【Numpy】练习题100道（1-25题）

🌻个人主页：相洋同学

🥇学习在于行动、总结和坚持，共勉！

---

#学习笔记#

在学习神经网络的过程中发现对numpy的操作不是非常熟悉，遂找到了Numpy 100题。

Git-hub链接

目录

1 题目列表：

2 题解：

---

1 题目列表：

1. 导入numpy包，并将其命名为np（★☆☆）

2. 打印numpy版本和配置信息（★☆☆）

3. 创建一个大小为10的空向量（★☆☆）

4. 如何找出任何数组的内存大小（★☆☆）

5. 如何从命令行获取numpy add函数的文档？（★☆☆）

6. 创建一个大小为10的空向量，但第五个值为1（★☆☆）

7. 创建一个包含从10到49的值的向量（★☆☆）

8. 反转向量（第一个元素变成最后一个）（★☆☆）

9. 创建一个3x3矩阵，其值范围从0到8（★☆☆）

10. 从[1,2,0,0,4,0]中找出非零元素的索引（★☆☆）

11. 创建一个3x3的单位矩阵（★☆☆）

12. 创建一个3x3x3的数组，包含随机值（★☆☆）

13. 创建一个10x10的数组，包含随机值，并找出最小值和最大值（★☆☆）

14. 创建一个大小为30的随机向量，并找出平均值（★☆☆）

15. 创建一个2d数组，边界为1，内部为0（★☆☆）

16. 如何在现有数组周围添加一个由0填充的边界？（★☆☆）

17. 下列表达式的结果是什么？（★☆☆）

0 * np.nan
np.nan == np.nan
np.inf > np.nan
np.nan - np.nan
np.nan in set([np.nan])
0.3 == 3 * 0.1

18. 创建一个5x5矩阵，在对角线下方填充值1,2,3,4（★☆☆）

19.创建一个8x8矩阵，并用棋盘图案填充（★☆☆）

20.考虑一个形状为(6,7,8)的数组，第100个元素的索引（x,y,z）是什么？（★☆☆）

21.使用tile函数创建一个8x8的棋盘矩阵（★☆☆）

22.规范化一个5x5的随机矩阵（★☆☆）

23.创建一个自定义dtype，用以描述颜色为四个无符号字节（RGBA）（★☆☆）

24.将一个5x3矩阵乘以一个3x2矩阵（真正的矩阵乘法）（★☆☆）

25.给定一个1D数组，原地将所有在3到8之间的元素取反。（★☆☆）

2 题解：

1.导入numpy包，并将其命名为np（★☆☆）

import numpy as np

2.打印numpy版本和配置信息（★☆☆）

print(np.__version__)
print(np.show_config())

3.创建一个大小为10的空向量（★☆☆）

null_vector = np.zeros(10)
type(null_vector)

4.如何找出任何数组的内存大小（★☆☆）

# 使用nbytes属性(以字节为单位)
arr = null_vector
print(arr.nbytes)

5.如何从命令行获取numpy add函数的文档？（★☆☆）

# 在命令行中需要先激活python环境，然后import numpy，最后help(numpy.add)即可
help(np.add)

6.创建一个大小为10的空向量，但第五个值为1（★☆☆）

null_vector = np.zeros(10)
null_vector[4] = 1    # 注意索引是从0开始的

7.创建一个包含从10到49的值的向量（★☆☆）

# 我第一时间想到了这种方法，使用列表推导式
vector = np.array([i for i in range(10,50)])
# 但实际上numpy提供了更直接高效的方式，就是使用np.arange函数

8.反转向量（第一个元素变成最后一个）（★☆☆）

vector = np.array([1,2,3,4,5])
reversed_vector = vector[::-1]    # 直接用列表的切片操作

9.创建一个3x3矩阵，其值范围从0到8（★☆☆）

matrix = np.arange(0,9).reshape(3,3)   # reshape方法可以重新整形，结合上面的arange方法即可实现
# 注意，使用该方法的对象如果不满足数量，这里如果！=9就会报错

10.从[1,2,0,0,4,0]中找出非零元素的索引（★☆☆）

vector = np.array([1,2,0,0,4,0])
non_zero_indices = np.nonzero(vector)     # 相比于循环来说，这种内部的方法更加稳定高效

11.创建一个3x3的单位矩阵（★☆☆）

identity_matrix = np.eye(3)     # eye方法

12.创建一个3x3x3的数组，包含随机值（★☆☆）

random_array = np.random.rand(3,3,3)    # 使用random.rand方法生成

13.创建一个10x10的数组，包含随机值，并找出最小值和最大值（★☆☆）

random_array = np.random.rand(10,10)
max_value = np.max(random_array)            # 使用numpy内置的max,min方法
min_value = np.min(random_array)

14.创建一个大小为30的随机向量，并找出平均值（★☆☆）

random_vector = np.random.rand(30)
mean_value = np.mean(random_vector)

15.创建一个2d数组，边界为1，内部为0（★☆☆）

array_size = 5  # 可根据需要调整大小
array = np.ones((array_size,array_size))    # 需要传入一个shape，需要为元组
array[1:-1,1:-1] = 0           #  应用了切片和广播机制

16.如何在现有数组周围添加一个由0填充的边界？（★☆☆）

original_array = np.ones((3,3))
padded_array = np.pad(original_array,pad_width = 1,mode = 'constant',constant_values=0)
# pad_width = 1 指定了边框的宽度为1（即在每个方向上添加一层0）
# mode = 'constant'指定了填充模式为常量值填充，contant_values=0，定义了这个常量值为0

17.下列表达式的结果是什么？（★☆☆）

0 * np.nan
np.nan == np.nan
np.inf > np.nan
np.nan - np.nan
np.nan in set([np.nan])
0.3 == 3 * 0.1

np.nan     # NaN与任何数字运算结果还是NaN
False          # 在IEEE浮点数标准中,NaN被认为不等于自身
False           # NaN与任何数比较都是False
np.nan         # NaN与任何数的算术运算结果还是NaN
True            # 虽然NaN不等于自身，但是可以在集合中检测到它的存在
False           # 这个表达式确实会先运算*但是由于浮点数的精度问题，‘3*0.1’实际上并不精确等于0.3

18. 创建一个5x5矩阵，在对角线下方填充值1,2,3,4（★☆☆）

matrix = np.zeros((5,5))
np.fill_diagonal(matrix[1:],range(1,5))
# fill_diagonal可以填充数组对角线

19.创建一个8x8矩阵，并用棋盘图案填充（★☆☆）

# 初始化一个8x8的全零矩阵
chessboard = np.zeros((8, 8), dtype=int)

# 用1填充棋盘格模式
# 偶数行的奇数列以及奇数行的偶数列
chessboard[1::2, ::2] = 1  # 奇数行，偶数列
chessboard[::2, 1::2] = 1  # 偶数行，奇数列

20.考虑一个形状为(6,7,8)的数组，第100个元素的索引（x,y,z）是什么？（★☆☆）

(1,5,3)
# 100 / 8 = 12 余 4   （代表在第十三行，第四个位置，第四个位置（列）索引为3）
# 13 / 7 = 1 余 6   （代表在第二个矩阵中的第6行，第六行索引为5）
# 2 / 6 = 0 余 2   （第二个矩阵中，索引为1）

21.使用tile函数创建一个8x8的棋盘矩阵（★☆☆）

chessboard_unit = np.array([[0,1],[1,0]])
chessboard = np.tile(chessboard_unit,(4,4))
# 当调用‘np.tile(A,reps)’时，‘A’是你想要重复的数组，而‘reps’指示了‘A’在各个维度上应该被重复的次数。如果‘reps’是一个整数，则‘A’将在所有轴上重复这个次数。如果是一个数组，则会在指定轴上重复。就像贴瓷砖一样

22.规范化一个5x5的随机矩阵（★☆☆）

matrix = np.random.rand(5,5)

# 方法一，最大最小归一化
min_val = matrix.min(axis = 0)   # 对列进行操作；对行操作时使用axis = 1
max_val = matrix.max(axis = 0)   # 在对列操作时，需要设置keepdims = True
normalized_matrix = (matrix - min_val)/(max_val - min_val)

# 方法二，Z-score标准化（也称标准差标准化）
mean = np.mean(matrix,axis = 0)   # 对列进行操作
std = np.std(matrix,axis = 0)
z_normalized_matrix = (matrix - mean) / std

23.创建一个自定义dtype，用以描述颜色为四个无符号字节（RGBA）（★☆☆）

import numpy as np

# 定义一个自定义的dtype来描述颜色
color_dtype = np.dtype([
    ("r", np.uint8),  # 红色分量
    ("g", np.uint8),  # 绿色分量
    ("b", np.uint8),  # 蓝色分量
    ("a", np.uint8)   # 透明度分量
])

# 创建一个使用该dtype的数组示例
color_example = np.array([(255, 0, 0, 255), (0, 255, 0, 255)], dtype=color_dtype)

24.将一个5x3矩阵乘以一个3x2矩阵（真正的矩阵乘法）（★☆☆）

matrix1 = np.random.rand(5,3)
matrix2 = np.random.rand(3,2)
dot_matrix = np.dot(matrix1,matrix2)

25.给定一个1D数组，原地将所有在3到8之间的元素取反。（★☆☆）

vector = np.random.rand(9)
# 位置3到8的元素取反
vector[3:9] *= -1

# 将值3到8取反
vector_range = np.arange(10)
vector_range[(vector_range>3) & (vector_range<8)] *= -1

后续会更行全部100题

以上

学习在于行动，总结和坚持，共勉