EduCoder实训机器学习

最新推荐文章于 2025-09-09 16:09:39 发布

原创

最新推荐文章于 2025-09-09 16:09:39 发布 · 6.4k 阅读

14 ·

CC 4.0 BY-SA版权

文章标签：

#python

本教程涵盖Numpy数组的创建、索引、基本运算及高级功能如ufunc的应用，通过实践练习帮助读者掌握Numpy的基本操作。

Numpy科学计算

第1关：数组创建

#### 相关知识

在 Python 中创建数组有许多的方法，这里我们使用 Numpy 中的`arange`方法快速的新建一个数组：

```Plain Text
import numpy as npa = np.arange(5)
```

其中`import numpy as np`是指引入`Numpy`这个库，并取别名为`np`。之所以取别名，是为了代码编写的方便。`a=np.arange(5)`是指将数值`0 1 2 3 4`赋值给`a`这个变量，这样我们就快速的创建了一个一维数组。

创建多维数组的方法是:

```Plain Text
import numpy as npb = np.array([np.arange(6),np.arange(6)])
```

这里，我们使用两个`arange`方法，创建了两个`1x6`的一维数组，然后使用`numpy`的`array`方法，将两个一维数组组合成一个`2x6`的二维数组。从而达到了创建多维数组的目的。

`numpy`创建的数组可以直接复制，具体代码示例如下：

```Plain Text
import numpy as npx = [y for y in range(6)]b=np.array([x]*4)
```

该段代码会创建一个`4*6`的数组。

#### 编程要求

本关的任务是，补全右侧编辑器中 `Begin-End` 区间的代码，以实现创建一个`m*n`的多维数组的功能。具体要求如下：

- 函数接受两个参数，然后创建与之对应的的多维数组；

- 本关的测试样例参见下文。

本关设计的代码文件`cnmda.py`的代码框架如下：

```Plain Text
# 引入numpy库import numpy as np# 定义cnmda函数def cnmda(m,n): ''' 创建numpy数组参数： m:第一维的长度 n: 第二维的长度返回值: ret: 一个numpy数组 ''' ret = 0 # 请在此添加创建多维数组的代码并赋值给ret #********** Begin *********# #********** End **********# return ret
```

#### 测试说明

本关的测试过程如下:

- 平台运行`step1/cnmdatest.py`文件，并以标准输入方式提供测试输入；

- `cnmdatest.py`文件调用`cnmda`中的`cnmda`方法，平台获取`cnmdatest.py`的输出，然后将其与预期输出作对比，如果一致，则测试通过；否则测试失败。

# 引入numpy库

import numpy as np

# 定义cnmda函数

def cnmda(m,n):

    '''

    创建numpy数组

    参数：

        m:第一维的长度

        n: 第二维的长度

    返回值:

        ret: 一个numpy数组

    '''

    ret = 0

    # 请在此添加创建多维数组的代码并赋值给ret

    #********** Begin *********#

    b=np.arange(n);

    ret = np.array([b]*m)

    #********** End **********#  

    return ret

第2关：切片索引

#### 相关知识

为了完成本关任务，你需要掌握：

- 索引；

- 遍历；

- 切片。

##### 索引

`ndarray`的索引其实和`python`的`list`的索引极为相似。元素的索引从`0`开始。代码如下：

```Plain Text
import numpy as np
# a中有4个元素，那么这些元素的索引分别为0，1，2，3
a = np.array([2, 15, 3, 7])
# 打印第2个元素
# 索引1表示的是a中的第2个元素
# 结果为15print(a[1])
# b是个2行3列的二维数组
b = np.array([[1, 2, 3], [4, 5, 6]])
# 打印b中的第1行
# 总共就2行，所以行的索引分别为0，1
# 结果为[1, 2, 3]print(b[0])
# 打印b中的第2行第2列的元素
# 结果为5print(b[1][1])
```

##### 遍历

`ndarray`的遍历方式与`python`的`list`的遍历方式也极为相似，示例代码如下：

```Plain Text
import numpy as np
a = np.array([2, 15, 3, 7])

# 使用for循环将a中的元素取出来后打印
for element in a:
print(element)

# 根据索引遍历a中的元素并打印
for idx in range(len(a)):
print(a[idx])

# b是个2行3列的二维数组
b = np.array([[1, 2, 3], [4, 5, 6]])

# 将b展成一维数组后遍历并打印
for element in b.flat:
print(element)

# 根据索引遍历b中的元素并打印
for i in range(len(b)):
for j in range(len(b[0])):
print(b[i][j])
```

##### 切片

`ndarray`的切片方式与`python`的`list`的遍历方式也极为相似，对切片不熟的同学也不用慌，套路很简单，就是用索引。

假设想要将下图中紫色部分切片出来，就需要确定行的范围和列的范围。由于紫色部分行的范围是`0`到`2`，所以切片时行的索引范围是`0:3`(**索引范围是左闭右开**);又由于紫色部分列的范围也是`0`到`2`，所以切片时列的索引范围也是`0:3`(**索引范围是左闭右开**)。最后把行和列的索引范围整合起来就是`[0:3, 0:3]`(**`,`左边是行的索引范围**)。当然有时为了方便，`0`可以省略，也就是`[:3, :3]`。

![312001](https://flowus.cn/preview/60d1eeee-8138-41dc-a4ef-4f71c11ba9fb)

切片示例代码如下：

#### 编程要求

在图像处理中，我们通常会将我们感兴趣的区域提取出来再进行处理，而这个感兴趣区域成为`ROI`(`Region Of Interest`)。本关的任务是根据提示，在右侧编辑器`Begin-End`处补充代码，根据测试用例的输入将`ROI`的提取并返回(`ROI`是一个矩阵)。

- 具体要求请参见后续测试样例。

请先仔细阅读右侧上部代码编辑区内给出的代码框架，再开始你的编程工作！

#### 测试说明

平台会对你编写的代码进行测试。你只需按要求完成`get_roi(data, x, y, w, h)`函数即可。其中：

- `data`：待提取`ROI`的原始图像数据(其实就是个二维数组)，类型为`ndarray`；

- `x`: `ROI`的左上角顶