![fa5465c4be5a2b490688689add1fa534.png](https://i-blog.csdnimg.cn/blog_migrate/8ba58d96c71f8d17a86a5349cbc41186.jpeg)
原作者:中文版:一两赘肉无 / 英文版: Nicolas P. Rougier
原出处:中文版:知乎站内(本文用于凑专栏收集度,原始文章无法投稿)/ 英文版:GitHub
原文链接:一两赘肉无:100道练习带你玩转Numpy / numpy-100 - github
Numpy是用Python做数据分析所必须要掌握的基础库之一,它可以用来存储和处理大型矩阵,并且Numpy提供了许多高级的数值编程工具,如:矩阵数据类型、矢量处理,以及精密的运算库,专为进行严格的数字处理而产生。
本文由浅入深,针对库的基础操作、使用场景、进阶问题撰写了100道问题,事无巨细。另,原翻译有部分不地道的地方,此次重新发布修改润色了部分。
一键fork运行
这100道练习,带你玩转Numpywww.kesci.com如果是新新新手,可以参考以下教程:
- Numpy快速上手指南 --- 基础篇
- Numpy快速上手指南 --- 进阶篇
1.导入numpy库并简写为 np
(提示: import … as …)
import numpy as np
2.打印numpy的版本和配置说明
(提示: np.version, np.show_config)
print(np.__version__)
np.show_config()
3.创建一个长度为10的空向量
(提示: np.zeros)
Z = np.zeros(10)
print(Z)
4.如何找到任何一个数组的内存大小?
(提示: size, itemsize)
Z = np.zeros((10,10))
print("%d bytes" % (Z.size * Z.itemsize))
5.如何从命令行得到numpy中add函数的说明文档?
(提示: http://np.info)
np.info(np.add)
6.创建一个长度为10并且除了第五个值为1的空向量
(提示: array[4])
Z = np.zeros(10)
Z[4] = 1
print(Z)
7.创建一个值从10到49的向量
(提示: np.arange)
Z = np.arange(10,50)
print(Z)
8.反转一个向量(第一个元素变为最后一个)
(提示: array[::-1])
Z = np.arange(50)
Z = Z[::-1]
print(Z)
9.创建一个 3x3 并且值从0到8的矩阵
(提示: reshape)
Z = np.arange(9).reshape(3,3)
print(Z)
10.找到数组[1,2,0,0,4,0]中非0元素的位置索引
(提示: np.nonzero)
nz = np.nonzero([1,2,0,0,4,0])
print(nz)
11.创建一个 3x3 的单位矩阵
(提示: np.eye)
Z = np.eye(3)
print(Z)
12.创建一个 3x3x3的随机数组
(提示: np.random.random)
Z = np.random.random((3,3,3))
print(Z)
13.创建一个 10x10 的随机数组并找到它的最大值和最小值
(提示: min, max)
Z = np.random.random((10,10))
Zmin, Zmax = Z.min(), Z.max()
print(Zmin, Zmax)
14.创建一个长度为30的随机向量并找到它的平均值
(提示: mean)
Z = np.random.random(30)
m = Z.mean()
print(m)
15.创建一个二维数组,其中边界值为1,其余值为0
(提示: array[1:-1, 1:-1])
Z = np.ones((10,10))
Z[1:-1,1:-1] = 0
print(Z)
16.对于一个已经存在的数组,如何添加一个用0填充的边界?
(提示: np.pad)
Z = np.ones((5,5))
Z = np.pad(Z, pad_width=1, mode='constant', constant_values=0)
print(Z)
17.以下表达式运行的结果分别是什么?
(提示: NaN = not a number, inf = infinity)
0*np.nan
np.nan==np.nan
np.inf>np.nan
np.nan-np.nan
0.3==3*0.1
18.创建一个 5x5的矩阵,并设置值1,2,3,4落在其对角线下方位置
(提示: np.diag)
Z = np.diag(1+np.arange(4),k=-1)
print(Z)
- 创建一个8x8 的矩阵,并且设置成棋盘样式
(提示: array[::2])
Z = np.zeros((8,8),dtype=int)
Z[1::2,::2] = 1
Z[::2,1::2] = 1
print(Z)
20.考虑一个 (6,7,8) 形状的数组,其第100个元素的索引(x,y,z)是什么?
(提示: np.unravel_index)
print(np.unravel_index(100,(6,7,8)))
21.用tile函数去创建一个 8x8 的棋盘样式矩阵
(提示: np.tile)
Z = np.tile( np.array([[0,1],[1,0]]), (4,4))
print(Z)
- 对一个5x5的随机矩阵做归一化
(提示: (x - min) / (max - min))
Z = np.random.random((5,5))
Zmax, Zmin = Z.max(), Z.min()
Z = (Z - Zmin)/(Zmax - Zmin)
print(Z)
23.创建一个将颜色描述为(RGBA)四个无符号整数的自定义dtype?
(提示: np.dtype)
color = np.dtype([("r", np.ubyte, 1),
("g", np.ubyte, 1),
("b", np.ubyte, 1),
("a", np.ubyte, 1)])
24.一个5x3的矩阵与一个3x2的矩阵相乘,实矩阵乘积是什么?
(提示: np.dot | @)
Z = np.dot(np.ones((5,3)), np.ones((3,2)))
print(Z)
25.给定一个一维数组,对其在3到8之间的所有元素取相反数
(提示: >, <=)
Z = np.arange(11)
Z[(3 < Z) & (Z <= 8)] *= -1
print(Z)
- 下面脚本运行后的结果是什么?
(提示: np.sum)
print(sum(range(5),-1))
- 考虑一个整数向量Z,下列表达合法的是哪个?
Z = np.arange(5)
Z ** Z # legal
2 << Z >> 2 # false
Z <- Z # legal
1j*Z # legal
Z/1/1 # legal
Z = np.arange(5)
Z<Z>Z # false
28.下列表达式的结果分别是什么?
np.array(0) /np.array(0)
np.array(0) //np.array(0)
np.array([np.nan]).astype(int).astype(float)
29.如何从零位对浮点数组做舍入 ?
(提示: np.uniform, np.copysign, np.ceil, np.abs)
Z = np.random.uniform(-10,+10,10)
print (np.copysign(np.ceil(np.abs(Z)), Z))
30.如何找到两个数组中的共同元素?
(提示: np.intersect1d)
Z1 = np.random.randint(0,10,10)
Z2 = np.random.randint(0,10,10)
print(np.intersect1d(Z1,Z2))
31.如何忽略所有的 numpy 警告(尽管不建议这么做)?
(提示: np.seterr, np.errstate)
defaults=np.seterr(all="ignore")
Z=np.ones(1) /0
# 恢复
_=np.seterr(**defaults)
32.下面的表达式是正确的吗?
(提示: imaginary number)
np.sqrt(-1) ==np.emath.sqrt(-1) # False
33.如何得到昨天,今天,明天的日期?
(提示: np.datetime64, np.timedelta64)
yesterday = np.datetime64('today', 'D') - np.timedelta64(1, 'D')
today = np.datetime64('today', 'D')
tomorrow = np.datetime64('today', 'D') + np.timedelta64(1, 'D')
print ("Yesterday is " + str(yesterday))
print ("Today is " + str(today))
print ("Tomorrow is "+ str(tomorrow))
34.如何得到所有与2016年7月对应的日期?
(提示: np.arange(dtype=datetime64['D']))
Z = np.arange('2016-07', '2016-08', dtype='datetime64[D]')
print(Z)
35.如何直接在原数组上计算(A+B)*(-A/2)(不建立副本)?
(提示: np.add(out=), np.negative(out=), np.multiply(out=), np.divide(out=))
A = np.ones(3)*1
B = np.ones(3)*2
np.add(A,B,out=B)
np.divide(A,2,out=A)
np.negative(A,out=A)
np.multiply(A,B,out=A)
36.用五种不同的方法去提取一个随机数组的整数部分
(提示: %, np.floor, np.ceil, astype, np.trunc)
Z = np.random.uniform(0,10,10)
print (Z - Z%1)
print (np.floor(Z))
print (np.ceil(Z)-1)
print (Z.astype(int))
print (np.trunc(Z))
37.创建一个5x5的矩阵,其中每行的数值范围从0到4
(提示: np.arange)
Z = np.zeros((5,5))
Z += np.arange(5)
print (Z)
38.通过考虑一个可生成10个整数的函数,来构建一个数组
(提示: np.fromiter)
def generate():
for x in range(10):
yield x
Z = np.fromiter(generate(),dtype=float,count=-1)
print (Z)
39.创建一个长度为10的随机向量,其值域范围从0到1,但不包括0和1
(提示: np.linspace)
Z = np.linspace(0,1,11,endpoint=False)[1:]
print (Z)
40.创建一个长度为10的随机向量,并将其排序
(提示: sort)
Z = np.random.random(10)
Z.sort()
print (Z)
41.对于一个小数组,如何用比 np.sum更快的方式对其求和?
(提示: np.add.reduce)
Z = np.arange(10)
np.add.reduce(Z)
42.对于两个随机数组A和B,检查它们是否相等
(提示: np.allclose, np.array_equal)
A = np.random.randint(0,2,5)
B = np.random.randint(0,2,5)
# 假设数组的形状相同,并且有一定的容忍度
equal = np.allclose(A,B)
print(equal)
# 方法2
# 检查形状和元素值,没有容忍度(值必须完全相等)
equal = np.array_equal(A,B)
print(equal)
43.创建一个只读数组
(提示: flags.writeable)
Z=np.zeros(10)
Z.flags.writeable=False
# 赋值会报错
Z[0] =1
44.将笛卡尔坐标下的一个10x2的矩阵转换为极坐标形式
(hint: np.sqrt, np.arctan2)
Z = np.random.random((10,2))
X,Y = Z[:,0], Z[:,1]
R = np.sqrt(X**2+Y**2)
T = np.arctan2(Y,X)
print (R)
print (T)
- 创建一个长度为10的向量,并将向量中最大值替换为1
(提示: argmax)
Z = np.random.random(10)
Z[Z.argmax()] = 0
print (Z)
46.创建一个结构化数组,并实现 x 和 y 坐标覆盖 [0,1]x[0,1] 区域
(提示: np.meshgrid)
Z = np.zeros((5,5), [('x',float),('y',float)])
Z['x'], Z['y'] = np.meshgrid(np.linspace(0,1,5),
np.linspace(0,1,5))
print(Z)
47.给定两个数组X和Y,构造柯西矩阵C (
(提示: np.subtract.outer)
X = np.arange(8)
Y = X + 0.5
C = 1.0 / np.subtract.outer(X, Y)
print(np.linalg.det(C))
48.打印每个numpy标量类型的最小值和最大值?
(提示: np.iinfo, np.finfo, eps)
for dtype in [np.int8, np.int32, np.int64]:
print(np.iinfo(dtype).min)
print(np.iinfo(dtype).max)
for dtype in [np.float32, np.float64]:
print(np.finfo(dtype).min)
print(np.finfo(dtype).max)
print(np.finfo(dtype).eps)
49.如何打印一个数组中的所有数值?
(提示: np.set_printoptions)
np.set_printoptions(threshold=np.nan)
Z = np.zeros((16,16))
print (Z)
50.给定标量时,如何找到数组中最接近标量的值?
(提示: argmin)
Z = np.arange(100)
v = np.random.uniform(0,100)
index = (np.abs(Z-v)).argmin()
print (Z[index])
51.创建一个表示位置(x,y)和颜色(r,g,b)的结构化数组
(提示: dtype)
Z = np.zeros(10, [ ('position', [ ('x', float, 1),('y', float, 1)]),('color', [ ('r', float, 1),('g', float, 1),('b', float, 1)])])
print (Z)
52.对一个表示坐标形状为(100,2)的随机向量,找到点与点的距离
(提示: np.atleast_2d, T, np.sqrt)
Z = np.random.random((10,2))
X,Y = np.atleast_2d(Z[:,0], Z[:,1])
D = np.sqrt( (X-X.T)**2 + (Y-Y.T)**2)
print (D)
# 方法2
# 用scipy库会快很多
import scipy
import scipy.spatial
D = scipy.spatial.distance.cdist(Z,Z)
print (D)
53.如何将32位的浮点数(float)转换为对应的整数(integer)?
(提示: astype(copy=False))
Z = np.arange(10, dtype=np.int32)
Z = Z.astype(np.float32, copy=False)
print (Z)
54.如何读取以下文件?
(提示: np.genfromtxt)
from io import StringIO
s = StringIO("1, 2, 3, 4, 5, 6, , , 7, 8, , 9, 10, 11")
data = np.genfromtxt(s, dtype='int', delimiter=",")
55.对于numpy数组,enumerate的等价操作是什么?
(提示: np.ndenumerate, np.ndindex)
Z = np.arange(9).reshape(3,3)
for index, value in np.ndenumerate(Z):
print (index, value)
for index in np.ndindex(Z.shape):
print (index, Z[index])
56.生成一个通用的二维高斯分布数组
(提示: np.meshgrid, np.exp)
X, Y = np.meshgrid(np.linspace(-1,1,10), np.linspace(-1,1,10))
D = np.sqrt(X*X+Y*Y)
sigma, mu = 1.0, 0.0
G = np.exp(-( (D-mu)**2 / ( 2.0 * sigma**2 ) ) )
print (G)
57.对一个二维数组,如何在其内部随机放置p个元素?
(提示: np.put, np.random.choice)
n = 10
p = 3
Z = np.zeros((n,n))
np.put(Z, np.random.choice(range(n*n), p, replace=False),1)
print (Z)
58.减去一个矩阵中的每一行的平均值
(提示: mean(axis=,keepdims=))
X = np.random.rand(5, 10)
Y = X - X.mean(axis=1, keepdims=True)
print(Y)
59.如何通过第n列对一个数组进行排序?
(提示: argsort)
Z = np.random.randint(0,10,(3,3))
print (Z)
print (Z[Z[:,1].argsort()])
60.如何检查一个二维数组是否有空列?
(提示: any, ~)
Z = np.random.randint(0,3,(3,10))
print ((~Z.any(axis=0)).any())
61.从数组中的给定值中找出最近的值
(提示: np.abs, argmin, flat)
Z = np.random.uniform(0,1,10)
z = 0.5
m = Z.flat[np.abs(Z - z).argmin()]
print (m)
62.如何用迭代器(iterator)计算两个分别具有形状(1,3)和(3,1)的数组?
(提示: np.nditer)
A = np.arange(3).reshape(3,1)
B = np.arange(3).reshape(1,3)
it = np.nditer([A,B,None])
for x,y,z in it:
z[...] = x + y
print (it.operands[2])
63.创建一个具有name属性的数组类
(提示: class方法)
class NamedArray(np.ndarray):
def __new__(cls, array, name="no name"):
obj = np.asarray(array).view(cls)
obj.name = name
return obj
def __array_finalize__(self, obj):
if obj is None: return
self.info = getattr(obj, 'name', "no name")
Z = NamedArray(np.arange(10), "range_10")
print (Z.name)
64.考虑一个给定的向量,如何对由第二个向量索引的每个元素加1(小心重复的索引)?
(提示: np.bincount | np.add.at)
Z = np.ones(10)
I = np.random.randint(0,len(Z),20)
Z += np.bincount(I, minlength=len(Z))
print(Z)
# 方法2
np.add.at(Z, I, 1)
print(Z)
65.根据索引列表(I),如何将向量(X)的元素累加到数组(F)?
(提示: np.bincount)
X = [1,2,3,4,5,6]
I = [1,3,9,3,4,1]
F = np.bincount(I,X)
print (F)
66.考虑一个(dtype=ubyte) 的 (w,h,3)图像,计算其唯一颜色的数量
(提示: np.unique)
I = np.random.randint(0,2,(h,w,3)).astype(np.ubyte)
# 因为我们要*256*256,所以要设成'ubyte'类型,不然默认的'uint16'类型会溢出
F = I[...,0]*(256*256) + I[...,1]*256 +I[...,2]
n = len(np.unique(F))
print (n)
67.考虑一个四维数组,如何一次性计算出最后两个轴(axis)的和?
(提示: sum(axis=(-2,-1)))
A = np.random.randint(0,10,(3,4,3,4))
sum = A.sum(axis=(-2,-1))
print (sum)
# 方法2
sum = A.reshape(A.shape[:-2] + (-1,)).sum(axis=-1)
print (sum)
68.考虑一个一维向量D,如何使用相同大小的向量S来计算D子集的均值?
(提示: np.bincount)
D = np.random.uniform(0,1,100)
S = np.random.randint(0,10,100)
D_sums = np.bincount(S, weights=D)
D_counts = np.bincount(S)
D_means = D_sums / D_counts
print (D_means)
# 方法2
import pandas as pd
print(pd.Series(D).groupby(S).mean())
69.如何获得点积 dot prodcut的对角线?
(提示: np.diag)
A = np.random.uniform(0,1,(5,5))
B = np.random.uniform(0,1,(5,5))
# 慢
np.diag(np.dot(A, B))
# 方法2
# 比较快
np.sum(A * B.T, axis=1)
# 方法3
# 更快
np.einsum("ij,ji->i", A, B)
70.考虑一个向量[1,2,3,4,5],如何建立一个新的向量,在这个新向量中每个值之间有3个连续的零?
(提示: array[::4])
Z = np.array([1,2,3,4,5])
nz = 3
Z0 = np.zeros(len(Z) + (len(Z)-1)*(nz))
Z0[::nz+1] = Z
print (Z0)
71.考虑一个维度(5,5,3)的数组,如何将其与一个(5,5)的数组相乘?
(提示: array[:, :, None])
A = np.ones((5,5,3))
B = 2*np.ones((5,5))
print (A * B[:,:,None])
72.如何对一个数组中任意两行做交换?
(提示: array[[]] = array[[]])
A = np.arange(25).reshape(5,5)
A[[0,1]] = A[[1,0]]
print (A)
73.Consider a set of 10 triplets describing 10 triangles (with shared vertices), find the set of unique line segments composing all the triangles(看不懂,贴原文)
(提示: repeat, np.roll, np.sort, view, np.unique)
faces = np.random.randint(0,100,(10,3))
F = np.roll(faces.repeat(2,axis=1),-1,axis=1)
F = F.reshape(len(F)*3,2)
F = np.sort(F,axis=1)
G = F.view( dtype=[('p0',F.dtype),('p1',F.dtype)] )
G = np.unique(G)
print(G)
74.给定一个二进制的数组C,如何产生一个数组A满足np.bincount(A)==C
(提示: np.repeat)
C = np.bincount([1,1,2,3,4,4,6])
A = np.repeat(np.arange(len(C)), C)
print (A)
75.如何通过滑动窗口计算一个数组的平均数?
(提示: np.cumsum)
def moving_average(a, n=3) :
ret = np.cumsum(a, dtype=float)
ret[n:] = ret[n:] - ret[:-n]
return ret[n - 1:] / n
Z = np.arange(20)
print(moving_average(Z, n=3))
76.考虑一维数组Z,构建一个二维数组,其第一行是(Z [0],Z [1],Z [2]),每个后续行移1(最后一行应该是( Z [-3],Z [-2],Z [-1])
(提示: from numpy.lib import stride_tricks)
from numpy.lib import stride_tricks
def rolling(a, window):
shape = (a.size - window + 1, window)
strides = (a.itemsize, a.itemsize)
return stride_tricks.as_strided(a, shape=shape, strides=strides)
Z = rolling(np.arange(10), 3)
print (Z)
77.如何对布尔值取反,或者原位(in-place)改变浮点数的符号(sign)?
(提示: np.logical_not, np.negative)
Z = np.random.randint(0,2,100)
np.logical_not(Z, out=Z)
Z = np.random.uniform(-1.0,1.0,100)
np.negative(Z, out=Z)
- 考虑两组点集P0和P1去描述一组线(二维)和一个点p,如何计算点p到每一条线 i (P0[i],P1[i])的距离?
def distance(P0, P1, p):
T = P1 - P0
L = (T**2).sum(axis=1)
U = -((P0[:,0]-p[...,0])*T[:,0] + (P0[:,1]-p[...,1])*T[:,1]) / L
U = U.reshape(len(U),1)
D = P0 + U*T - p
return np.sqrt((D**2).sum(axis=1))
P0 = np.random.uniform(-10,10,(10,2))
P1 = np.random.uniform(-10,10,(10,2))
p = np.random.uniform(-10,10,( 1,2))
print (distance(P0, P1, p))
79.考虑两组点集P0和P1去描述一组线(二维)和一组点集P,如何计算每一个点 j(P[j]) 到每一条线 i (P0[i],P1[i])的距离?
# 基于上一问的距离函数
P0 = np.random.uniform(-10, 10, (10,2))
P1 = np.random.uniform(-10,10,(10,2))
p = np.random.uniform(-10, 10, (10,2))
print (np.array([distance(P0,P1,p_i) for p_i in p]))
80.考虑一个任意数组,写一个函数,提取一个固定形状的子部分,并以给定元素为中心(fill必要时填充一个值)
(提示: minimum, maximum)
Z = np.random.randint(0,10,(10,10))
shape = (5,5)
fill = 0
position = (1,1)
R = np.ones(shape, dtype=Z.dtype)*fill
P = np.array(list(position)).astype(int)
Rs = np.array(list(R.shape)).astype(int)
Zs = np.array(list(Z.shape)).astype(int)
R_start = np.zeros((len(shape),)).astype(int)
R_stop = np.array(list(shape)).astype(int)
Z_start = (P-Rs//2)
Z_stop = (P+Rs//2)+Rs%2
R_start = (R_start - np.minimum(Z_start,0)).tolist()
Z_start = (np.maximum(Z_start,0)).tolist()
R_stop = np.maximum(R_start, (R_stop - np.maximum(Z_stop-Zs,0))).tolist()
Z_stop = (np.minimum(Z_stop,Zs)).tolist()
r = [slice(start,stop) for start,stop in zip(R_start,R_stop)]
z = [slice(start,stop) for start,stop in zip(Z_start,Z_stop)]
R[r] = Z[z]
print (Z)
print (R)
81.考虑一个数组Z = [1,2,3,4,5,6,7,8,9,10,11,12,13,14],如何生成一个数组R = [[1,2,3,4], [2,3,4,5], [3,4,5,6], ...,[11,12,13,14]]?
(提示: stride_tricks.as_strided)
Z = np.arange(1,15,dtype=np.uint32)
R = stride_tricks.as_strided(Z,(11,4),(4,4))
print (R)
82.计算一个矩阵的秩
(提示: np.linalg.svd)
Z = np.random.uniform(0,1,(10,10))
U, S, V = np.linalg.svd(Z) # 奇异值分解
rank = np.sum(S > 1e-10)
print (rank)
83.如何找到一个数组中出现频率最高的值?
(提示: np.bincount, argmax)
Z = np.random.randint(0,10,50)
print (np.bincount(Z).argmax())
84.从一个10x10的矩阵中提取出连续的3x3区块
(提示: stride_tricks.as_strided)
Z = np.random.randint(0,5,(10,10))
n = 3
i = 1 + (Z.shape[0]-3)
j = 1 + (Z.shape[1]-3)
C = stride_tricks.as_strided(Z, shape=(i, j, n, n), strides=Z.strides + Z.strides)
print (C)
85.创建一个满足 Z[i,j] == Z[j,i]的子类
(提示: class 方法)
class Symetric(np.ndarray):
def __setitem__(self, index, value):
i,j = index
super(Symetric, self).__setitem__((i,j), value)
super(Symetric, self).__setitem__((j,i), value)
def symetric(Z):
return np.asarray(Z + Z.T - np.diag(Z.diagonal())).view(Symetric)
S = symetric(np.random.randint(0,10,(5,5)))
S[2,3] = 42
print (S)
- 考虑p个 nxn 矩阵和一组形状为(n,1)的向量,如何直接计算p个矩阵的乘积(n,1)?
(提示: np.tensordot)
p, n = 10, 20
M = np.ones((p,n,n))
V = np.ones((p,n,1))
S = np.tensordot(M, V, axes=[[0, 2], [0, 1]])
print (S)
87.对于一个16x16的数组,如何得到一个区域(block-sum)的和(区域大小为4x4)?
(提示: np.add.reduceat)
Z = np.ones((16,16))
k = 4
S = np.add.reduceat(np.add.reduceat(Z, np.arange(0, Z.shape[0], k), axis=0),
np.arange(0, Z.shape[1], k), axis=1)
print (S)
88.如何利用numpy数组实现Game of Life?
(提示: Game of Life,一种游戏)
def iterate(Z):
# 数周围的细胞数量
N = (Z[0:-2,0:-2] + Z[0:-2,1:-1] + Z[0:-2,2:] +
Z[1:-1,0:-2] + Z[1:-1,2:] +
Z[2: ,0:-2] + Z[2: ,1:-1] + Z[2: ,2:])
# 应用规则
birth = (N==3) & (Z[1:-1,1:-1]==0)
survive = ((N==2) | (N==3)) & (Z[1:-1,1:-1]==1)
Z[...] = 0
Z[1:-1,1:-1][birth | survive] = 1
return Z
Z = np.random.randint(0,2,(50,50))
for i in range(100): Z = iterate(Z)
print(Z)
89.如何找到一个数组的第n个最大值?
(提示: np.argsort | np.argpartition)
Z = np.arange(10000)
np.random.shuffle(Z)
n = 5
# 慢
print (Z[np.argsort(Z)[-n:]])
# 快
print (Z[np.argpartition(-Z,n)[:n]])
90.给定任意个数向量,创建笛卡尔积(每一个元素的每一种组合)
(提示: np.indices)
def cartesian(arrays):
arrays = [np.asarray(a) for a in arrays]
shape = (len(x) for x in arrays)
ix = np.indices(shape, dtype=int)
ix = ix.reshape(len(arrays), -1).T
for n, arr in enumerate(arrays):
ix[:, n] = arrays[n][ix[:, n]]
return ix
print (cartesian(([1, 2, 3], [4, 5], [6, 7])))
91.如何从一个普通数组创建记录数组(record array)?
(提示: np.core.records.fromarrays)
Z = np.array([("Hello", 2.5, 3),
("World", 3.6, 2)])
R = np.core.records.fromarrays(Z.T,
names='col1, col2, col3',
formats = 'S8, f8, i8')
print(R)
92.考虑一个大向量Z, 用三种不同的方法计算它的立方
(提示: np.power, *, np.einsum)
x = np.random.rand()
np.power(x,3)
# 方法2
x*x*x
# 方法3
np.einsum('i,i,i->i',x,x,x)
93.考虑两个形状分别为(8,3) 和(2,2)的数组A和B. 如何在数组A中找到满足包含B中元素的行?(不考虑B中每行元素顺序)?
(提示: np.where)
A = np.random.randint(0,5,(8,3))
B = np.random.randint(0,5,(2,2))
C = (A[..., np.newaxis, np.newaxis] == B)
rows = np.where(C.any((3,1)).all(1))[0]
print(rows)
94.考虑一个10x3的矩阵,分解出有不全相同值的行 (如 [2,2,3])
Z = np.random.randint(0,5,(10,3))
print(Z)
# 方法一,适合所有类型数据
E = np.all(Z[:,1:] == Z[:,:-1], axis=1)
U = Z[~E]
print(U)
# 方法一,适合数字类型数据
U = Z[Z.max(axis=1) != Z.min(axis=1),:]
print(U)
95.将一个整数向量转换为matrix binary的表现形式
(提示: np.unpackbits)
I = np.array([0, 1, 2, 3, 15, 16, 32, 64, 128])
B = ((I.reshape(-1,1) & (2**np.arange(8))) != 0).astype(int)
print(B[:,::-1])
# 方法二
I = np.array([0, 1, 2, 3, 15, 16, 32, 64, 128], dtype=np.uint8)
print(np.unpackbits(I[:, np.newaxis], axis=1))
96.给定一个二维数组,如何提取出唯一的(unique)行?
(提示: np.ascontiguousarray)
Z = np.random.randint(0,2,(6,3))
T = np.ascontiguousarray(Z).view(np.dtype((np.void, Z.dtype.itemsize * Z.shape[1])))
_, idx = np.unique(T, return_index=True)
uZ = Z[idx]
print(uZ)
# 方法二
uZ = np.unique(Z, axis=0)
print(uZ)
97.考虑两个向量A和B,写出用einsum等式对应的inner, outer, sum, mul函数
(提示: np.einsum)
A = np.random.uniform(0,1,10)
B = np.random.uniform(0,1,10)
np.einsum('i->', A) # np.sum(A)
np.einsum('i,i->i', A, B) # A * B
np.einsum('i,i', A, B) # np.inner(A, B)
np.einsum('i,j->ij', A, B) # np.outer(A, B)
98.考虑一个由两个向量描述的路径(X,Y),如何用等距样例(equidistant samples)对其进行采样(sample)?
(提示: np.cumsum, np.interp)
phi = np.arange(0, 10*np.pi, 0.1)
a = 1
x = a*phi*np.cos(phi)
y = a*phi*np.sin(phi)
dr = (np.diff(x)**2 + np.diff(y)**2)**.5 # segment lengths
r = np.zeros_like(x)
r[1:] = np.cumsum(dr) # integrate path
r_int = np.linspace(0, r.max(), 200) # regular spaced path
x_int = np.interp(r_int, r, x) # integrate path
y_int = np.interp(r_int, r, y)
99.给定整数n和2D数组X,从X中选择仅包含整数并且总和为n的行
(提示: np.logical_and.reduce, np.mod)
X = np.asarray([[1.0, 0.0, 3.0, 8.0],
[2.0, 0.0, 1.0, 1.0],
[1.5, 2.5, 1.0, 0.0]])
n = 4
M = np.logical_and.reduce(np.mod(X, 1) == 0, axis=-1)
M &= (X.sum(axis=-1) == n)
print(X[M])
100.Compute bootstrapped 95% confidence intervals for the mean of a 1D array X (i.e., resample the elements of an array with replacement N times, compute the mean of each sample, and then compute percentiles over the means). (看不懂,搬原文)
X = np.random.randn(100) # random 1D array
N = 1000 # number of bootstrap samples
idx = np.random.randint(0, X.size, (N, X.size))
means = X[idx].mean(axis=1)
confint = np.percentile(means, [2.5, 97.5])
print(confint)