numpy的使用-实验三

# 三、实验内容
# 1. 如何从数组np.arange(15)中提取5到10之间的所有数字? 
import numpy as np
arr=np.arange(15)
result =arr[5:11]
print(result)

# 2. 如何交换数组np.arange(9).reshape(3,3)中的第1列和第2列(可参考copy()函数)
arr1=np.arange(9).reshape(3,3)
print('原始数据:',arr1)
arr_copy=arr1.copy()
arr_copy[:,[0,1]]=arr_copy[:,[1,0]]
print('交换后:',arr_copy)

# 3. 如何获取数组a = np.array([1,2,3,2,3,4,3,4,5,6])
# 和数组b = np.array([7,2,10,2,7,4,9,4,9,8])之间的共同元素(可参考np.unique()函数)?
a = np.array([1,2,3,2,3,4,3,4,5,6])
b = np.array([7,2,10,2,7,4,9,4,9,8])
arr2 = np.intersect1d(a, b)#.intersect1d()函数获取两个数组之间的共同元素
print(arr2)

# 4. 如何查找数组np.array([1,2,3,2,3,4,3,4,5,6])中的唯一值的数量?
arr3=np.array([1,2,3,2,3,4,3,4,5,6])
print('原数据:',arr3)
arr_unique=np.unique(arr3)
print('唯一值:',arr_unique)
count = len(arr_unique)
print('唯一值数量:',count)

# 5. 如何找到二维数组np.arange(9).reshape(3,3)每一行中的最大值?
arr4=np.arange(9).reshape(3,3)
print('原数据:',arr4)
value_max=np.amax(arr4,axis=1)#1沿着行寻找最大值,0行
print('最大值:',value_max)

# 6. 如何计算数组a = np.array([1,2,3,2,3,4,3,4,5,6])
# 和数组b = np.array([7,2,10,2,7,4,9,4,9,8])之间的欧式距离(可参考np.sqrt()函数)?
a1 = np.array([1,2,3,2,3,4,3,4,5,6])
b1 = np.array([7,2,10,2,7,4,9,4,9,8])
c=a1-b1
print(c)
d=np.sqrt(np.sum(c**2))
print(d)

# 7. 如何知道数组np.array([7,2,10,2,7,2,4,9,4,9,8])中出现频率最高的值是什么?
arr5=np.array([7,2,10,2,7,2,4,9,4,9,8])
print('原数据:',arr5)
count1=np.bincount(arr5)#统计输入数组a中每个整数出现的次数
print(count1)
max_count=np.argmax(count1)#找出出现次数最多的整数的索引,即出现次数最多的整数本身
print(max_count)

欧式距离:我们首先计算两个数组的差,即将它们看做是两个向量的差,然后使用numpy.sum()函数计算差的平方和,最后使用numpy.sqrt()函数计算平方根,得到欧式距离。

  • 0
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
numpy是一款开源的科学计算工具,它为Python提供了快速、高效的数值计算功能。作为一个外置函数,numpy在进行科学计算时提供了很大的便利。 首先,numpy提供了多维数组对象ndarray,它是numpy的核心数据结构。通过ndarray,我们可以方便地进行各种数值计算,如基本的数学运算、统计分析、线性代数运算等。ndarray不仅具有高效的存储和操作性能,还可以通过广播机制实现数组之间的一对一运算,进一步提高计算效率。 其次,在科学计算中,我们经常需要处理大量的数据。numpy提供了优化的向量化运算,可以有效地处理大规模数据,并且摆脱了Python原生列表的循环操作,提高了运算速度。同时,numpy还提供了丰富的数学函数和随机数生成函数,方便了在科学计算中的各种数学操作和模拟实验。 另外,numpy也支持数据的读取和存储,可以方便地与其他文件格式进行交互。比如,我们可以通过numpy将数据存储为文本文件、二进制文件或者导出为其他数据格式。这对于科学研究中的数据处理和结果保存非常重要。 总之,numpy作为一款外置函数,为Python提供了强大的科学计算功能。它的多维数组对象和优化的向量化运算使得科学计算更加高效、便捷。同时,它丰富的数学函数和数据读取功能也为科学研究和数据处理提供了很大的帮助。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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