NNDL【01】Numpy基本使用练习题

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])
print(type(a),a[0])

<class 'numpy.ndarray'> 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]])
print(b.shape, 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.

#空矩阵，只有形状和元素类型，值未初始化，由内存空间随机给出
a = np.empty([1111,200],dtype = int)
print(a)


#零矩阵，在空矩阵基础上初始化为0元素
b = np.zeros([4,5], dtype = int, order = 'C')
print(b)


#全1矩阵，在零矩阵基础上初始化为1元素
c = np.ones([4,5], dtype = int, order = 'F')
print(c)


#单位阵
danwei = np.zeros([4,4], dtype=int)
for i in range(0,4):
    danwei[i][i]=1

print(danwei)

[[1592328528        505 2089351424 ...  811293472  173890909  538970634]
 [ 538976288  538976288  811293531 ...        505          2  538976288]
 [1755377096          0 2104640176 ...  811293531 1755376776          0]
 ...
 [         0          0          0 ...          0          0          0]
 [         0          0          0 ...          0          0          0]
 [         0          0          0 ...          0          0          0]]
[[0 0 0 0 0]
 [0 0 0 0 0]
 [0 0 0 0 0]
 [0 0 0 0 0]]
[[1 1 1 1 1]
 [1 1 1 1 1]
 [1 1 1 1 1]
 [1 1 1 1 1]]
[[1 0 0 0]
 [0 1 0 0]
 [0 0 1 0]
 [0 0 0 1]]

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

f = np.array([[1,2,3,4],[5,6,7,8],[9,10,11,12]])
print(f)

print(f[2][3],f[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

for i in range(0,2):    for j in range(2,4):        c[i][j]=f[i][j]        print(c)

[[1 1 3 4 1] [1 1 7 8 1] [1 1 1 1 1] [1 1 1 1 1]]

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）

a = np.array([[1,2,3,4],[5,6,7,8],[9,10,11,12]])c = a[1:,:]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] += 10print(a)

[[21  2  3] [ 4  5 26] [27  8  9] [10 31 12]]

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(type(x),type(x[0]))

<class 'numpy.ndarray'> <class 'numpy.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(type(x),type(x[0]))

<class 'numpy.ndarray'> <class 'numpy.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)print(y)print(x + y)print(np.add(x,y))

[[1. 2.] [3. 4.]][[5. 6.] [7. 8.]][[ 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)print(np.multiply(x,y))print(np.dot(x,y))x = np.array([[1,2],[1,2],[1,2]])y = np.array([[2,4],[2,4],[2,4]])print(x * y)print(np.multiply(x,y))print(np.dot(x,y))

[[ 5. 12.] [21. 32.]][[ 5. 12.] [21. 32.]][[19. 22.] [43. 50.]][[2 8] [2 8] [2 8]][[2 8] [2 8] [2 8]]



---------------------------------------------------------------------------ValueError                                Traceback (most recent call last)<ipython-input-84-82e521254c05> in <module>      8 print(x * y)      9 print(np.multiply(x,y))---> 10 print(np.dot(x,y))


<__array_function__ internals> in dot(*args, **kwargs)


ValueError: shapes (3,2) and (3,2) not aligned: 2 (dim 1) != 3 (dim 0)

16. 利用13题目中的x,y,输出 x / y .(提示 ： 使用函数 np.divide())

x = np.array([[1,2],[3,4]],dtype=np.float64) y = np.array([[5,6],[7,8]],dtype=np.float64)print(x)print(y)print(np.divide(x,y))# x = np.array([[1,2],[1,2],[1,2]])# y = np.array([[2,4],[2,4],[2,4]])print(np.divide(y,x))

[[1. 2.] [3. 4.]][[5. 6.] [7. 8.]][[0.2        0.33333333] [0.42857143 0.5       ]][[5.         3.        ] [2.33333333 2.        ]]

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))print(np.dot(x,y))

[[19. 22.] [43. 50.]][[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))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))  #所有元素相加求平均

2.5

print(np.mean(x,axis=0))    #0-列 1-行

[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）

print(x.T)

[[1. 2.] [3. 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))print(np.exp(np.exp(x)))

[[ 2.71828183 20.08553692] [ 7.3890561  54.59815003]][[1.51542622e+01 5.28491311e+08] [1.61817799e+03 5.14843556e+23]]

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(np.exp(x)))print(np.argmax(np.exp(x),axis=0))print(np.argmax(np.exp(x),axis=1))

3[1 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 pltx = np.arange(0,100,0.1)plt.plot(x*x,x*x*x*x*x)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)   #np.pi为Π值plt.plot(x,np.sin(x))plt.show()plt.plot(x,np.cos(x))plt.show()