头歌实验-----机器学习

01 NumPy基础

第1关：ndarray对象

100

• 任务要求
• 参考答案
• 评论107

• 任务描述
• 相关知识
  • 怎样安装NumPy
  • 什么是ndarray对象
  • 如何实例化ndarray对象
    • 使用array函数实例化ndarray对象
    • 使用zeros，ones，empty函数实例化ndarray对象
• 编程要求
• 测试说明

---

任务描述

本关任务：根据本关所学知识，补全右侧代码编辑器中缺失的代码，完成程序的编写并通过所有测试用例。

相关知识

为了完成本关任务，你需要掌握：

• 怎样安装NumPy；

• 什么是ndarray对象；

• 如何实例化ndarray对象。

怎样安装NumPy

本地想要安装NumPy其实非常简单，进入命令行，输入pip install numpy即可。

什么是ndarray对象

NumPy为什么能够受到各个数据科学从业人员的青睐与追捧，其实很大程度上是因为NumPy在向量计算方面做了很多优化，接口也非常友好（总之就是用起来很爽）。而这些其实都是在围绕着NumPy的一个 核心数据结构ndarray 。

ndarray的全称是N-Dimension Arrary，字面意义上其实已经表明了一个ndarray对象就是一个N维数组。但要注意的是，ndarray是同质的。同质的意思就是说 N维数组里的所有元素必须是属于同一种数据类型的 。 (PS: python中的list是异质的) 。

ndarray对象实例化好了之后，包含了一些基本的属性。比如shape，ndim，size，dtype。其中：

• shape:ndarray对象的形状，由一个tuple表示；

• ndim:ndarray对象的维度；

• size:ndarray对象中元素的数量；

• dtype:ndarray对象中元素的数据类型，例如int64，float32等。

来看个例子，假设现在有一个3行5列的矩阵（ndarray）如下：

1. array([[ 0, 1, 2, 3, 4],
2. [ 5, 6, 7, 8, 9],
3. [10, 11, 12, 13, 14]])

那么该ndarray的shape是(3, 5)(代表3行5列)；

ndim是2(因为矩阵有行和列两个维度)；

size是15(因为矩阵总共有15个元素)；

dtype是int32(因为矩阵中元素都是整数，并且用32位整型足够表示矩阵中的元素)。

示例代码如下：

1. # 导入numpy并取别名为np
2. import numpy as np
4. # 构造ndarray
5. a = np.arange(15).reshape(3, 5)
7. # 打印a的shape，ndim，size，dtype
8. print(a.shape)
9. print(a.ndim)
10. print(a.size)
11. print(a.dtype)

如何实例化ndarray对象

实例化ndarray对象的函数有很多种，但最为常用的函数是array，zeros，ones以及empty。

使用array函数实例化ndarray对象

如果你手头上有一个python的list，想要将这个list转成ndarray，此时可以使用NumPy中的array函数将list中的值作为初始值，来实例化一个ndarray对象。代码如下：

1. import numpy as np
3. # 使用列表作为初始值，实例化ndarray对象a
4. a = np.array([2,3,4])
6. # 打印ndarray对象a
7. print(a)

使用zeros，ones，empty函数实例化ndarray对象

通常在写代码的时候，数组中元素的值一般都喜欢先初始化成0，如果使用array的方式实例化ndarray对象的话，虽然能实现功能，但显得很麻烦（ 首先要有一个全是0的list ）。那有没有简单粗暴的方式呢，有！！那就是zeros函数，你只需要把ndarray的shape作为参数传进去即可。代码如下：

1. import numpy as np
3. # 实例化ndarray对象a，a是一个3行4列的矩阵，矩阵中元素全为0
4. a = np.zeros((3, 4))
6. # 打印ndarray对象a
7. print(a)

如果想把数组中的元素全部初始化成1，聪明的你应该能想到就是用ones函数，ones的用法与zeros一致。代码如下：

1. import numpy as np
3. # 实例化ndarray对象a，a是一个3行4列的矩阵，矩阵中元素全为1
4. a = np.ones((3, 4))
6. # 打印ndarray对象a
7. print(a)

如果01大法满足不了你，想要用随机值作为初始值来实例化ndarray对象，empty函数能够满足你。empty的使用方式与zeros和ones如出一辙，代码如下：

1. import numpy as np
3. # 实例化ndarray对象a，a是一个2行3列的矩阵，矩阵中元素全为随机值
4. a = np.empty((2, 3))
6. # 打印ndarray对象a
7. print(a)

编程要求

根据提示，在右侧编辑器Begin-End中填充代码，根据测试用例的输入，实例化出对应的ndarray对象并打印。

• 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，对比你输出的数值与实际正确的数值，只有所有数据全部计算正确才能进入下一关。

• shape：为需要实例化出来的ndarray对象的shape；

• data：表示需要实例化出来的ndarray对象中元素的值。

例如：{'shape':[1, 2], 'data':[[1, 2]]}表示ndarray对象的形状为1行2列，第1行第1列的值为1，第1行第2列的值为2。

测试输入： {'shape':[1, 2], 'data':[[1, 2]]}

预期输出： [[1 2]]

import numpy as np


def print_ndarray(input_data):
    '''
    实例化ndarray对象并打印
    :param input_data: 测试用例，类型为字典类型
    :return: None
    '''
    #********* Begin *********#
    a = np.array(input_data['data'])
    print(a)
    #********* End *********#

第2关：形状操作

100

• 任务要求
• 参考答案
• 评论107

• 任务描述
• 相关知识
  • 怎样改变ndarray对象的形状
    • 改变形状
    • 小技巧
• 编程要求
• 测试说明

---

任务描述

本关任务：根据本关所学知识，补全右侧代码编辑器中缺失的代码，完成程序的编写并通过所有测试用例。

相关知识

为了完成本关任务，你需要掌握：怎样改变ndarray对象的形状。

怎样改变ndarray对象的形状

改变形状

上一关介绍了怎样实例化ndarray对象，比如想实例化一个3行4列的二维数组，并且数组中的值全为0。就可能会写如下代码：

1. import numpy as np
3. a = np.zeros((3, 4))

那如果想把a变成4行3列的二维数组，怎么办呢？比较聪明的同学可能会想到这样的代码：

1. import numpy as np
3. a = np.zeros((3, 4))
5. # 直接修改shape属性
6. a.shape = [4, 3]

最后你会发现，这样的代码可以完成功能，但是这种直接改属性的方式太粗暴了，不符合良好的编程规范。

更加优雅的解决方式是使用NumPy为我们提供了一个用来改变ndarray对象的shape的函数，叫 reshape 。

NumPy为了照顾偏向于面向对象或者这偏向于面向过程这两种不同风格的程序员，提供了2种调用 reshape 函数的方式(其实很多函数都提供了两种风格的接口)。

如果你更偏向于面向对象，那么你可以想象成ndarray对象中提供好了一个叫reshape成员函数。代码如下:

1. import numpy as np
3. a = np.zeros((3, 4))
5. # 调用a的成员函数reshape将3行4列改成4行3列
6. a = a.reshape((4, 3))

如果你更偏向于面向过程，NumPy在它的作用域内实现了reshape函数。代码如下：

1. import numpy as np
3. a = np.zeros((3, 4))
5. # 调用reshape函数将a变形成4行3列
6. a = np.reshape(a, (4, 3))

PS:不管是哪种方式的reshape，都不会改变原ndarray的形状，而是将源ndarray进行深拷贝并进行变形操作，最后再将变形后的数组返回出去。也就是说如果代码是np.reshape(a, (4, 3))那么a的形状不会被修改！

如果想优雅的直接改变源ndarray的形状，可以使用resize函数。代码如下：

1. import numpy as np
3. a = np.zeros((3, 4))
5. # 将a从3行4列的二维数组变成一个有12个元素的一维数组
6. a.resize(12)

小技巧

有的时候懒得去算每个维度上的长度是多少，比如现在有一个6行8列的ndarray，然后想把它变形成有2列的ndarray(行的数量我懒得去想)，此时我们可以在行的维度上传个-1即可，代码如下：

1. import numpy as np
3. a = np.zeros((6, 8))
5. # 行的维度上填-1，会让numpy自己去推算出行的数量，很明显，行的数量应该是24
6. a = a.reshape((-1, 2))

也就是说在变形操作时，如果某个维度上的值为-1，那么该维度上的值会根据其他维度上的值自动推算。

PS：-1虽好，可不能贪杯！如果代码改成a = a.reshape((-1, -1))，NumPy会认为你是在刁难他，并向你抛出异常ValueError: can only specify one unknown dimension。

编程要求

根据提示，在右侧编辑器Begin-End中填充代码，根据测试用例的输入，将列表转换成ndarray后变形成一维数组并将其打印。

• 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，对比你输出的数值与实际正确的数值，只有所有数据全部计算正确才能进入下一关。

测试输入： [[1, 2, 3], [4, 5, 6]] 预期输出： [1, 2, 3, 4, 5, 6]

1. import numpy as np
3. a = np.zeros((3, 4))
4. ``````python
5. import numpy as np
7. a = np.zeros((3, 4))
8. ``````python
9. import numpy as np
11. a = np.zeros((3, 4)

import numpy as np


def reshape_ndarray(input_data):
    '''
    将ipnut_data转换成ndarray后将其变形成一位数组并打印
    :param input_data: 测试用例，类型为list
    :return: None
    '''
    #********* Begin *********#
    a=np.array(input_data)
    a=a.reshape((1,-1))
    print(a[0,])
    #********* End *********#