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])
print(type(a))
print(np.shape(a))
print(a[1])
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]])
print(np.shape(b))
print(b[0,0])
print(b[0][1])
print(b[1][1])
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((3,3),dtype=int)
b=np.ones((4,5))
c=np.eye(4)
d=np.random.rand(3,2)
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])
print(a[0,0])
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[0:2,2:4]
print(b)
print(b[0][0])
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[1,-1])
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]])
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])
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)
[[ 6. 8.]
[10. 12.]]
>>> print(np.add(x,y))
[[ 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)
[[-4. -4.]
[-4. -4.]]
>>> print(np.subtract(x,y))
[[-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)
[[ 5. 12.]
[21. 32.]]
>>> print(np.multiply(x,y))
[[ 5. 12.]
[21. 32.]]
>>> print(np.dot(x,y))
[[19. 22.]
[43. 50.]]
x1=np.array([1,2])
y1=np.array([3,4])
print(x1*y1)
[3 8]
print(np.multiply(x1,y1))
[3 8]
print(np.dot(x1,y1))
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))
[[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))
[[19. 22.]
[43. 50.]]
>>> print(np.dot(x,y))
[[19. 22.]
[43. 50.]]
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))
10.0
>>> print(np.sum(x,axis=0))
[4. 6.]
>>> print(np.sum(x,axis=1))
[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))
2.5
print(np.mean(x,axis = 0))
[2. 3.]
print(np.mean(x,axis =1))
[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)
>>> x=x.T
>>> print(x)
[[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))
[[ 2.71828183 20.08553692]
[ 7.3890561 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))
3
print(np.argmax(x, axis =0))
[1 1]
print(np.argmax(x, axis=1))
[1 1]
24,画图,y=x*x 其中 x = np.arange(0, 100, 0.1) (提示这里用到 matplotlib.pyplot 库)
>>> import matplotlib.pyplot as plt
>>> x = np.arange(0, 100, 0.1)
>>> y=x*x
>>> plt.plot(x,y)
>>> plt.show()
25.画图。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)
>>> x = np.arange(0, 3 * np.pi, 0.1)
>>> y1 = np.sin(x)
>>> y2 = np.cos(x)
>>> plt.plot(x, y1)
[<matplotlib.lines.Line2D object at 0x0000024C9C736740>]
>>> plt.plot(x, y2)
[<matplotlib.lines.Line2D object at 0x0000024C9C736950>]
>>> plt.show()