1、打印一个函数的帮助文档，比如 numpy.add
import numpy as np
print(help(np.info(np.add)))
2、 创建一个取值在 10-100 之间的数据构成的数组（数组长度可以自己义）， 并将其倒序排列，然后打印出来。
import numpy as np
a=np.arange(10,100,5)
print(a)
a=a[::-1 ]#这个操作是逆序操作
print(a)
答案：
[10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 85 90 95]
[95 90 85 80 75 70 65 60 55 50 45 40 35 30 25 20 15 10]
3、 创建一个数组，然后找到这个数组中不为 0 的数据的索引。
import numpy as np
a = np.arange(12).reshape(3, 4)
print(a)
print(np.nonzero(a))
#np.nonzero(a)输出的是两个array第一个array中的值指的是行，第二个指的是列
答案：
[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]]
(array([0, 0, 0, 1, 1, 1, 1, 2, 2, 2, 2], dtype=int64), array([1, 2, 3, 0, 1, 2, 3, 0, 1, 2, 3], dtype=int64))
4、 随机构造一个 5*5 矩阵，并打印其中最大与最小值。
import numpy as np
a=np.random.random((5,5))
print(a)
print(a.min())
print(a.max())
答案：
[[0.05287482 0.74427572 0.73539342 0.83938146 0.39445586]
[0.79483501 0.46700273 0.01471763 0.00595255 0.51912868]
[0.72950056 0.70111085 0.85719474 0.28030179 0.85527987]
[0.46919346 0.39718407 0.79402426 0.35401079 0.06972197]
[0.23025856 0.74368634 0.9521544 0.76051915 0.97153536]]
0.005952550919826938
0.9715353569216929
5、 构造一个 5*5 的矩阵，令其值都为 1，并在最外层加上一圈 0，将结果打印 出来。
import numpy as np
cui_array=np.ones((5,5))
cui_array2=np.pad(cui_array,pad_width=1,mode='constant',constant_values=0)
print(cui_array2)
答案：
[[0. 0. 0. 0. 0. 0. 0.]
[0. 1. 1. 1. 1. 1. 0.]
[0. 1. 1. 1. 1. 1. 0.]
[0. 1. 1. 1. 1. 1. 0.]
[0. 1. 1. 1. 1. 1. 0.]
[0. 1. 1. 1. 1. 1. 0.]
[0. 0. 0. 0. 0. 0. 0.]]
6、 构造一个 5*5 的矩阵，其元素为不超过 25 的整数，交换矩阵中的前两行。
import numpy as np
z=np.arange(25).reshape(5,5)
print(z)
z[[0,1]]=z[[1,0]] #交换矩阵当中的一二两行
print(z)
答案：
[[ 0 1 2 3 4]
[ 5 6 7 8 9]
[10 11 12 13 14]
[15 16 17 18 19]
[20 21 22 23 24]]
[[ 5 6 7 8 9]
[ 0 1 2 3 4]
[10 11 12 13 14]
[15 16 17 18 19]
[20 21 22 23 24]]
7、 构造一个 50 个元素的数组，其取值由从 0 到 10 范围的整数随机组成，找到 该数组中最常出现的数字。
import numpy as np
z=np.random.randint(0,10,50)
print(z)
print("最常出现得数字是：")
print(np.bincount(z).argmax())
答案：
[0 0 9 5 1 5 5 5 4 6 9 9 9 9 6 2 4 1 1 5 8 8 3 9 9 7 0 7 3 9 3 2 7 2 1 1 9 8 1 6 8 6 1 8 8 1 1 8 9 0]
最常出现得数字是：
9
8、 使用 pandas 的 Data Frame 创建一个表格，并将表格打印出来。
import pandas as pd
import numpy as np
data = { 'animal':['cat','cat','snake','dog','dog','cat','snake','cat','dog','dog'],
'age': [2.5, 3.0, 0.5, None, 5.0,2.0,4.5,None,7.0,3.0],
'visits': [1, 3, 2, 3, 2,3,1,1,2,1],
'priority': ['yes', 'yes', 'no', 'yes', 'no','no','no','yes','no','no']}
a=pd.DataFrame(data,index=['a','b','c','d','e','f','g','h','i','j'])
print(a)
答案：
animal age visits priority
a cat 2.5 1 yes
b cat 3.0 3 yes
c snake 0.5 2 no
d dog NaN 3 yes
e dog 5.0 2 no
f cat 2.0 3 no
g snake 4.5 1 no
h cat NaN 1 yes
i dog 7.0 2 no
j dog 3.0 1 no
9、 打印上面表格的前三行数据。
a.head(3)
答案：
10、查找 animal 为“cat”并且 age 取值小于 3 的数据行，并打印出来。
a[(a['animal']== 'cat')&(a['age'] <3)]
答案：
11、将 f 行中的 age 值修改为 1.5，并将其打印出来。
a.loc['f','age'] = 1.5
print(a)
答案：
animal age visits priority
a cat 2.5 1 yes
b cat 3.0 3 yes
c snake 0.5 2 no
d dog NaN 3 yes
e dog 5.0 2 no
f cat 1.5 3 no
g snake 4.5 1 no
h cat NaN 1 yes
i dog 7.0 2 no
j dog 3.0 1 no
12、计算每一种动物的平均年龄，并将结果打印出来。
cat=a[(a['animal']== 'cat')]
#print(cat)
print("cat平均年龄")
cat[['age']].mean(axis=0)
# axis = 0表示对纵向求平均值，axis = 1表示对横向求平均值
snake=a[(a['animal']== 'snake')]
#print(snake)
print("snake平均年龄")
snake[['age']].mean(axis=0)
dog=a[(a['animal']== 'dog')]
#print(dog)
print("dog平均年龄")
dog[['age']].mean(axis=0)
答案：
cat平均年龄
age 2.333333
dtype: float64
snake平均年龄
age 2.5
dtype: float64
dog平均年龄
age 5.0
dtype: float64
13、计算每一种动物的数量，并将结果打印出来。
cat=a[(a['animal']== 'cat')]
print("cat的数量")
cat[['animal']].count(axis=0)
snake=a[(a['animal']== 'snake')]
print("snake的数量")
snake[['animal']].count(axis=0)
dog=a[(a['animal']== 'dog')]
print("dog的数量")
dog[['animal']].count(axis=0)
答案：
cat的数量
animal 4
dtype: int64
snake的数量
animal 2
dtype: int64
dog的数量
animal 4
dtype: int64
14、将所有 animal 中的”cat”修改为“bear”，并将结果打印出来。
a=a.replace('cat','bear' )
print(a)
答案：
animal age visits priority
a bear 2.5 1 yes
b bear 3.0 3 yes
c snake 0.5 2 no
d dog NaN 3 yes
e dog 5.0 2 no
f bear 1.5 3 no
g snake 4.5 1 no
h bear NaN 1 yes
i dog 7.0 2 no
j dog 3.0 1 no
15、针对每一种 animal，计算其不同的 visits 取值情况下的平均年龄，并将结 果打印出来（提示：可以采用数据透视表 pivot_table）。
pd.pivot_table(a,index=["animal"],values=["age"],columns=["visits"])
答案：
16、首先构造出下图的数据表格，然后，使用线性插值的方法，将 FlightNumber 中的空值补上值，并打印出来结果。
data2 = { 'From_To':['LoNDon_paris','MAdrid_miLAN','londON_Stockholm','Budapest_PaRis','Brussels_londOn',] ,
'FlightNumber': [10045.0,None,10055.0,None,10085.0] ,
'RecentDelays': [[23,47],[],[24,43,87],[13],[67,32]] ,
'Airline': ['KLM(!)', '<Air France>(12)', '(British Airways.)', '12.Air France','"Swiss Air"']
}
b=pd.DataFrame(data2)
print(b)
b.fillna(0)
答案：
From_To FlightNumber RecentDelays Airline
0 LoNDon_paris 10045.0 [23, 47] KLM(!)
1 MAdrid_miLAN NaN [] <Air France>(12)
2 londON_Stockholm 10055.0 [24, 43, 87] (British Airways.)
3 Budapest_PaRis NaN [13] 12.Air France
4 Brussels_londOn 10085.0 [67, 32] "Swiss Air"
17、编写程序 ，网址中下载数据，将数据存储到一个 DataFrame 中，然后打印这个 DataFrame 的内容。
import os
import requests
import csv
url='https://archive.ics.uci.edu/ml/machine-learning-databases/00383/risk_factors_cervical_cancer.csv'
response = requests.get(url)
with open(os.path.join("data", "file"), 'wb') as f:
f.write(response.content)
tmp_lst = []
with open(os.path.join("data", "file"), 'r') as f:
reader = csv.reader(f)
for row in reader:
tmp_lst.append(row)
df = pd.DataFrame(tmp_lst[1:], columns=tmp_lst[0])
print(df)
18、绘制数据图：每个点的横坐标为从 0 到 10 之间相隔 0.5 的数，每个点的纵坐标也为从 0 到 10 之间相隔 0.5 的数，曲线为红色虚线；每个点的横坐标为从 0 到 10 之间相隔 0.5 的数，每个点的纵坐标为从 0 到 10 之间相隔 0.5的数的平方，曲线为蓝色正方形点虚线；每个点的横坐标为从 0 到 10 之间相隔 0.5 的数，每个点的纵坐标也为从 0 到 10 之间相隔 0.5 的数的立方，曲线 为绿色圆点虚线。
import numpy as np
import matplotlib.pyplot as plt
x = np.arange(0,100,1)
y=np.random.randint(0,13,100)
z=np.random.randint(15,40,100)
plt.plot(x,y,'bs-')
plt.plot(x,z,color='red',linestyle='--')
x = np.arange(0,100,10)
y = []
plt.plot(x,x,color='red',linestyle='--')
plt.plot(x,x*x,'bs')
plt.plot(x,x*x*x,'go')
答案：
19、绘制一个两行一列的图，其中第一个图为余弦曲线图，横坐标范围为[-10，10]，线条颜色为蓝色；第二个图为正弦曲线图，横坐标范围为[-10，10]， 线条颜色为红色。
import matplotlib.pyplot as plt
import numpy as np
import math
x = np.linspace(-10, 10, 1000)
y1 = np.cos(x)
y2 = np.sin(x)
plt.figure()
ax1 = plt.subplot(2,1,1)
ax2 = plt.subplot(2,1,2)
plt.sca(ax1)
plt.plot(x,y1,'b-')
plt.yticks([-1,-0.5,0,0.5,1],rotation=0)
plt.sca(ax2)
plt.plot(x,y2,'r-')
plt.yticks([-1,-0.5,0,0.5,1],rotation=0)
plt.show()
答案：
20、绘制子图布局
import matplotlib.pyplot as plt
import matplotlib.gridspec as gridspec
plt.figure()
gs=gridspec.GridSpec(3,3) #通过gridspec.GridSpec()创建区域
ax1=plt.subplot(gs[0,:1])
ax2=plt.subplot(gs[1,:1])
ax3=plt.subplot(gs[2,:2])#第三行，第一列，占2列
ax4=plt.subplot(gs[0:2,1])#第一行，第二列，占2行
ax5=plt.subplot(gs[0:3,2])#第一行，第三列，占3行
plt.show()
答案：
21、绘制下面的立体图（提示：使用 mpl_toolkits.mplot3d 中的 Axes3D）：其中 x 坐标取值范围为[-4,4]，每隔 0.25 取一个值；y 坐标取值范 围为[-4,4]，每隔 0.25 取一个值；z 坐标取值为 x2+y2 的平方根。
from mpl_toolkits.mplot3d import Axes3D
import matplotlib.pyplot as plt
from matplotlib import cm
from matplotlib.ticker import LinearLocator, FormatStrFormatter
import numpy as np
fig = plt.figure()
ax = fig.gca(projection='3d')
# Make data.
X = np.arange(-4, 4, 0.25)
Y = np.arange(-4, 4, 0.25)
X, Y = np.meshgrid(X, Y)
R = np.sqrt(X**2 + Y**2)
Z = np.sin(R)
# Plot the surface.
surf = ax.plot_surface(X, Y, Z, cmap=cm.hsv,
linewidth=0, antialiased=False)
# Customize the z axis.
ax.set_zlim(-1, 1)
ax.zaxis.set_major_locator(LinearLocator(10))
ax.zaxis.set_major_formatter(FormatStrFormatter('%.02f'))
# Add a color bar which maps values to colors.
#fig.colorbar(surf, shrink=0.5, aspect=5)
plt.show()
答案：
扫一扫
1718
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
