实验二 Numpy库的运用

Numpy库的运用

目录

Numpy库的运用

一、实验目的和要求

二、实验内容

三、实验步骤

四、实验结果

五、注意事项

---

一、实验目的和要求

（1）使用Numpy库创建数组对象。

（2）对创建的数组对象进行访问、运算、操作、转置。

（3） 能够熟练使用Numpy创建数组对象，并对对创建的数组对象进行访问、运算、操作、转置。

二、实验内容

（1）创建一个10*10的ndarray对象，且矩阵边界全为1，里面全为0；

（2）创建一个代表国际象棋棋盘的8*8数组，其中棋盘的白格用0填充，棋盘黑格用1填充

（3）平面上有100个点，求任意两点间的欧式距离，并将其保存；

提示：使用np.linspace（）函数； n=100

For i in range(n)

   X[i] = i

(xi,yi) (xj,yj)

Dist[i][j]**2= (xi-xj)**2 + (yi-yj)**2

三、实验步骤

任务一：

1.导包numpy

2.创建一个10*10且全为0的二维数组

3.将ndarray的第一行（索引为0的行）的所有元素设置为1。

   将ndarray的最后一列（索引为9的列）的所有元素设置为1。

   将ndarray的第一列（索引为0的列）的所有元素设置为1。

   将ndarray的最后一行（索引为9的行）的所有元素设置为1。

4. 输出修改后的ndarray。

源码：

import numpy as np
ndarray= np.zeros((10,10), dtype =int)
ndarray[0,:]=1
ndarray[:,9]=1
ndarray[:,0]=1
ndarray[9,:]=1
print(ndarray)

任务二：

1. 导入NumPy库

2. 创建一个8x8的二维数组（即棋盘），并将所有元素初始化为0

3. 使用两个嵌套的for循环来遍历棋盘的每一个位置（即每一个格子）。对于每个位置，计算其行索引和列索引的和（i + j），然后检查这个和是否是偶数。如果是偶数，就将该位置的值设置为1，表示这是一个黑格

4.输出棋盘

源码：

import numpy as np  
chessboard = np.zeros((8, 8), dtype=int)  
for i in range(8):  
    for j in range(8):  
        if (i + j) % 2 == 0:  
            chessboard[i, j] = 1  
print(chessboard)

任务三：

1. 使用NumPy的linspace函数生成一个包含100个元素的数组，这些元素从0均匀增加到100。然后将这个数组赋值给x和y

2. 初始化一个100x100的二维数组dis，所有元素都设置为0，用于保存任意两点之间的距离。

3. 使用两个嵌套的for循环来遍历所有的点对。对于每一对点(i, j)，计算它们的欧式距离

4. 输出得到的距离矩阵dis。

源码：

x=y=np.linspace(0,100,100)
dis=np.zeros([100,100])
for i in range(100):
    for j in range(100):
        dis[j,i]=((x[j]-x[i])**2+(y[j]-y[i])**2)**0.5
print(dis)

四、实验结果

任务一：

任务二：

任务三：

五、注意事项

1. 在创建10*10的ndarray对象时，要确保边界元素被正确设置为1，内部元素被正确设置为0。

2. 在创建国际象棋棋盘时，要注意利用行索引和列索引之和的奇偶性来判断白格和黑格。

3. 在计算距离时，要注意循环变量的使用，避免索引越界。

4. 任务三矩阵的索引是[j,i]而不是[i,j]，这意味着矩阵dis存储的是距离矩阵的转置。  

5．任务三 由于所有的点都位于同一条直线上，实际上y坐标并没有为距离计算提供任何新的信息。这意味着，尽管使用了x和y两个坐标，但计算出的距离实际上只与x坐标（或y坐标，因为它们是相同的）的差有关。因此，在这种情况下，距离矩阵将是一个对称矩阵，其值仅取决于点对的x坐标（或y坐标）之差。