玩转 Numpy 的精选习题_以下用于创建一个3×3的二维数组,其值域为0到8的语句是( )。 a(1)

本文链接：https://blog.csdn.net/2401_84239901/article/details/137995704

先自我介绍一下，小编浙江大学毕业，去过华为、字节跳动等大厂，目前阿里P7

深知大多数程序员，想要提升技能，往往是自己摸索成长，但自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年最新软件测试全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上软件测试知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

如果你需要这些资料，可以添加V获取：vip1024b （备注软件测试）

正文

25 ,下面表达式结果为：

print(np.array(0)/np.array(0))
print(np.array(0)//np.array(0))
print(np.array([np.nan]).astype(int).astype(float))

nan
0
[-2.14748365e+09]

16,创建一个 5*5 矩阵值为1，2，3，4在对角线的下方

Z = np.diag(1+np.arange(4),k = -1)
print(Z)

[[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]]

26, 将一个浮点数组从0舍入

Z = np.random.uniform(-10,+10,10)
print(Z)
print(np.copysign(np.ceil(np.abs(Z)),Z))

[-8.9433086 -1.94558017 5.09831429 0.75843992 -2.57004218 -3.68920573
-2.23238395 -6.75331705 3.62935401 -2.37852371]
[-9. -2. 6. 1. -3. -4. -3. -7. 4. -3.]

27，找到两个数组的共有元素；

Z1 = np.random.randint(0,10,10)
Z2 = np.random.randint(0,10,10)
print(np.intersect1d(Z1,Z2))

[0 1 4 6 7 8]

28,怎样返回昨天、今天、明天；

yes = np.datetime64(“today”) - np.timedelta64(1)
tod = np.datetime64(“today”)
tom = np.datetime64(“today”) + np.timedelta64(1)

print(yes)
print(tod)
print(tom)

2020-06-30
2020-07-01
2020-07-02

29，返回，19年2月份的所有日期

Z = np.arange(‘2019-02’,‘2019-03’,dtype = ‘datetime64[D]’)
print(Z)

[‘2019-02-01’ ‘2019-02-02’ ‘2019-02-03’ ‘2019-02-04’ ‘2019-02-05’
‘2019-02-06’ ‘2019-02-07’ ‘2019-02-08’ ‘2019-02-09’ ‘2019-02-10’
‘2019-02-11’ ‘2019-02-12’ ‘2019-02-13’ ‘2019-02-14’ ‘2019-02-15’
‘2019-02-16’ ‘2019-02-17’ ‘2019-02-18’ ‘2019-02-19’ ‘2019-02-20’
‘2019-02-21’ ‘2019-02-22’ ‘2019-02-23’ ‘2019-02-24’ ‘2019-02-25’
‘2019-02-26’ ‘2019-02-27’ ‘2019-02-28’]

30 ,怎样计算 ((A+B)*(-A/2))

A = np.ones(3)*1
B = np.ones(3)*2
C = np.ones(3) *3
np.add(A,B,out=A)
np.divide(A,2,out = -A)
np.negative(A,out =A)
np.multiply(A,B,out = A)

array([-6., -6., -6.])

31，取出随机数组的正数部分的整数部分

Z = np.random.uniform(0,10,10)

print(np.floor(Z))

[5. 8. 7. 7. 4. 4. 7. 7. 7. 1.]

32，创见5*5 矩阵，行值为0-4；

Z = np.zeros((5,5))
Z += np.arange(5)
print(Z)

[[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.]]

33，构建一个生成函数生成10个整数，并转换为数组

def generate():
for x in range(10):
yield x
Z = np.fromiter(generate(),dtype =float,count = -1)
print(Z)Z = np.zeros((5,5))
Z += np.arange(5)
print(Z)

[0. 1. 2. 3. 4. 5. 6. 7. 8. 9.]

34 ，创建一个10个元素大小的数组，值为0-1

Z = np.linspace(0,1,11,endpoint = False)[1:]
Z

array([0.09090909, 0.18181818, 0.27272727, 0.36363636, 0.45454545,
0.54545455, 0.63636364, 0.72727273, 0.81818182, 0.90909091])

35，判断两个随机数组，是否相等；

A = np.random.randint(0,2,5)
B = np.random.randint(0,2,5)

equal = np.array_equal(A,B)
print(equal)

False

37，10*2 的随机矩阵，由笛卡尔坐标转化为极坐标

Z = np.random.random((10,2))
X,Y = Z[:,1],Z[:,1]
R = np.sqrt(X**2+Y**2)
T = np.arctan2(Y,X)
print®
print(T)

[0.12396673 1.09640358 0.60171085 0.93054782 0.05433122 0.88863367
0.10389402 0.45757275 0.53011318 0.17896545]
[0.78539816 0.78539816 0.78539816 0.78539816 0.78539816 0.78539816
0.78539816 0.78539816 0.78539816 0.78539816]

38，创建一个10大小的随机向量，把最大值取为0

Z = np.random.random(10)
Z[Z.argmax()] = 0
Z

array([0.49363055, 0.03622898, 0.19958785, 0.1625108 , 0. ,
0.88062849, 0.27145883, 0.42484903, 0.62000329, 0.41577207])

39，给两个数据组，构造为柯西矩阵(CIJ = 1/(xi-yj))

X = np.arange(8)
Y = X+0.5
C = 1.0/np.subtract.outer(X,Y)
print(np.linalg.det©)

3638.1636371179666

40，在一个一维数组中找到与给定值最近的值

Z = np.arange(100)
v = np.random.uniform(0,100)
print(v)
index = (np.abs(Z-v)).argmin()
print(Z[index])

14.763688219125658
15

玩转 Numpy 的精选习题 (三)

推送的 20 道题目是比较难的，里面会用到一些不常用的函数，例如 np.bincount()、np.atleast_2d()、np.genfromtxt()，但仔细琢磨的话问题都不大

这 20 道解题步骤中虽然大部分都是一些常见函数，但用的是都是一些进阶语法，有时解一道题需要多个函数混合在一起使用，需要仔细思考它的用法

41，打印一个数组中所有值

np.set_printoptions(threshold =float(‘inf’))
Z = np.zeros((16,16))
print(Z)
//

42，给定一个标量，在一个向量中找到值最近的元素值

42，在向量元素中找离指定元素最近的值：

Z = np.arange(100)
v = np.random.uniform(0,100)
index = (np.abs(Z-v)).argmin()
print(Z[index])

43，建立一个结构数组，来表示一个坐标和 RGB 编码

Z =np.zeros(10,
[(‘position’,[(‘x’,float,1),
(‘y’,float,1)]),
(‘color’,[(‘r’,float,1),
(‘g’,float,1),
(‘b’,float,1)])])

print(Z)

[((0., 0.), (0., 0., 0.)) ((0., 0.), (0., 0., 0.))
((0., 0.), (0., 0., 0.)) ((0., 0.), (0., 0., 0.))
((0., 0.), (0., 0., 0.)) ((0., 0.), (0., 0., 0.))
((0., 0.), (0., 0., 0.)) ((0., 0.), (0., 0., 0.))
((0., 0.), (0., 0., 0.)) ((0., 0.), (0., 0., 0.))]

44，指定一个100*2的向量矩阵，代表点的坐标，计算矩阵中点到点之间的距离

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)
D

array([[0. , 0.98633439, 0.72167275, 0.90188932, 0.13230666,
0.74692975, 0.06223381, 0.60174661, 0.95391954, 0.92008742],
[0.98633439, 0. , 0.77985879, 0.1631969 , 0.90583532,
0.30879931, 0.92419607, 0.39486349, 1.00587334, 1.0537349 ],
[0.72167275, 0.77985879, 0. , 0.61879559, 0.7580086 ,
0.48464973, 0.68199994, 0.65207576, 0.28058449, 0.2957362 ],
[0.90188932, 0.1631969 , 0.61879559, 0. , 0.83909907,
0.1681398 , 0.83995416, 0.35751067, 0.84286462, 0.89058005],
[0.13230666, 0.90583532, 0.7580086 , 0.83909907, 0. ,
0.69570875, 0.10653016, 0.51251781, 1.01061853, 0.98608667],
[0.74692975, 0.30879931, 0.48464973, 0.1681398 , 0.69570875,
0. , 0.68572148, 0.27153623, 0.73491355, 0.77182869],
[0.06223381, 0.92419607, 0.68199994, 0.83995416, 0.10653016,
0.68572148, 0. , 0.54051085, 0.9237499 , 0.89448777],
[0.60174661, 0.39486349, 0.65207576, 0.35751067, 0.51251781,
0.27153623, 0.54051085, 0. , 0.9285785 , 0.94720901],
[0.95391954, 1.00587334, 0.28058449, 0.84286462, 1.01061853,
0.73491355, 0.9237499 , 0.9285785 , 0. , 0.08212287],
[0.92008742, 1.0537349 , 0.2957362 , 0.89058005, 0.98608667,
0.77182869, 0.89448777, 0.94720901, 0.08212287, 0. ]])

45，将 float32 转化为 int 32

Z = (np.random.rand(10)*100).astype(np.float32)
Y = Z.view(np.int32)
Y[:] = Z
Y

[ 3 71 47 23 57 54 67 1 76 6]

46，读取下面文本并转化为二维 array

from io import StringIO

s = StringIO(‘’‘1, 2, 3, 4, 5
6, , , 7, 8
, , 9,10,11’‘’)
Z =np.genfromtxt(s,delimiter = “,”,dtype = np.int)
print(Z)

[[ 1 2 3 4 5]
[ 6 -1 -1 7 8]
[-1 -1 9 10 11]]

47，Numpy 中数组枚举的表示方法

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])

48，建立一个二维高斯数组

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)

[[0.36787944 0.44822088 0.51979489 0.57375342 0.60279818 0.60279818
0.57375342 0.51979489 0.44822088 0.36787944]
[0.44822088 0.54610814 0.63331324 0.69905581 0.73444367 0.73444367
0.69905581 0.63331324 0.54610814 0.44822088]
[0.51979489 0.63331324 0.73444367 0.81068432 0.85172308 0.85172308
0.81068432 0.73444367 0.63331324 0.51979489]
[0.57375342 0.69905581 0.81068432 0.89483932 0.9401382 0.9401382
0.89483932 0.81068432 0.69905581 0.57375342]
[0.60279818 0.73444367 0.85172308 0.9401382 0.98773022 0.98773022
0.9401382 0.85172308 0.73444367 0.60279818]
[0.60279818 0.73444367 0.85172308 0.9401382 0.98773022 0.98773022
0.9401382 0.85172308 0.73444367 0.60279818]
[0.57375342 0.69905581 0.81068432 0.89483932 0.9401382 0.9401382
0.89483932 0.81068432 0.69905581 0.57375342]
[0.51979489 0.63331324 0.73444367 0.81068432 0.85172308 0.85172308
0.81068432 0.73444367 0.63331324 0.51979489]
[0.44822088 0.54610814 0.63331324 0.69905581 0.73444367 0.73444367
0.69905581 0.63331324 0.54610814 0.44822088]
[0.36787944 0.44822088 0.51979489 0.57375342 0.60279818 0.60279818
0.57375342 0.51979489 0.44822088 0.36787944]]

49，在二维数组中随机放置 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)

[[0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]
[0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]
[0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]
[0. 0. 0. 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. 0. 0.]
[0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]
[0. 0. 0. 0. 0. 0. 0. 0. 0. 1.]
[0. 0. 0. 1. 0. 0. 0. 0. 0. 0.]
[0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]]

50，矩阵减去每一行的平均值

X = np.random.rand(5,10)
Y = X - X.mean(axis =1,keepdims = True)

#Y = X -X.mean(axis=1).reshape(-1,1)
print(Y)

[[-0.2854325 0.20882031 0.35568196 0.18316993 -0.40776416 -0.30312722
0.07405133 0.35347259 -0.09991147 -0.07896078]
[ 0.04400539 -0.12949299 0.43078155 0.10710735 0.35645354 -0.43201896
0.1102518 -0.11709654 0.01395583 -0.38394697]
[-0.07116609 -0.09382485 0.02956884 -0.29241189 -0.05337575 -0.24354029
0.28228751 0.28369777 -0.22918485 0.3879496 ]
[ 0.34436033 0.29003034 -0.21067108 -0.09945774 0.0428871 -0.17125693
-0.28001421 0.40165161 -0.03741505 -0.28011437]
[ 0.32963488 -0.03061654 -0.36657671 -0.05771164 -0.35016734 0.27941279
0.19521001 0.44803322 -0.31404906 -0.13316961]]

51，以某一列对整个数组的行进行排序

Z = np.random.randint(0,10,(3,3))
print(Z[Z[:,1].argsort()])

[[3 4 8]
[1 5 2]
[2 8 2]]

52，判断一个2D数组，是否含有空列

Z = np.random.randint(0,3,(3,10))
print((~Z.any(axis = 0)).any())

True

53，在数组中找到给定值的最近值

Z = np.random.uniform(0,1,10)
z = 0.5
m = Z.flat[np.abs(Z-z).argmin()]
print(m)

0.507763391604458

54，给定两个二维数组维度分别为 13，31；利用迭代器计算他们的和

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])

[[0 1 2]
[1 2 3]
[2 3 4]]

55，基于索引列表 I ，对应权重 X，进行加权计算得到F

需要注意一下，这里用到 np.bincount() 函数，只有一个参数时，返回一个数组表示每个元素出现的次数；如果设置两个参数则会涉及到加权运算，理解方面比较困难，建议查阅一下官方文档

X = [1,2,3,4,5,6]
I = [1,3,9,3,4,1]
F = np.bincount(I,X)
print(F)

[0. 7. 0. 6. 5. 0. 0. 0. 0. 3.]

56，给定一个图片像素数组（w,h,3）,计算其中唯一颜色数量

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] # color RGB 进行编码
n = len(np.unique(F))
print(n)

57，给定一个四维数组，同时计算最后轴元素之和

A = np.random.randint(0,10,(3,4,3,4))
sum = A.sum(axis = (-2,-1))# 计算最后两列；
print(sum)

second solutions

sum = A.reshape(A.shape[:-2]+(-1,)).sum(axis = -1)

[[62 59 48 61]
[53 59 45 48]
[50 56 71 60]]

58，给定一维数组D，通过相同维度向量 S ，通过自己索引来计算子集D 的平均值

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)

[0.50247673 0.43057174 0.54440853 0.60862306 0.61939138 0.6184843
0.57271125 0.49704534 0.52671729 0.4849897 ]