NNDL 实验一 numpy 的array操作

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：

<class 'numpy.ndarray'>
(3,)
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)
print(b[0,0],b[0,1],b[1,1])

运行结果：

(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.

a=np.zeros([3,3],dtype=int)
b=np.ones([4,5])
c=np.identity(4)
d=np.random.rand(3,2)

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],[0,10,11,12]])
print(a)
print(a[2,3])
print(a[0,0])

运行结果：

[[ 1  2  3  4]
 [ 5  6  7  8]
 [ 0 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

b=a[0:2,2:4]#左取右不取
print(b[:2])
print(b[0,0])

运行结果：

[[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[[-2,-1],:]
print(c)
print(c[0][-1])

运行结果：

[[ 5  6  7  8]
 [ 0 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]])

运行结果：

[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])

运行结果：

[ 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)

运行结果：

[[11  2  3]
 [ 4  5 16]
 [17  8  9]
 [10 21 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))

运行结果：

<class 'numpy.ndarray'>
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：

<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)

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：

[[ 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))

运行结果：

[[-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))

运行结果：

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

x1=np.array([[1,2,3],[4,5,6]])
y1=np.array([[7,8,9],[10,11,12]])
print(x1*y1)
print(np.multiply(x1,y1))
print(np.dot(x1,y1))

非方阵运算；

运行结果：
[[ 7 16 27]
 [40 55 72]]
[[ 7 16 27]
 [40 55 72]]

最后一行报错

Traceback (most recent call last):
  File "C:\Users\lenovo\PycharmProjects\pythonProject\deep_learning\2022829.py", line 89, in <module>
    print(np.dot(x1,y1))
  File "<__array_function__ internals>", line 180, in dot
ValueError: shapes (2,3) and (2,3) not aligned: 3 (dim 1) != 2 (dim 0)

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：

[[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() )

print(np.sqrt(x))

运行结果：

[[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))

运行结果：

[[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))

运行结果：

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

运行结果：

2.5
[2. 3.]
[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)

运行结果：

[[1. 3.]
 [2. 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))

运行结果：

[[ 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))

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

运行结果：

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 plt

plt.figure()
x=np.arange(0,100,0.1)
plt.plot(x,x*x,label='y=x^2')
plt.legend()
plt.show()

运行截图：

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')
plt.plot(x,np.cos(x),label='cos')
plt.legend()
plt.show()

运行截图：