何找到数组中最接近标量的值？(★★☆)
- (提示: argmin)
#np.argmin(a, axis=None, out=None):返回的是最小值的索引
a = np.arange(6).reshape(2,3) + 10
print(a,"\n----------\n",np.argmin(a))
输出结果
[[10 11 12][13 14 15]]
----------0
np.argmin(a, axis=0)
输出结果
array([0, 0, 0], dtype=int64)
np.argmin(a, axis=1)
输出结果
array([0, 0], dtype=int64)
#Indices of the minimum elements of a N-dimensional array:ind = np.unravel_index(np.argmin(a, axis=None), a.shape)
ind
输出结果
(0, 0)
#返回的是最小值
a[ind]
输出结果
10
b = np.arange(6) + 10
b[4] = 10
b
输出结果
array([10, 11, 12, 13, 10, 15])
# Only the first occurrence is returned.
#多个最小值存在时只会
np.argmin(b)
输出结果
0
x = np.array([[4,2,3], [1,0,3]])
index_array = np.argmin(x, axis=-1)
# Same as np.min(x, axis=-1, keepdims=True)
np.take_along_axis(x, np.expand_dims(index_array, axis=-1), axis=-1)
输出结果
array([[2],[0]])
# Same as np.max(x, axis=-1)
np.take_along_axis(x, np.expand_dims(index_array, axis=-1), axis=-1).squeeze(axis=-1)
输出结果
array([2, 0])
参考答案
#参考答案
Z = np.arange(100)
print(Z,"\n------")
v = np.random.uniform(0,100)
print(v,"\n------")
index = (np.abs(Z-v)).argmin()
print (Z[index])
输出结果
[ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 2324 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 4748 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 7172 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 9596 97 98 99]
------
59.4391273262911
------
59
51. 创建一个表示位置(x,y)和颜色(r,g,b)的结构化数组(★★☆)
- (提示: dtype)
参考答案
#参考答案
Z = np.zeros(10, [ ('position', [ ('x', float, 1),('y', float, 1)]),('color', [ ('r', float, 1),('g', float, 1),('b', float, 1)])])
print (Z)
输出结果
[((0., 0.), (0., 0., 0.)) ((0., 0.), (0., 0., 0.))((0., 0.), (0., 0., 0.)) ((0., 0.), (0., 0., 0.))((0., 0.), (0., 0., 0.)) ((0., 0.), (0., 0., 0.))((0., 0.), (0., 0., 0.)) ((0., 0.), (0., 0., 0.))((0., 0.), (0., 0., 0.)) ((0., 0.), (0., 0., 0.))]
52. 对一个表示坐标形状为(100,2)的随机向量，找到点与点的距离(★★☆)
- (提示: np.atleast_2d, T, np.sqrt)
#np.atleast_2d(*arys)
np.atleast_2d(3.0)
输出结果
array([[3.]])
x = np.arange(3.0)
np.atleast_2d(x)
输出结果
array([[0., 1., 2.]])
np.atleast_2d(1, [1, 2], [[1, 2]])
输出结果
[array([[1]]), array([[1, 2]]), array([[1, 2]])]
参考答案
#参考答案
Z = np.random.random((10,2))
X,Y = np.atleast_2d(Z[:,0], Z[:,1])
D = np.sqrt( (X-X.T)**2 + (Y-Y.T)**2)
print (D)
输出结果
[[0. 0.29070406 0.32362647 0.67865678 0.83707011 0.359726060.38789831 0.60723344 0.30546822 0.45373561][0.29070406 0. 0.3434642 0.73829603 1.03383445 0.085859080.64530381 0.8612648 0.31446227 0.73726371][0.32362647 0.3434642 0. 0.3984726 0.71940814 0.425393810.44012903 0.62091165 0.02902795 0.58394142][0.67865678 0.73829603 0.3984726 0. 0.48782049 0.816600890.54621201 0.59527603 0.42716232 0.70240421][0.83707011 1.03383445 0.71940814 0.48782049 0. 1.119693360.48296815 0.33042144 0.74442429 0.55519457][0.35972606 0.08585908 0.42539381 0.81660089 1.11969336 0.0.72641834 0.94358782 0.39654632 0.81184913][0.38789831 0.64530381 0.44012903 0.54621201 0.48296815 0.726418340. 0.2195894 0.4499221 0.16062628][0.60723344 0.8612648 0.62091165 0.59527603 0.33042144 0.943587820.2195894 0. 0.63661968 0.23057319][0.30546822 0.31446227 0.02902795 0.42716232 0.74442429 0.396546320.4499221 0.63661968 0. 0.5896036 ][0.45373561 0.73726371 0.58394142 0.70240421 0.55519457 0.811849130.16062628 0.23057319 0.5896036 0. ]]
参考答案
# 方法2
# Much faster with scipy
import scipy
# Thanks Gavin Heverly-Coulson (#issue 1)
import scipy.spatial
D = scipy.spatial.distance.cdist(Z,Z)
print (D)
输出结果
[[0. 0.29070406 0.32362647 0.67865678 0.83707011 0.359726060.38789831 0.60723344 0.30546822 0.45373561][0.29070406 0. 0.3434642 0.73829603 1.03383445 0.085859080.64530381 0.8612648 0.31446227 0.73726371][0.32362647 0.3434642 0. 0.3984726 0.71940814 0.425393810.44012903 0.62091165 0.02902795 0.58394142][0.67865678 0.73829603 0.3984726 0. 0.48782049 0.816600890.54621201 0.59527603 0.42716232 0.70240421][0.83707011 1.03383445 0.71940814 0.48782049 0. 1.119693360.48296815 0.33042144 0.74442429 0.55519457][0.35972606 0.08585908 0.42539381 0.81660089 1.11969336 0.0.72641834 0.94358782 0.39654632 0.81184913][0.38789831 0.64530381 0.44012903 0.54621201 0.48296815 0.726418340. 0.2195894 0.4499221 0.16062628][0.60723344 0.8612648 0.62091165 0.59527603 0.33042144 0.943587820.2195894 0. 0.63661968 0.23057319][0.30546822 0.31446227 0.02902795 0.42716232 0.74442429 0.396546320.4499221 0.63661968 0. 0.5896036 ][0.45373561 0.73726371 0.58394142 0.70240421 0.55519457 0.811849130.16062628 0.23057319 0.5896036 0. ]]
53. 如何将32位的浮点数(float)转换为对应的整数(integer)?
- (提示: astype(copy=False))
参考答案
#参考答案
Z = np.arange(10, dtype=np.float32)
print(Z,type(Z),Z.dtype.name)
Z = Z.astype(np.int32, copy=False)
print(Z,type(Z),Z.dtype.name)
输出结果
[0. 1. 2. 3. 4. 5. 6. 7. 8. 9.] <class 'numpy.ndarray'> float32
[0 1 2 3 4 5 6 7 8 9] <class 'numpy.ndarray'> int32
54. 如何读取以下文件? (★★☆)
- (提示: np.genfromtxt)
- https://docs.scipy.org/doc/numpy-1.13.0/reference/generated/numpy.genfromtxt.html
参考答案
from io import StringIO
import numpy as np
#Comma delimited file with mixed dtype
s = StringIO(u"1,1.3,abcde")
data = np.genfromtxt(s, dtype=[('myint','i8'),('myfloat','f8'), ('mystring','S5')], delimiter=",")
data
输出结果
array((1, 1.3, b'abcde'),dtype=[('myint', '<i8'), ('myfloat', '<f8'), ('mystring', 'S5')])
#Using dtype = None
_ = s.seek(0) # needed for StringIO example only
data = np.genfromtxt(s, dtype=None,names = ['myint','myfloat','mystring'], delimiter=",")
data
输出结果
array((b'11.3abcde',), dtype=[('myint', 'S9')])
#Specifying dtype and names
_ = s.seek(0)
data = np.genfromtxt(s, dtype="i8,f8,S5",names=['myint','myfloat','mystring'], delimiter=",")
data
输出结果
array((1, 1.3, b'abcde'),dtype=[('myint', '<i8'), ('myfloat', '<f8'), ('mystring', 'S5')])
#An example with fixed-width columns
s = StringIO(u"11.3abcde")
data = np.genfromtxt(s, dtype=None, names=['intvar','fltvar','strvar'],delimiter=[1,3,5])
data
输出结果
array((1, 1.3, b'abcde'),dtype=[('intvar', '<i4'), ('fltvar', '<f8'), ('strvar', 'S5')])
#An example to show comments
f = StringIO('''text,# of charshello world,11numpy,5''')
np.genfromtxt(f, dtype='S12,S12', delimiter=',')
输出结果
array((b'text', b''), dtype=[('f0', 'S12'), ('f1', 'S12')])
55. 对于numpy数组，enumerate的等价操作是什么？(★★☆)
- (提示: np.ndenumerate, np.ndindex)
#enumerate(iterable, start=0)
array50 = np.random.random(10)
print(array50)
enumerate(array50)
输出结果
[0.83578624 0.16400743 0.52875841 0.26802722 0.91601738 0.266846250.18977961 0.80121331 0.47645511 0.9602076 ]
<enumerate at 0x1ad29a6c8c0>
#np.ndenumerate(arr)
a = np.array([[1, 2], [3, 4]])
for index, x in np.ndenumerate(a):print(index, x)
输出结果
(0, 0) 1
(0, 1) 2
(1, 0) 3
(1, 1) 4
#np.ndindex(*shape)
# dimensions as individual arguments
for index in np.ndindex(3, 2, 1):print(index)
输出结果
(0, 0, 0)
(0, 1, 0)
(1, 0, 0)
(1, 1, 0)
(2, 0, 0)
(2, 1, 0)
#same dimensions - but in a tuple (3, 2, 1)
for index in np.ndindex((3, 2, 1)):print(index)
(0, 0, 0)
(0, 1, 0)
(1, 0, 0)
(1, 1, 0)
(2, 0, 0)
(2, 1, 0)
参考答案
#参考答案
Z = np.arange(9).reshape(3,3)
for index, value in np.ndenumerate(Z):print (index, value)
输出结果
(0, 0) 0
(0, 1) 1
(0, 2) 2
(1, 0) 3
(1, 1) 4
(1, 2) 5
(2, 0) 6
(2, 1) 7
(2, 2) 8
for index in np.ndindex(Z.shape):print (index, Z[index])
输出结果
(0, 0) 0
(0, 1) 1
(0, 2) 2
(1, 0) 3
(1, 1) 4
(1, 2) 5
(2, 0) 6
(2, 1) 7
(2, 2) 8
56. 生成一个通用的二维Gaussian-like数组 (★★☆)
- (提示: np.meshgrid, np.exp)
参考答案
#参考答案
#np.meshgrid(*xi, copy=True, sparse=False, indexing='xy')
X, Y = np.meshgrid(np.linspace(-1,1,10), np.linspace(-1,1,10))
D = np.sqrt(X*X+Y*Y)
sigma, mu = 1.0, 0.0
G = np.exp(-( (D-mu)**2 / ( 2.0 * sigma**2 ) ) )
print (G)
输出结果
[[0.36787944 0.44822088 0.51979489 0.57375342 0.60279818 0.602798180.57375342 0.51979489 0.44822088 0.36787944][0.44822088 0.54610814 0.63331324 0.69905581 0.73444367 0.734443670.69905581 0.63331324 0.54610814 0.44822088][0.51979489 0.63331324 0.73444367 0.81068432 0.85172308 0.851723080.81068432 0.73444367 0.63331324 0.51979489][0.57375342 0.69905581 0.81068432 0.89483932 0.9401382 0.94013820.89483932 0.81068432 0.69905581 0.57375342][0.60279818 0.73444367 0.85172308 0.9401382 0.98773022 0.987730220.9401382 0.85172308 0.73444367 0.60279818][0.60279818 0.73444367 0.85172308 0.9401382 0.98773022 0.987730220.9401382 0.85172308 0.73444367 0.60279818][0.57375342 0.69905581 0.81068432 0.89483932 0.9401382 0.94013820.89483932 0.81068432 0.69905581 0.57375342][0.51979489 0.63331324 0.73444367 0.81068432 0.85172308 0.851723080.81068432 0.73444367 0.63331324 0.51979489][0.44822088 0.54610814 0.63331324 0.69905581 0.73444367 0.734443670.69905581 0.63331324 0.54610814 0.44822088][0.36787944 0.44822088 0.51979489 0.57375342 0.60279818 0.602798180.57375342 0.51979489 0.44822088 0.36787944]]
57. 对一个二维数组，如何在其内部随机放置p个元素? (★★☆)
- (提示: np.put, np.random.choice)
#np.put(a, ind, v, mode='raise')
a = np.arange(5)
np.put(a, [0, 2], [-44, -55])
a
输出结果
array([-44, 1, -55, 3, 4])
a = np.arange(5)
np.put(a, 22, -5, mode='clip')
a
输出结果
array([ 0, 1, 2, 3, -5])
#np.random.choice(a, size=None, replace=True, p=None)#Generate a uniform random sample from np.arange(5) of size 3:
print(np.random.choice(5, 3))#等价于np.random.randint(0,5,3)
print(np.random.randint(0,5,3))
输出结果
[4 0 1]
[4 3 0]
#Generate a non-uniform random sample from np.arange(5) of size 3:
np.random.choice(5, 3, p=[0.1, 0, 0.3, 0.6, 0])
array([3, 2, 3])
#Generate a uniform random sample from np.arange(5) of size 3 without
#replacement:
print(np.random.choice(5, 3, replace=False))#等价于np.random.permutation(np.arange(5))[:3]
print(np.random.permutation(np.arange(5))[:3])
输出结果
[3 4 1]
[4 0 1]
#Generate a non-uniform random sample from np.arange(5) of size
#3 without replacement:
np.random.choice(5, 3, replace=False, p=[0.1, 0, 0.3, 0.6, 0])
输出结果
array([2, 3, 0])
#Any of the above can be repeated with an arbitrary array-like
#instead of just integers. For instance:
aa_milne_arr = ['pooh', 'rabbit', 'piglet', 'Christopher']
np.random.choice(aa_milne_arr, 5, p=[0.5, 0.1, 0.1, 0.3])
输出结果
array(['rabbit', 'Christopher', 'pooh', 'pooh', 'pooh'], dtype='<U11')
100道练习带你玩转Numpy（附答案）相关推荐
- 【前端面试题】—21道有关移动端的面试题(附答案)
前端发展到今天,移动端的流量已经超越了PC端.比如对绝大部分人来说,每天使用手机上网的时间要远高于使用笔记本电脑.计算机的上网时间.因此移动端变得越来越重要.每个人的手机屏幕大小不同.系统不同,因此移 ...
- 【前端面试题】21道有关移动端的面试题(附答案)
[前端面试题]21道有关移动端的面试题(附答案) 前端发展到今天,移动端的流量已经超越了PC端.比如对绝大部分人来说,每天使用手机上网的时间要远高于使用笔记本电脑.计算机的上网时间.因此移动端变得越来 ...
- 【前端面试题】—53道常见NodeJS基础面试题（附答案）
说到前端就不得不提到后端,我们给用户展示页面所需的数据正是从后端获取的,所以了解后端的运行原理和技术的实现很有必要. Node. js是一个不错的选择,它是基于JavaScript语法的一套服务器端( ...
- 100道经典Hadoop常见面试/笔试题及答案解析
100道常见Hadoop面试/笔试题,都是带有答案解析的哦,各类题型都有,单选题.多选题.判断题和简单题,这是第一版,下周推出第二版,将会加入更多面试/笔试题. 1 单选题 1.1 下面哪个程序负责 ...
- 字节跳动10年经验，10W字228道软件测试经典面试题总结（附答案）
前言 最近有很多粉丝问我,有什么方法能够快速提升自己,通过阿里.腾讯.字节跳动.京东等互联网大厂的面试,我觉得短时间提升自己最快的手段就是背面试题,最近总结了软件测试常用的面试题,分享给大家,希望大家 ...
- 给出如下公式的python表达式7+9i+2xcos66_这100道练习，带你玩转Numpy
转自:Datawhale Numpy是Python做数据分析所必须要掌握的基础库之一.以下为入门Numpy的100题小练习,原为github上的开源项目,由和鲸社区的小科翻译并整理(保留了部分原文作为 ...
- [转载] 这100道练习，带你玩转Numpy
参考链接: Python程序使用numpy打印NxN的棋盘图案 Datawhale Datawhale,和鲸社区编辑 Numpy是Python做数据分析所必须要掌握的基础库之一.以下为入门Numpy的 ...
- 这100道练习，带你玩转Numpy
Datawhale Datawhale,和鲸社区编辑 Numpy是Python做数据分析所必须要掌握的基础库之一.以下为入门Numpy的100题小练习,原为github上的开源项目,由和鲸社区的小科翻 ...
- 50道练习带你玩转Pandas
作者:王大毛,和鲸社区 出处:https://www.kesci.com/home/project/5ddc974ef41512002cec1dca 修改:黄海广 Pandas 是基于 NumPy 的 ...
最新文章
- 2022-2028年中国四氟化碳产业研究及前瞻分析报告
- numpy.loadtxt()用法
- oracle：平均分大于78的女同学的学号、姓名、平均分
- 各种震撼的慢镜头，奇怪的知识又增加了！
- MongoDB新建或删除索引
- 4、Orcal数据库dmp文件导入
- 从Oracle数据库故障到AIX内存管理
- 精通版本之Subversion
- 山东财经大学计算机体系结构考试题,2016年山东财经大学计算机科学与技术学院数据库系统原理与程序设计复试笔试仿真模拟题...
- ubuntu无法安装usb驱动
- 双系统下修复grub
- Android Editable
- python语法学习第十天--魔法方法
- 方块方舟怎么自建服务器,方块方舟新版更新，玩家可自定义单机局域网数值
- docker端口映射后连不上的问题
- 初级使用xenu，windows10系统安装完无法运行
- Ruby ERB注入反序列化
- Python有道智云API图片文字识别
- Xcode更新的那些事儿
- Markdown之表格table的处理