最后
🍅 硬核资料:关注即可领取PPT模板、简历模板、行业经典书籍PDF。
🍅 技术互助:技术群大佬指点迷津,你的问题可能不是问题,求资源在群里喊一声。
🍅 面试题库:由技术群里的小伙伴们共同投稿,热乎的大厂面试真题,持续更新中。
🍅 知识体系:含编程语言、算法、大数据生态圈组件(Mysql、Hive、Spark、Flink)、数据仓库、Python、前端等等。
网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!
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。
‘’’
遇到问题没人解答?小编创建了一个Python学习交流QQ群:778463939
寻找有志同道合的小伙伴,互帮互助,群里还有不错的视频学习教程和PDF电子书!
‘’’
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。
‘’’
遇到问题没人解答?小编创建了一个Python学习交流QQ群:778463939
寻找有志同道合的小伙伴,互帮互助,群里还有不错的视频学习教程和PDF电子书!
‘’’
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。
‘’’
遇到问题没人解答?小编创建了一个Python学习交流QQ群:778463939
寻找有志同道合的小伙伴,互帮互助,群里还有不错的视频学习教程和PDF电子书!
‘’’
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:
‘’’
遇到问题没人解答?小编创建了一个Python学习交流QQ群:778463939
寻找有志同道合的小伙伴,互帮互助,群里还有不错的视频学习教程和PDF电子书!
‘’’
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 x
else:
return y
pair_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。
‘’’
遇到问题没人解答?小编创建了一个Python学习交流QQ群:778463939
寻找有志同道合的小伙伴,互帮互助,群里还有不错的视频学习教程和PDF电子书!
‘’’
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。
‘’’
遇到问题没人解答?小编创建了一个Python学习交流QQ群:778463939
寻找有志同道合的小伙伴,互帮互助,群里还有不错的视频学习教程和PDF电子书!
‘’’
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。
‘’’
遇到问题没人解答?小编创建了一个Python学习交流QQ群:778463939
寻找有志同道合的小伙伴,互帮互助,群里还有不错的视频学习教程和PDF电子书!
‘’’
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])
最后
Python崛起并且风靡,因为优点多、应用领域广、被大牛们认可。学习 Python 门槛很低,但它的晋级路线很多,通过它你能进入机器学习、数据挖掘、大数据,CS等更加高级的领域。Python可以做网络应用,可以做科学计算,数据分析,可以做网络爬虫,可以做机器学习、自然语言处理、可以写游戏、可以做桌面应用…Python可以做的很多,你需要学好基础,再选择明确的方向。这里给大家分享一份全套的 Python 学习资料,给那些想学习 Python 的小伙伴们一点帮助!
👉Python所有方向的学习路线👈
Python所有方向的技术点做的整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照上面的知识点去找对应的学习资源,保证自己学得较为全面。
👉Python必备开发工具👈
工欲善其事必先利其器。学习Python常用的开发软件都在这里了,给大家节省了很多时间。
👉Python全套学习视频👈
我们在看视频学习的时候,不能光动眼动脑不动手,比较科学的学习方法是在理解之后运用它们,这时候练手项目就很适合了。
👉实战案例👈
学python就与学数学一样,是不能只看书不做题的,直接看步骤和答案会让人误以为自己全都掌握了,但是碰到生题的时候还是会一筹莫展。
因此在学习python的过程中一定要记得多动手写代码,教程只需要看一两遍即可。
👉大厂面试真题👈
我们学习Python必然是为了找到高薪的工作,下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料,并且有阿里大佬给出了权威的解答,刷完这一套面试资料相信大家都能找到满意的工作。
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!