NNDL 实验一 numpy

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.narry([4, 5, 6])
print(a.dtype)
print(a.shape)
print(a[0])

运行结果：

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.narry([4, 5, 6],[1, 2, 3])
print(b.shape)
print(b[0,0],b[0,1],b[1,1])

 运行结果：

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.

a = np.zeros( (3, 3),  dtype = int )
b = np.ones( (4, 5),  dtype = int )
c = np.identity( (4),  dtype = int )
d = np.random.randint( 1,  10,  dtype = int,  size = (3, 2) )
print(a)
print(b)
print(c)
print(d)

运行结果：

解注：d中的1和10表示生成的随机数的范围是1-10。

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

a = np.array( [[1, 2, 3, 4],[5, 6, 7, 8],[9, 10, 11, 12]] )
print(a)
print(a[2, 3], a[0, 0])

 运行结果：

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, 1:3]
print(b)
print(b[0][0])

运行结果：

解注：将a的第0行到第1行，第2列到第3列放到b里面去，这里需要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

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[1:3]
print(c)
print(c[-1][-1])

运行结果：

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]])

运行结果：

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])

 运行结果：

解注：np.arange()函数当参数为一个时，表示终点，起点默认为0，步长为1。当参数为两个时，表示起点和终点，步长为1。当参数为三个时，分别表示起点，终点，步长。

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)

运行结果：

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(x.dtype)

 运行结果：

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(x.dtype)

运行结果：

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

 运行结果：

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))

运行结果：

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))

 运行结果：

解注：np.dot()可以用来进行向量内积，矩阵乘法，向量和矩阵的乘法等运算。

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

print(x / y)
print(np.divide(x, y))

运行结果：

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) )

 运行结果：

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) )

 运行结果：

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))

 运行结果：

解注：axis=0表示按列求和，axis=1表示按行求和。下同。

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) )
print( np.mean(x,axis = 0) )
print( np.mean(x,axis = 1) )

 运行结果：

 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 = x.T
print(x)

 运行结果：

22.利用13题目中的x,求e的指数（提示： 函数 np.exp()）

print( np.exp(x) )

 运行结果：

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

运行结果：

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 plt

x = np.arange(0, 100, 0.1)
y = x * x
plt.plot(x, y)
plt.show()

运行结果： 

解注：plt.plot()表示画出图像，plt.show()表示显示图像。

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)
y = np.sin(x)
plt.plot(x, y)
plt.show()
y = np.cos(x)
plt.plot(x, y)
plt.show()

运行结果：