目录
2.建立一个一维数组 a，初始化为[4,5,6]，写出如下代码：
(1)输出a 的类型（type） (2)输出a的各维度的大小（shape） (3)输出 a的第一个元素（值为4）
3.建立一个二维数组 b,初始化为 [ [4, 5, 6],[1, 2, 3]]
(1)输出各维度的大小（shape） (2)输出 b(0,0)，b(0,1),b(1,1) 这三个元素（对应值分别为4,5,2）
（1）创建一个值域范围从10到49的向量数组 （2）创建一个0-8的数组，并变形为3行3列 （3）创建一个5x5的单位矩阵，右上方第2条对角线全“1”其余全“0”
(1)建立一个数组 a,值为([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]] ) (2)输出下标为(2,3),(0,0) 这两个数组元素的值
7.把上题二维数组a的最后两行所有元素放到 c中，写出如下代码（提示：a[x:y]）
(1)输出 c (2)输出 c 中第一行的最后一个元素（提示，使用 -1 表示最后一个元素）
8.建立数组a,初始化a为[[1, 2], [3, 4], [5, 6]]，使用print(a[[，，], [，，]])形式输出（0,0）（1,1）（2,0）这三个元素，写出代码
9.对上题中输出的那3个元素，每个都加上10，然后输出矩阵a看一下结果，写出代码和结果
11.利用上题中的x，y，写出 x*y , np.multiply(x, y)和np.dot(x,y)的结果,并比较差异。
13.利用前题目中的x,y, 比较x.dot(y) 和y.dot(x)的区别。
15.利用前题目中的 x,进行求平均数。提示：输出三种平均数
(1)print( np.mean(x) ) (2)print( np.mean(x,axis = 0) ) (3) print( np.mean(x,axis =1) )
16.利用前题目中的x，对x 进行矩阵转置，然后输出转置后的结果
17.利用pyplot库画折线图，横坐标x = np.arange(0, 100, 0.1) ，纵坐标y=x*x，写出代码。
20.创建一个长度为10的随机向量，并将其排序，然后输出。写出代码
21.如何将10个32位的整数数组(integer)转换为对应的浮点数数组(float)?
24.数组维度显示以及维度转换操作1）已知test = [1200, 1300, 1400]，请使用numpy将其转换为一维数组，并输出显示。 2）输出该数组的维度，然后将其转化为三行的二维数组。
1）生成1到24之间的6行4列的2维数组，并输出显示。 2）访问该数组中第0行的数据元素，前三行数据元素，第1行第2列中的元素，对该数组进行转置。
29.（1）求数组[[1,2,3],[4,5,6],[7,8,9]]的按行累加和，写出计算代码和结果
（2）求数组[[1,2,3],[4,5,6],[7,8,9]]的按列累加和，写出计算代码和结果
（3）求数组[[1,2,3],[4,5,6],[7,8,9]]的按行累积，写出计算代码和结果
（4）求数组[[1,2,3],[4,5,6],[7,8,9]]的按列累积，写出计算代码和结果
1.写出导入numpy库，命名为np的代码
import numpy as np2.建立一个一维数组 a，初始化为[4,5,6]，写出如下代码：
(1)输出a 的类型（type） (2)输出a的各维度的大小（shape） (3)输出 a的第一个元素（值为4）
import numpy as np
a=np.array([4,5,6])
print(type(a))
print(np.shape(a))
print(a[0])3.建立一个二维数组 b,初始化为 [ [4, 5, 6],[1, 2, 3]]
(1)输出各维度的大小（shape） (2)输出 b(0,0)，b(0,1),b(1,1) 这三个元素（对应值分别为4,5,2）
import numpy as np
b=np.array([[4,5,6],[1,2,3]])
print(np.shape(b))
row_index=[0,0,1]
col_index=[0,1,1]
al=b[row_index,col_index]
print('b(0,0):{}'.format(al[0]))
print('b(0,1):{}'.format(al[1]))
print('b(1,1):{}'.format(al[2]))4.按照下列要求创建数组，写出相应代码
(1)产生一个全0数组a, 大小为 3x3; 类型为整型（提示: dtype = int） (2)产生一个全1数组b,大小为4x5 (3)产生一个单位矩阵c ,大小为4x4 (4)产生一个随机整数数组d,大小为 3x2，取值范围为1到10 (5)产生一个2行3列均匀分布随机数组e，取值范围为[0-100] (6)产生一个3行3列标准正态分布随机数组f (7)产生一个5行3列的均值为10，标准差为10的正太分布数组g; 并输入实际均值和标准差。 (8)选择一个10以内的随机整数 (9)产生一个 10x10 的随机数组并找到它的最大值和最小值
import numpy as np
#(1)
a=np.zeros(shape=(3,3),dtype=int)
print(a)
#(2)
b=np.ones(shape=(4,5),dtype=int)
print(b)
#(3)
c=np.eye(4,order='c')
print(c)
#(4)
rand=np.random.default_rng()
d=rand.integers(1,10,size=(3,2))
print(d)
#(5)
e=rand.uniform(0,100,size=(2,3))
print(e)
#(6)
f=rand.normal(size=(3,3))
print(f)
#(7)
g=rand.uniform(10,10,size=(5,3))
print(g)
#(8)
print(rand.choice(10))
#(9)
i=rand.integers(1,100,size=(10,10))
print(i)
print(f'最大为{i.max()}，最小为{i.min()}')5.按照下列要求创建数组，写出如下代码
（1）创建一个值域范围从10到49的向量数组 （2）创建一个0-8的数组，并变形为3行3列 （3）创建一个5x5的单位矩阵，右上方第2条对角线全“1”其余全“0”
import numpy as np
#(1)
rand=np.random.default_rng()
array_1=np.arange(10,50)
print(array_1)
#(2)
array_2=np.array(np.arange(0,9))
array_3=array_2.reshape((3,3))
print(array_3)
#(3)
array_4=np.eye(5)
row_index_2=[[0,1,2,3]]
col_index_2=[[1,2,3,4]]
row_index_1=[[0,1,2,3,4]]
col_index_1=[[0,1,2,3,4]]
array_4[row_index_1,col_index_1]=0
array_4[row_index_2,col_index_2]=1
print(array_4)6.写出如下代码
(1)建立一个数组 a,值为([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]] ) (2)输出下标为(2,3),(0,0) 这两个数组元素的值
import numpy as np
#(1)
array=np.array(np.arange(1,13))
a=array.reshape((3,4))
print(a)
#(2)
print(a[2,3],a[0,0])7.把上题二维数组a的最后两行所有元素放到 c中，写出如下代码（提示：a[x:y]）
(1)输出 c (2)输出 c 中第一行的最后一个元素（提示，使用 -1 表示最后一个元素）
import numpy as np
array=np.array(np.arange(1,13))
a=array.reshape((3,4))
c=a[1:3]
print(c)
print(c[-1][-1])8.建立数组a,初始化a为[[1, 2], [3, 4], [5, 6]]，使用print(a[[，，], [，，]])形式输出（0,0）（1,1）（2,0）这三个元素，写出代码
import numpy as np
a=np.array([[1, 2],
[3, 4],
[5, 6]])
print(a[[0,1,2],[0,1,0]])9.对上题中输出的那3个元素，每个都加上10，然后输出矩阵a看一下结果，写出代码和结果
import numpy as np
a=np.array([[1, 2],
[3, 4],
[5, 6]])
a[[0,1,2],[0,1,0]]+=10
print(a)10.执行 x = np.array([[1, 2], [3, 4]], dtype=np.float64) ，y = np.array([[5, 6], [7, 8]], dtype=np.float64)。请问x+y ,和 np.add(x,y)的结果是多少？ 并对x+y 与 np.add(x,y)的结果进行比较，结果为什么？
import numpy as np
x = np.array([[1, 2], [3, 4]],dtype=np.float64)
y = np.array([[5, 6], [7, 8]], dtype=np.float64)
print(x+y)
print(np.add(x,y))11.利用上题中的x，y，写出 x*y , np.multiply(x, y)和np.dot(x,y)的结果,并比较差异。
import numpy as np
x = np.array([[1, 2], [3, 4]],dtype=np.float64)
y = np.array([[5, 6], [7, 8]], dtype=np.float64)
print(x*y)
print(np.multiply(x,y))12.利用前题目中的，计算 x / y的结果
import numpy as np
x = np.array([[1, 2], [3, 4]],dtype=np.float64)
y = np.array([[5, 6], [7, 8]], dtype=np.float64)
print(x/y)13.利用前题目中的x,y, 比较x.dot(y) 和y.dot(x)的区别。
import numpy as np
x = np.array([[1, 2], [3, 4]],dtype=np.float64)
y = np.array([[5, 6], [7, 8]], dtype=np.float64)
print(x.dot(y))
print(y.dot(x))14.利用前题目中的 x,进行求和。
(1)print( np.sum(x) )，结果是什么？ (2)print( np.sum(x, axis =0)，结果是什么？ (3)print( np.sum(x, axis = 1)，，结果是什么？
import numpy as np
x = np.array([[1, 2], [3, 4]],dtype=np.float64)
y = np.array([[5, 6], [7, 8]], dtype=np.float64)
print(np.sum(x))
print(np.sum(x,axis=0))
print(np.sum(x,axis=1))15.利用前题目中的 x,进行求平均数。提示：输出三种平均数
(1)print( np.mean(x) ) (2)print( np.mean(x,axis = 0) ) (3) print( np.mean(x,axis =1) )
import numpy as np
x = np.array([[1, 2], [3, 4]],dtype=np.float64)
y = np.array([[5, 6], [7, 8]], dtype=np.float64)
print( np.mean(x) )
print( np.mean(x,axis = 0) )
print( np.mean(x,axis =1) )16.利用前题目中的x，对x 进行矩阵转置，然后输出转置后的结果
import numpy as np
x = np.array([[1, 2], [3, 4]],dtype=np.float64)
print(x.T)17.利用pyplot库画折线图，横坐标x = np.arange(0, 100, 0.1) ，纵坐标y=x*x，写出代码。
import matplotlib.pyplot as plt
import numpy as np
x = np.arange(0, 100, 0.1)
y = x * x
plt.plot(x, y)
plt.show()18.利用pyplot库画正弦函数和余弦函数， x = np.arange(0, 3 * np.pi, 0.1)(提示：这里用到 np.sin() ，np.cos() 函数和 matplotlib.pyplot 库)，写出代码
import numpy as np
import matplotlib.pyplot as plt
x=np.arange(0,3*np.pi,0.1)
ysin=np.sin(x)
ycos=np.cos(x)
plt.plot(x,ysin)
plt.show()
plt.plot(x,ycos)
plt.show()19.如何得到昨天，今天，明天的日期? 写出代码
from datetime import datetime, timedelta
# Get today's date
presentday = datetime.now() # or presentday = datetime.today()
# Get Yesterday
yesterday = presentday - timedelta(1)
# Get Tomorrow
tomorrow = presentday + timedelta(1)
# strftime() is to format date according to the need by converting them to string
print("Yesterday = ", yesterday.strftime('%d-%m-%Y'))
print("Today = ", presentday.strftime('%d-%m-%Y'))
print("Tomorrow = ", tomorrow.strftime('%d-%m-%Y'))20.创建一个长度为10的随机向量，并将其排序，然后输出。写出代码
import numpy as np
rand=np.random.default_rng()
array=rand.integers(0,100,size=(10))
print(array)
array.sort()
print(array)21.如何将10个32位的整数数组(integer)转换为对应的浮点数数组(float)?
(提示: astype( ) )
import numpy as np
rand=np.random.default_rng()
array=rand.integers(1,80,size=(10))
array2=array.astype(float)
print(array2)22.
1)随机生成50-100之间的10行6列的整数数据，输出显示； 2)对上述数据分别进行水平方向的总和统计及垂直方向上平均值统计。 3）对上述数据进行水平方向上的最大值与最小值差值的统计。 4）统计以上数据中数值在90以上的比率
import numpy as np
rand=np.random.default_rng()
array=rand.integers(50,100,size=(10,6))
print(array)
print(np.sum(array,axis=1))#水平方向的总和
print(np.mean(array,axis=0))#垂直方向上平均值统计
print(np.max(array,axis=1)-np.min(array,axis=1))#水平方向上的最大值与最小值差值
count=0
for i in range(10):
for j in range(6):
if array[i][j]>90:
count+=1
print(float(count/60))24.数组维度显示以及维度转换操作
1）已知test = [1200, 1300, 1400]，请使用numpy将其转换为一维数组，并输出显示。 2）输出该数组的维度，然后将其转化为三行的二维数组。
import numpy as np
test=[1200,1300,1400]
array=np.array(test)
print(array)
print(array.ndim)#输出该数组的维度
print(array.reshape(3,1))25.一维数组索引与切片操作
1）随机生成20以内的5行4列的数据 2）生成1-19之间的一维数组，输出显示； 3）访问该数组中索引号为9的元素； 4）访问该数组中索引号从4开始，到9结束的一系列元素； 5）访问该数组中索引号从0开始，到18结束，间隔为2的一系列元素； 6) 设置该数组中索引号从1开始，到18结束，间隔为2的一系列元素为50，并输出显示修改后的数组内容；
import numpy as np
#(1)
rand=np.random.default_rng()
array=np.array(rand.integers(0,20,size=(5,4)))
print(array)
#(2)
array1=np.arange(1,20)
print(array1)
#(3)
print(array1[9])
#(4)
print(array1[4:9])
#(5)
print(array1[0:18:2])
#(6)
array1[1:18:2]=50
print(array1)26.二维数组索引与切片操作
1）生成1到24之间的6行4列的2维数组，并输出显示。 2）访问该数组中第0行的数据元素，前三行数据元素，第1行第2列中的元素，对该数组进行转置。
import numpy as np
#(1)
rand=np.random.default_rng()
array=np.array(rand.integers(1,24,size=(6,4)))
print(array)
#(2)
print(array[0])
print(array[0:3])
print(array[1][2])
print(array.T)27.产生2个数组m为[[0,1,2],[3,4,5],[6,7,8]],doubleM为[[0,2,4],[6,8,10],[12,14,16]]，请编写程序实现以下功能：
（1）从水平方向上将2个数组拼接起来. （2）将第二个数组拼接在第一个数组的垂直方向上。
import numpy as np
#(1)
m=np.array([[0,1,2],[3,4,5],[6,7,8]])
doubleM=np.array([[0,2,4],[6,8,10],[12,14,16]])
array=np.hstack((m,doubleM))
print(array)
#(2)
array1=np.vstack((m,doubleM))
print(array1)28.编写程序实现以下功能：
（1）已知数组arr1为[[0,1,2,3],[4,5,6,7],[8,9,10,11],[12,13,14,15]]，将其在水平方向上分别分割2个数组和4个数组。 （2）已知数组arr2为[[0,1,2],[3,4,5],[6,7,8]]，将其在垂直方向上进行分割成3个数组。
import numpy as np
#(1)
arr1=np.array([[0,1,2,3],[4,5,6,7],[8,9,10,11],[12,13,14,15]])
arr2=np.hsplit(arr1,2)
print(arr2)
print('====================================')
arr3=np.hsplit(arr1,4)
print(arr3)
print('====================================')
#(2)
arr2=np.array([[0,1,2],[3,4,5],[6,7,8]])
arr3=np.vsplit(arr2,3)
print(arr3)29.
（1）求数组[[1,2,3],[4,5,6],[7,8,9]]的按行累加和，写出计算代码和结果
（2）求数组[[1,2,3],[4,5,6],[7,8,9]]的按列累加和，写出计算代码和结果
（3）求数组[[1,2,3],[4,5,6],[7,8,9]]的按行累积，写出计算代码和结果
（4）求数组[[1,2,3],[4,5,6],[7,8,9]]的按列累积，写出计算代码和结果
（5）进行每行排序，每行从左到右依次增大，写出代码
import numpy as np
#(1)
array1=[[1,2,3],
[4,5,6],
[7,8,9]]
array2=np.sum(array1,axis=1)
print(array2)
#(2)
array3=np.sum(array1,axis=0)
print(array3)
#(3)
array4=np.multiply.accumulate(array1,axis=1)
print(array4)
#(4)
array5=np.multiply.accumulate(array1,axis=0)
print(array5)
#(5)
print(np.sort(array1))32.阅读下面的程序，运行结果为：
import numpy as np
a = np.array([[3,7,5],[8,4,3],[2,4,9]])
print('我们的数组是：')
print(a)
print('调用 ptp() 函数：')
print(np.ptp(a))
print('沿轴 1 调用 ptp() 函数：')
print(np.ptp(a, axis = 1))
print('沿轴 0 调用 ptp() 函数：')
print(np.ptp(a, axis = 0))
# ptp(a)：计算数组a最大值和最小值的差。
'''我们的数组是：
[[3 7 5]
[8 4 3]
[2 4 9]]
调用 ptp() 函数：
7
沿轴 1 调用 ptp() 函数：
[4 5 7]
沿轴 0 调用 ptp() 函数：
[6 3 6]'''33.阅读下面的程序，运行结果为：
import numpy as np
a = np.array([[30,65,70],[80,95,10],[50,90,60]])
print('我们的数组是：')
print(a)
print('调用 median() 函数：')
print(np.median(a))
print('沿轴 0 调用 median() 函数：')
print(np.median(a, axis = 0))
print('沿轴 1 调用 median() 函数：')
print(np.median(a, axis = 1))
# median(a) ：计算数组a中元素的中位数（中值）
'''我们的数组是：
[[30 65 70]
[80 95 10]
[50 90 60]]
调用 median() 函数：
65.0
沿轴 0 调用 median() 函数：
[50. 90. 60.]
沿轴 1 调用 median() 函数：
[65. 80. 60.]'''34.阅读下面的程序，运行结果为：
import numpy as np
a = np.array([[1,2,3],[3,4,5],[4,5,6]])
print('我们的数组是：')
print(a)
print('调用 mean() 函数：')
print(np.mean(a))
print('沿轴 0 调用 mean() 函数：')
print(np.mean(a, axis = 0))
print('沿轴 1 调用 mean() 函数：')
print(np.mean(a, axis = 1))
# mean(a, axis = None)：计算平均值。
'''我们的数组是：
[[1 2 3]
[3 4 5]
[4 5 6]]
调用 mean() 函数：
3.6666666666666665
沿轴 0 调用 mean() 函数：
[2.66666667 3.66666667 4.66666667]
沿轴 1 调用 mean() 函数：
[2. 4. 5.]'''35.阅读下面的程序，运行结果为：
import numpy as np
a = np.array([1,2,3,4])
print('我们的数组是：')
print(a)
print('调用 average() 函数：')
print(np.average(a)) #不指定权重时相当于 mean 函数
wts = np.array([4,3,2,1])
print('再次调用 average() 函数：')
print(np.average(a,weights = wts)) #如果 returned 参数设为 true，则增加返回权重的和
print('权重的和：')
print(np.average([1,2,3, 4],weights = [4,3,2,1], returned = True))
# average(a, axis =None, weights=None) ：依给定轴axis计算数组a相关元素的加权平均值
'''我们的数组是：
[1 2 3 4]
调用 average() 函数：
2.5
再次调用 average() 函数：
2.0
权重的和：
(2.0, 10.0)'''36. 阅读下面的程序，运行结果为：
import numpy as np
print(np.var([1,2,4,5])) #可以写近似值
print(np.std([1,2,4,5])) #可以写近似值
# std（a, axis = None）：同理，计算标准差。
# var（a, axis = None）：计算方差。
# 2.5
# 1.581138830084189837.运行下面的程序，运行结果为：
import numpy as np
a = np.arange(6).reshape(3,2)
print('我们的数组是：')
print(a)
print('修改后的数组：')
wt = np.array([3,5])
print(np.average(a, axis = 1, weights = wt))
print('修改后的数组：')
print(np.average(a, axis = 1, weights = wt, returned = True))
# weights表示相对权重
'''我们的数组是：
[[0 1]
[2 3]
[4 5]]
修改后的数组：
[0.625 2.625 4.625]
修改后的数组：
(array([0.625, 2.625, 4.625]), array([8., 8., 8.]))'''38.阅读下面程序，运行结果为：
（1）
x = np.array([[0, 2], [1, 1], [2, 0]]).T
x
np.cov(x)
（2）
a=[1,2,3,4,5]
[item*item for item in a]
（3）
import numpy
numpy.sqrt(64)
numpy.square(4)
#sqrt开方；square用于各元素的平方；np.cov()协方差矩阵
# array([[ 1., -1.],
# [-1., 1.]])
# [1, 4, 9, 16, 25]
# 1639.阅读下面的程序，运行结果为：
（1） from numpy import *
a = arange(15).reshape(3, 5)
a
a.shape
a.ndim
a.dtype.name
a.itemsize
a.size
type(a)
（2） b = array([6, 7, 8])
b
type(b)
#numpy.ndarray
1017
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
