NNDL实验一 numpy

numpy的array操作

1.导入numpy库

import numpy as np
### 导入numpy库 is so easy,no difficult

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）

import numpy as np
a = np.array([4,5,6])
print(type(a));#输出a的类型
print(np.shape(a))#输出a的维度
print(a[0])#输出a的第一个数
'''
<class 'numpy.ndarray'>
(3,)
[4 5 6]

a的维度维度为3行，没有列数，我觉得应该可以理解为一列
'''

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]]);#建立一个二维数组并初始化为[[4,5,6],[1,2,3]]
print(np.shape(b));#输出b的维度
print(b[0][0]);#输出b[0][0]
print(b[0][1]);#输出b[0][1]
print(b[1][1]);#输出b[1][1]

'''
(2, 3)
4
5
2
这里的时候我用到了最麻烦的方法来输出b(0,0),b(1,1),b(0,1)下面会有更加方便更加nb的操作
'''

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.

import numpy as np
a = np.zeros((3,3),dtype=int);#生成全0矩阵
print(a);
'''
[[0 0 0]
 [0 0 0]
 [0 0 0]]
'''
b = np.ones((4,5));#生成全1矩阵第一个元素是个元组表示4行5列
print(b)
'''
[[1. 1. 1. 1. 1.]
 [1. 1. 1. 1. 1.]
 [1. 1. 1. 1. 1.]
 [1. 1. 1. 1. 1.]]
'''
c = np.identity(4);#生成单位矩阵 因为单位矩阵只能是方阵，所以仅仅需要一个参数就好了
print(c);
'''
[[1. 0. 0. 0.]
 [0. 1. 0. 0.]
 [0. 0. 1. 0.]
 [0. 0. 0. 1.]]
'''
d = np.random.rand(3,2);#生成随机数矩阵 随即生成大小为3行两列的0-1内的随机矩阵
print(d)
'''
[[0.27010843 0.96433668]
 [0.76597533 0.39533738]
 [0.82010573 0.86386262]]
'''

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

import numpy as np
'''
生成数组a
[[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]]);
print(a)#输出数组a
print(a[2][3])
print(a[0][0])

'''
[[ 1  2  3  4]
 [ 5  6  7  8]
 [ 9 10 11 12]]
12
1
这里我用也是最复杂的输出操作，比这nb的在后面，亮瞎我的24k纯金狗眼
'''

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];#将a的第0行到第1行，第2列到第3列放到b里面去这里因为药0-1行，而0:2表示0，1并不代表2，所以这里使用的时0:2，如果使用0:1南无就只有第一行了
print(b);#输出b
print(b[0][0]);#输出b(0,0)
'''
[[3 4]
 [7 8]]
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[1:2, :]）(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:,:];#a的后两行所有元素放到c中
print(c);#输出c
print(c[0,-1]);#输出c的第一行的最后一个元素
'''
[[ 5  6  7  8]
 [ 9 10 11 12]]
8
teacher，我认为这里有点错误，放入a的最后两行，而1:2只是表示1，并没有2，更没有两行了
'''

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]]) ）

import numpy as np
'''
建立a并初始化为[[1,2],[3,4],[5,6]];
'''
a = np.array([[1,2],[3,4],[5,6]]);
print(a[[0, 1, 2], [0, 1, 0]]);

'''
这个是比较nb的一个操作，第一行0 1 2表示元素的行，第二行0 1 0 则表示的是元素的列
[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])
'''
结果为[ 1  6  7 11]
np.arrange(start,end,a)
生成一个以start开始，end结尾，a为间隔
同理输出跟上面讲的一样
[1 3]
'''

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 
'''
[[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

import numpy as np
x = np.array([1,2]);
print(type(x))
'''
<class 'numpy.ndarray'>
'''

12.执行 x = np.array([1.0, 2.0]) ，然后输出 x 的数据类类型

import numpy as np
x = np.array([1.0,2.0]);
print(type(x))
'''
<class 'numpy.ndarray'>
'''

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)

import numpy as np
x = np.array([[1,2],[3,4]],dtype=np.float64)
y = np.array([[5,6],[7,8]],dtype=np.float64)
print(x+y)
print(np.add(x,y))
'''
[[ 6.  8.]
 [10. 12.]]
[[ 6.  8.]
 [10. 12.]]
 这两个函数都表示对应位置的元素相加,去网上冲浪了一圈，呼~，说没有什么区别
'''

14. 利用 13题目中的x,y 输出 x-y 和 np.subtract(x,y)

import numpy as np
x = np.array([[1,2],[3,4]],dtype=np.float64)
y = np.array([[5,6],[7,8]],dtype=np.float64)
print(x-y)
print(np.subtract(x,y))
'''
[[-4. -4.]
 [-4. -4.]]
[[-4. -4.]
 [-4. -4.]]
 两个函数都表示对应元素位置相减，这个也没有什么区别
'''

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。

import numpy as np
x = np.array([[1,2],[3,4]],dtype=np.float64)
y = np.array([[5,6],[7,8]],dtype=np.float64)
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.]]
 这个可有区别呃，前两个表示内积相乘，最后一个表示的是矩阵相乘
'''
x = np.array([[1,2],[3,4],[5,6]],dtype=np.float64)
y = np.array([[4,5,6],[7,8,9]],dtype=np.float64)
print(x*y)
print(np.multiply(x,y))
print(np.dot(x,y))
'''
ValueError: operands could not be broadcast together with shapes (3,2) (2,3) 
这里前输出结果那里会报错因为，星号(*)和multiply函数均需要使两个维度的大小相等,dot函数则需要前一个列数等于后一个的行数，当为方阵时满足这两个条件，所以均可以运行。
'''
x = np.array([[1,2],[3,4],[5,6]],dtype=np.float64)
y = np.array([[4,5],[6,7],[8,9]],dtype=np.float64)
print(x*y)
print(np.multiply(x,y))
print(np.dot(x,y))
'''
这中情况则会报ValueError: shapes (3,2) and (3,2) not aligned: 2 (dim 1) != 3 (dim 0)，表明dot函数需要使前一个矩阵的列数等于后一个矩阵的行数。
其中星号*乘和multuply表示的是内积乘。
'''

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

import numpy as np
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       ]]
 又新学一个函数，今天没白活，np.divide()表示的是矩阵对应元素相除
'''

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)
print(np.sqrt(x))
'''
[[1.         1.41421356]
 [1.73205081 2.        ]]
 通过16问，这一问猜也踩出来了，表示的对应位置取根号
'''

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))
print(np.dot(x,y))
'''
[[19. 22.]
 [43. 50.]]
[[19. 22.]
 [43. 50.]]
 这两个我认为只是用法不同。其余没影响
'''

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)
print(np.sum(x))
print(np.sum(x,axis =0 ))
print(np.sum(x,axis = 1))
'''
10.0
[4. 6.]
[3. 7.]
第一个表示对矩阵所有元素相加
第二个表示对列相加
第三个表示对行相加
成语：举一反三
'''

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)
print(np.mean(x))
print(np.mean(x,axis = 0))
print(np.mean(x,axis =1))
'''
2.5
[2. 3.]
[1.5 3.5]
第一个表示对全部取均值
第二个表示对列取均值
第三个表示对行取均值
'''

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)
print(np.argmax(x))
print(np.argmax(x, axis =0))
print(np.mean(x,axis =1))
'''
3
[1 1]
[1.5 3.5]
arg表示反函数中的"反",argsin表示对应角度，所以这一问应该表示最大值的下标
axis=0表示对行操作，axis=1表示对列操作
'''

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)
print(np.exp(x))
'''
[[ 2.71828183  7.3890561 ]
 [20.08553692 54.59815003]]
表示对位置的指数，基本都能举一反三
'''

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)
print(np.argmax(x))
print(np.argmax(x, axis =0))
print(np.argmax(x,axis=1))
'''
3
[1 1]
[1 1]
提示的第三个好像有问题，print函数中并没有axis这个参数，括号位置错啦
'''

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 numpy as np
import matplotlib.pyplot as plt
x = np.arange(0,100,0.1)
y = x*x
plt.figure(1)
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)

import numpy as np
import matplotlib.pyplot as plt

x = np.arange(0, 3 * np.pi, 0.1)
y1 = np.sin(x)
y2 = np.cos(x)
plt.figure(1)
plt.plot(x,y1)
plt.figure(2)
plt.plot(x,y2)
plt.show()

我觉得这次实验相对来说还是比较简单，应该增加点难度。