NNDL 实验一 numpy

numpy 的array操作

1.导入numpy库

import numpy as np
# 没有numpy库的可以通过pip下载。
# 利用清华源下载：pip install numpy -i https://pypi.tuna.tsinghua.edu.cn/simple

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))
# 直接定义a=[4,5,6]的话，a为list类型
print(a.shape)
print(a[0])

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]])
# 建立多维数组的时候注意在数据最外围加上一组[]
print(b.shape)
print(b[0,0],b[0,1],b[1,1])

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

结果：

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])

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[0:2,2:4]
print(b)
print(b[0,0])
'''
逗号前是取行，逗号后是取列
取某行
X[0] #取第0行
X[0,:] #取第0行，:后面空表示该行取所有列的元素
X[0:m] #取第0至第m-1行
取某列
X[:,0] #取第0列 X[:,-1] #取倒数第一列 ，:前面空表示该列取所有行的元素
X[:,m:n] #取第m到第n-1列
X[:,0:-1] #取第0到倒数第二列（-1表示倒数第一列，区间是到它的前一列）
'''

结果：

7. 把第5题中数组a的最后两行所有元素放到 c中。

(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[0,-1])

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]])

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])
'''
np.arange函数返回一个有终点和起点的固定步长的排列
参数个数情况： np.arange()函数分为一个参数，两个参数，三个参数三种情况
1）一个参数时，参数值为终点，起点取默认值0，步长取默认值1。
2）两个参数时，第一个参数为起点，第二个参数为终点，步长取默认值1。
3）三个参数时，第一个参数为起点，第二个参数为终点，第三个参数为步长。其中步长支持小数
'''

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)

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))

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))

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))

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))

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，y是方阵

print(x*y)
print(np.multiply(x, y))
print(np.dot(x,y))
'''
差异：
x*y 与 np.multiply(x, y)是矩阵对应位置相乘后放到新矩阵的对应位置。
np.dot(x,y)则是进行矩阵乘法，即对应行与列相乘后相加的和放到新矩阵的对应位置
'''

更改x，y为不是方阵：

# x,y不是方阵时：

# x,y的行列数相反

x = np.array([[1, 2, 3], [4, 5, 6]], dtype=np.float64)
y = np.array([[7, 8], [9, 10], [11, 12]], dtype=np.float64)
# print(x*y)
# print(np.multiply(x, y))
print(np.dot(x,y))

# x，y的行列数相同

x = np.array([[1, 2, 3], [4, 5, 6]], dtype=np.float64)
y = np.array([[7, 8, 9], [10, 11, 12]], dtype=np.float64)
print(x*y)
print(np.multiply(x, y))
# print(np.dot(x,y))
'''
运行后可发现：
情况一只有np.dot(x,y)可以运行成功，另外两种会显示错误，因为位置不完全对应
情况二只有np.dot(x,y)不能运行成功，因为不满足矩阵乘法的条件。
'''

结果：

x,y是方阵

 更改x，y为不是方阵：

1.x，y的行列数相反

 2.x，y的行列数相同

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))

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() )

x = np.array([[1, 2], [3, 4]],dtype=np.float64)
print(np.sqrt(x))

结果：

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))

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))

x = np.array([[1, 2], [3, 4]], dtype=np.float64)
print(np.sum(x))
# axis默认值 整体求和
print(np.sum(x, axis=0))
# axis=0 按列求和
print(np.sum(x, axis=1))
# axis=1 按行求和

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))

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))

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 = np.array([[1, 2], [3, 4]], dtype=np.float64)
print(np.transpose(x))

结果：

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))

结果：

23.利用13题目中的 x,求值最大的下标

(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))
# 寻找整体最大值的索引值
print(np.argmax(x, axis =0))
# 按列寻找，返回每列最大值的索引值
print(np.argmax(x, axis =1))
# 按行寻找，返回每行最大值的索引值

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()

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)
y1 = np.sin(x)
y2 = np.cos(x)
plt.plot(x,y1)
plt.plot(x,y2)
plt.show()

结果：