深度学习实验一 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.array([4,5,6])
print(type(a))
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.array([[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)   #创建全0矩阵
b=np.ones((4,5))   #创建全1矩阵
c=np.eye(4)   #创建单位矩阵
d=np.random.rand(3,2)   #创建随机矩阵

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[0:1,2:3]   #把a的0到1行、2到3列放到b中
print(b)
print(b[0][0])

运行结果：

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[-2:,:]   #把a的后两行放进c中
print(c)
print(c[0][-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])   #创建需要输出的列的数组
print(a[np.arange(4),b])

运行结果：

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[np.arange(4),b])

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(type(x))

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(type(x))

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。

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))

运行结果：

x*y与multiply一样是两个矩阵对应位置相乘，而dot是按矩阵相乘的原理进行计算

不是方阵的：

t1=np.array([[1,2],[3,4],[5,6]])
t2=np.array([[1,2],[3,4],[5,6]])
print(t1*t2)
print(np.multiply(t1,t2))
print(np.dot(t1,t2))

运行结果：

两个相同行列的矩阵可以进行multiply计算，而进行dot运算需要前一个矩阵的行数与后一个矩阵的列数相等
16. 利用13题目中的x,y,输出 x / y .(提示 ： 使用函数 np.divide())

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))   #纵向求和
print(np.sum(x,axis=1))   #横向求和

 运行结果：

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))   #纵向求平均数
print(np.mean(x,axis=1))   #横向求平均数

 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）

print(x.T)

 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))   #纵向求值最大的下标
print(np.argmax(x,axis=1))   #横向求值最大的下标

 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）

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

运行结果：

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),label='sin()')   #画图
plt.plot(x,np.cos(x),label='cos()')
plt.legend(loc=1)   #添加图例
plt.show()

运行结果：