神经网络与深度学习第一章 numpy 练习题

numpy 练习题

# 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]
a = [4, 5, 6]
a = np.array(a)
# (1)输出a 的类型（type）
print(a.dtype)  # int32
# (2)输出a的各维度的大小（shape）
print(a.shape)  # (3, )
# (3)输出 a的第一个元素（值为4）
print(a[0])  # 4

# 3.建立一个二维数组 b,初始化为 [ [4, 5, 6],[1, 2, 3]]
b = [[4, 5, 6], [1, 2, 3]]
b = np.array(b)
# (1)输出各维度的大小（shape）
print(b.shape)  # (2, 3)
# (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）
print(b[0, 0], b[0, 1], b[1, 1])  # 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）
a = np.zeros((3, 3), dtype=int)
# (2)建立一个全1矩阵b,大小为4x5;
b = np.ones((4, 5), dtype=int)
# (3)建立一个单位矩阵c ,大小为4x4;
c = np.identity(4, dtype=int)
# (4)生成一个随机数矩阵d,大小为 3x2.
d = np.random.randint(1, 10, (3, 2),dtype=int)
print(a)
# [[0 0 0]
#  [0 0 0]
#  [0 0 0]]
print(b)
# [[1 1 1 1 1]
#  [1 1 1 1 1]
#  [1 1 1 1 1]
#  [1 1 1 1 1]]
print(c)
# [[1 0 0 0]
#  [0 1 0 0]
#  [0 0 1 0]
#  [0 0 0 1]]
print(d)
# [[4 7]
#  [2 4]
#  [3 8]]

# 5.建立一个数组 a,(值为[[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]] )
a = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]])
# (1)打印a
print(a)
# [[ 1  2  3  4]
#  [ 5  6  7  8]
#  [ 9 10 11 12]]
# (2)输出 下标为(2,3),(0,0) 这两个数组元素的值
print(a[2, 3], a[0, 0])
# 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）
b = a[0:2, 2:4]
# (1)输出b
print(b)
# [[3 4]
#  [7 8]]
# (2) 输出b 的（0,0）这个元素的值
print(b[0, 0])
# 3

# 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[1:3, :]）
c = a[1:3, ]
# (1)输出 c
print(c)
# [[ 5  6  7  8]
# [ 9 10 11 12]] 
# (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）
print(c[0, -1])
# 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] += 10
print(a)
# [[11  2  3]
#  [ 4  5 16]
#  [17  8  9]
#  [10 21 12]]

# 11. 执行 x = np.array([1, 2])，然后输出 x 的数据类型
x = np.array([1.0, 2.0])
print(x.dtype)
# int32

# 12. 执行 x = np.array([1.0, 2.0])，然后输出 x 的数据类型
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)
x = np.array([[1, 2], [3, 4]], dtype=np.float64)
y = np.array([[5, 6], [7, 8]], dtype=np.float64)
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。
x = np.array([[1, 2], [3, 4]], dtype=np.float64)
y = np.array([[5, 6], [7, 8]], dtype=np.float64)
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.]]
# 非方阵1
a = np.array([5, 6], dtype=int)
b = np.array([5, 6], dtype=int)
print(a*b)
# [25 36]
print(np.multiply(a, b))
# [25 36]
print(np.dot(a, b))
# 61
# 非方阵2
a = np.array([5, 6], dtype=int)
b = np.array([[5], [6]], dtype=int)
print(a*b)
# [[25 30]
#  [30 36]]
print(np.multiply(a, b))
# [[25 30]
#  [30 36]]
print(np.dot(a, b))
# [61]

# 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(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() )
x = np.array([[1, 2], [3, 4]], dtype=np.float64)
y = np.array([[5, 6], [7, 8]], dtype=np.float64)
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))
x = np.array([[1, 2], [3, 4]], dtype=np.float64)
y = np.array([[5, 6], [7, 8]], dtype=np.float64)
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))
x = np.array([[1, 2], [3, 4]], dtype=np.float64)
y = np.array([[5, 6], [7, 8]], dtype=np.float64)
print(np.sum(x))
# 10.0
print(np.sum(x, axis=0))
# [4. 6.] 列
print(np.sum(x, axis=1))
# [3. 7.] 行


# 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))）
x = np.array([[1, 2], [3, 4]], dtype=np.float64)
y = np.array([[5, 6], [7, 8]], dtype=np.float64)
print(np.mean(x))
# 2.5
print(np.mean(x, axis=0))
# [2. 3.] 列
print(np.mean(x, axis=1))
# [1.5 3.5] 行

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

# 22.利用13题目中的x,求e的指数（提示： 函数 np.exp()）
x = np.array([[1, 2], [3, 4]], dtype=np.float64)
y = np.array([[5, 6], [7, 8]], dtype=np.float64)
print(np.exp(x))
# [[ 2.71828183  7.3890561 ]
#  [20.08553692 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))
x = np.array([[1, 2], [3, 4]], dtype=np.float64)
y = np.array([[5, 6], [7, 8]], dtype=np.float64)
print(np.argmax(x))
# 3
print(np.argmax(x, axis=0))
# [1 1]
print(np.argmax(x, axis=1))
# [1 1]

import matplotlib.pyplot as plt
# 24. 画图，y=x*x 其中 x = np.arange(0, 100, 0.1) （提示这里用到 matplotlib.pyplot 库）
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)
plt.plot(x, np.sin(x))
plt.show()

x = np.arange(0, 3 * np.pi, 0.1)
plt.plot(x, np.cos(x))
plt.show()