numpy练习题

numpy 练习题

numpy 的array操作

1.导入numpy库
import numpy as np
2.建立一个一维数组 a 初始化为[4,5,6], (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)
a=np.array([4,5,6])
#1
print(type(a))
#2
print(a.shape)
#3
print(a[0])
<class 'numpy.ndarray'>
(3,)
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)
b=np.array([[4, 5, 6],[1, 2, 3]])
#1
print(b.shape)
#2
print(b[0][0],b[0,1],b[1,1])
(2, 3)
4 5 2
4. (1)建立一个全0矩阵 a, 大小为 3x3; 类型为整型(提示: dtype = int)(2)建立一个全1矩阵b,大小为4x5; (3)建立一个单位矩阵c ,大小为4x4; (4)生成一个随机数矩阵d,大小为 3x2.
a=np.zeros(shape=(3,3))  #0的
b=np.ones(shape=(4,5))  #1的
c=np.identity(4)       #单位
d=np.random.random(size=(3,2)) #随机
[[0.04198357 0.78728663]
 [0.60402966 0.78864857]
 [0.37341416 0.7002005 ]]
5. 建立一个数组 a,(值为[[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]] ) ,(1)打印a; (2)输出 下标为(2,3),(0,0) 这两个数组元素的值
a=np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]])
print(a)
print(a[2,3],a[0,0])
[[ 1  2  3  4]
 [ 5  6  7  8]
 [ 9 10 11 12]]
12 1
6.把上一题的 a数组的 0到1行 2到3列,放到b里面去,(此处不需要从新建立a,直接调用即可)(1),输出b;(2) 输出b 的(0,0)这个元素的值
b=a[0:1,2:3]
print(b)
print(b[0][0])
[[3]]
3
7. 把第5题中数组a的最后两行所有元素放到 c中,(提示: a[1:2, :])(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)
c=a[1:3, :]
print(c)
print(c[0][-1])
[[ 5  6  7  8]
 [ 9 10 11 12]]
8
8.建立数组a,初始化a为[[1, 2], [3, 4], [5, 6]],输出 (0,0)(1,1)(2,0)这三个元素(提示: 使用 print(a[[0, 1, 2], [0, 1, 0]]) )
a=np.array([[1, 2], [3, 4], [5, 6]])
print(a[[0, 1, 2], [0, 1, 0]])
[1 4 5]
9.建立矩阵a ,初始化为[[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12]],输出(0,0),(1,2),(2,0),(3,1) (提示使用 b = np.array([0, 2, 0, 1]) print(a[np.arange(4), b]))
a = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12]]) 
b = np.array([0, 2, 0, 1])
print(a[np.arange(4), b])
[ 1  6  7 11]
10.对9 中输出的那四个元素,每个都加上10,然后重新输出矩阵a.(提示: a[np.arange(4), b] += 10 )
a[np.arange(4), b] += 10
print(a)

array 的数学运算

11. 执行 x = np.array([1, 2]),然后输出 x 的数据类型
x = np.array([1, 2])
print(x.dtype)
int32
12.执行 x = np.array([1.0, 2.0]) ,然后输出 x 的数据类类型
x = np.array([1.0, 2.0])
print(x.dtype)
float64
13.执行 x = np.array([[1, 2], [3, 4]], dtype=np.float64) ,y = np.array([[5, 6], [7, 8]], dtype=np.float64),然后输出 x+y ,和 np.add(x,y)
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))
[[ 6.  8.]
 [10. 12.]]
[[ 6.  8.]
 [10. 12.]]
14. 利用 13题目中的x,y 输出 x-y 和 np.subtract(x,y)
print(x-y)
print(np.subtract(x,y))
[[-4. -4.]
 [-4. -4.]]
[[-4. -4.]
 [-4. -4.]]
15. 利用13题目中的x,y 输出 x*y ,和 np.multiply(x, y) 还有 np.dot(x,y),比较差异。然后自己换一个不是方阵的试试。
print(x*y)          #对应位置相乘
print(np.dot(x,y))  #矩阵的乘法
[[ 5. 12.]
 [21. 32.]]
[[19. 22.]
 [43. 50.]]
x = np.array([[1, 1], [1, 4]], dtype=np.float64) 
y = np.array([[2, 3], [1, 2]], dtype=np.float64)
print(x*y)
print(np.dot(x,y))
[[2. 3.]
 [1. 8.]]
[[ 3.  5.]
 [ 6. 11.]]
16. 利用13题目中的x,y,输出 x / y .(提示 : 使用函数 np.divide())
print(np.divide(x,y))
[[0.2        0.33333333]
 [0.42857143 0.5       ]]
17. 利用13题目中的x,输出 x的 开方。(提示: 使用函数 np.sqrt() )
print(np.sqrt(x,y))
[[1.         1.41421356]
 [1.73205081 2.        ]]
18.利用13题目中的x,y ,执行 print(x.dot(y)) 和 print(np.dot(x,y))
print(x.dot(y))
print(np.dot(x,y))
[[ 4.46410162  5.41421356]
 [ 9.92820323 12.24264069]]
[[ 4.46410162  5.41421356]
 [ 9.92820323 12.24264069]]
19.利用13题目中的 x,进行求和。提示:输出三种求和 (1)print(np.sum(x)): (2)print(np.sum(x,axis =0 )); (3)print(np.sum(x,axis = 1))
print(np.sum(x))
print(np.sum(x,axis=0 ))
print(np.sum(x,axis= 1))
10.0
[4. 6.]
[3. 7.]
20.利用13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)))
print(np.mean(x)) 
print(np.mean(x,axis = 0))
print(np.mean(x,axis =1))

2.5
[2. 3.]
[1.5 3.5]
21.利用13题目中的x,对x 进行矩阵转置,然后输出转置后的结果,(提示: x.T 表示对 x 的转置)
print(x.T)
[[1. 3.]
 [2. 4.]]
22.利用13题目中的x,求e的指数(提示: 函数 np.exp())
print(np.exp(x,y))
[[ 2.71828183  7.3890561 ]
 [20.08553692 54.59815003]]
23.利用13题目中的 x,求值最大的下标(提示(1)print(np.argmax(x)) ,(2) print(np.argmax(x, axis =0))(3)print(np.argmax(x),axis =1))
print(np.argmax(x)) 
print(np.argmax(x, axis =0))
print(np.argmax(x,axis =1))
3
[1 1]
[1 1]

  • 2
    点赞
  • 10
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值