Python Test(iris-numpy)

【试题1】 5分

已知数据a=np.array（[ [1，2，3，4]，[5，6，7，25]，[3，4，5，6]，[4，5，6，11]]），

请根据数据完成如下任务：

（1）获取所有矩阵元素的平均值和中位数 。2分

（2）获取矩阵行方向的方差。1分

（3）获取矩阵列方向的标准差。1分

（4）对矩阵行方向求累积和。1分

import numpy as np
a=np.array([ [1,2,3,4],[5,6,7,25],[3,4,5,6],[4,5,6,11]])
a.mean()
np.median(a)
a.var(axis=1)
a.std(axis=0)
a.sum(axis=1)

a.mean() 是 np.mean(a) 的简单版, 使用方法基本是相同的, 唯一的不同就是前者是numpy数组对象的方法, 后者作为numpy的函数使用. 

【试题2】20分

鸢尾属植物数据集.\2\iris.txt，在这个数据集中，包括了三类不同的鸢尾属植物：Iris-setosa，Iris-versicolor，Iris-virginica。每类收集了50个样本，因此这个数据集一共包含了150个样本。

• SepalLengthCm：萼片长度
• SepalWidthCm：萼片宽度
• PetalLengthCm：花瓣长度
• PetalWidthCm：花瓣宽度

以上四个特征的单位都是厘米（cm）。

1. 导入鸢尾属植物数据集，保持文本不变。1分

import numpy as np
outfile=r'E:/PythonFile/venv/ai/iris.txt'
iris_data=np.loadtxt(outfile,dtype=object,skiprows=1)
#iris_data=np.loadtxt(outfile,dtype=object,delimeter="\t",skiprows=1)
iris_data

 

2. 求出鸢尾属植物萼片长度的平均值、中位数、标准差（第1列，SepalLengthCm）1分

SepalLengthCm=np.loadtxt(outfile,dtype=float,skiprows=1,usecols=1)
print(np.mean(SepalLengthCm))
print(np.median(SepalLengthCm))
print(np.std(SepalLengthCm))
#5.843333333333334
#5.8
#0.8253012917851409

3. 创建一种标准化形式的鸢尾属植物萼片长度，其值正好介于0和1之间，这样最小值为0，最大值为1（第1列，SepalLengthCm）。1分

SepalLengthCm=np.loadtxt(outfile,dtype=float,skiprows=1,usecols=1)
a=np.max(SepalLengthCm)
b=np.min(SepalLengthCm)
SepalLengthCm=(SepalLengthCm-b)/(a-b)
#归一化

4. 找到鸢尾属植物萼片长度的第5和第95百分位数（第1列，SepalLengthCm）。1分

import numpy as np
outfile=r'E:/PythonFile/venv/ai/iris.txt'
SepalLengthCm=np.loadtxt(outfile,dtype=float,skiprows=1,usecols=1)
x=np.percentile(SepalLengthCm,[5,95])
print(x)
#[4.6   7.255]

5. 把iris数据集中的20个随机位置修改为np.nan值。1分

import numpy as np
outfile=r'E:/PythonFile/venv/ai/iris.txt'
iris_data=np.loadtxt(outfile,dtype=object,skiprows=1)
i,j=iris_data.shape
np.random.seed(20220723)
iris_data[np.random.randint(i,size=20),np.random.randint(j,size=20)]=np.nan
iris_data

6. 在iris的SepalLengthCm中查找缺失值的个数和位置（第1列）。1分

import numpy as np
import pandas as pd
outfile=r'E:/PythonFile/venv/ai/iris.txt'
iris_data=np.loadtxt(outfile,dtype=object,skiprows=1,usecols=[1,2,3,4])
i,j=iris_data.shape
np.random.seed(20220723)
iris_data[np.random.randint(i,size=20),np.random.randint(j,size=20)]=np.nan
SepalLengthCm=iris_data[:,0].astype('float')
x=np.sum(np.isnan(SepalLengthCm))
y=np.where(np.isnan(SepalLengthCm))
print(x)
print(y)
#SepalLengthCm=iris_data[:,0]
# pd.isnull(SepalLengthCm)
#np.isnan()对float类型起作用,pd.isnull可以不用改数据类型

7. 筛选具有 SepalLengthCm（第1列）< 5.0 并且 PetalLengthCm（第3列）> 1.5 的数据行。1分

import numpy as np
import pandas as pd
outfile=r'E:/PythonFile/venv/ai/iris.txt'
iris_data=np.loadtxt(outfile,dtype=object,skiprows=1,usecols=[1,2,3,4])
sepalLength=iris_data[:,0].astype('float')
petallength=iris_data[:,2].astype('float')
#str与int不能比较大小，要转为float
#或者导入数据的时候就转类型
#iris_data=np.loadtxt(outfile,dtype=object,skiprows=1,usecols=[1,2,3,4])
index=np.where(np.logical_and(sepalLength<5.0,petallength>1.5))
iris_data[index]

 8. 选择没有任何 nan 值的数据行。

import numpy as np
import random
outfile=r'E:/PythonFile/venv/ai/iris.txt'
iris_data=np.loadtxt(outfile,dtype=float,skiprows=1,usecols=[1,2,3,4])
i,j=iris_data.shape
iris_data[np.random.randint(i,size=20),np.random.randint(j,size=20)]=np.nan
x=iris_data[np.sum(np.isnan(iris_data),axis=1)==0]
x

np.sum(np.isnan(iris_data),axis=1)==0

9. 计算数据集中SepalLengthCm（第1列）和PetalLengthCm（第3列）之间的相关系数。1分

import numpy as np
outfile=r'E:/PythonFile/venv/ai/iris.txt'
iris_data=np.loadtxt(outfile,dtype=float,skiprows=1,usecols=[1,3])
SepalLengthCm=iris_data[:,0]
PetalLengthCm=iris_data[:,1]
np.corrcoef(SepalLengthCm,PetalLengthCm)
# x=np.cov(sepalLength,petallength,ddof=False)
# y=np.std(sepalLength)*np.std(petallength)
# print('相关系数：',x[0,1]/y)

 

 相关系数=两者协方差/标准差之积

10. 在numpy数组中将所有出现的nan替换为0。1分

import numpy as np
import random
outfile=r'E:/PythonFile/venv/ai/iris.txt'
iris_data=np.loadtxt(outfile,dtype=float,skiprows=1,usecols=[1,2,3,4])
iris_data[np.random.randint(i,size=20),np.random.randint(j,size=20)]=np.nan
iris_data[np.isnan(iris_data)]=0

11. 找出鸢尾属植物物种中的唯一值和唯一值出现的数量。1分

import numpy as np
import random
outfile=r'E:/PythonFile/venv/ai/iris.txt'
iris_data=np.loadtxt(outfile,dtype=str,skiprows=1,usecols=[5])
x,p=np.unique(iris_data,return_counts=True)

12. 将数据集的花瓣长度（第3列）以形成分类变量的形式显示。定义：<=3 --> 'small'；3-5 --> 'medium'；'>=5 --> 'large'。2分

numpy:

import numpy as np
import random
outfile=r'E:/PythonFile/venv/ai/iris.txt'
iris_data=np.loadtxt(outfile,dtype=float,skiprows=1,usecols=[1,2,3,4])
x=np.digitize(iris_data[:,2],[0,3,5,10])
y={1:'small',2:'medium',3:'large',4:'np.nan'}
z=[y[i] for i in x]
print(z)

pandas:

import pandas as pd 
iris_data=pd.read_table("E:/PythonFile/venv/ai/iris.txt",index_col='Id')
result=pd.cut(iris_data.iloc[:,2],[0,3,5,10],labels=['small','medium','large'])

13. 在数据集中创建一个新列，其中 volume 是 (pi x petallength x sepallength ^ 2）/ 3。1分

import numpy as np
outfile=r'E:/PythonFile/venv/ai/iris.txt'
iris_data=np.loadtxt(outfile,dtype=float,skiprows=1,usecols=[1,2,3,4])
petallength=iris_data[:,2]
sepallength=iris_data[:,0]
volume=(np.pi*petallength*sepallength**2)/3
volume=volume[:,np.newaxis]
iris_data=np.concatenate([iris_data,volume],axis=1)
iris_data

功能：np.newaxis是用来给数组a增加维度的
格式：a[np.newaxis和:的组合]，如a[:,np.newaxis]，a[np.newaxis, np.newaxis, :]
详解：np.newaxis在[]中第几位，a.shape的第几维就变成1，a的原来的维度依次往后排。
例子：若a.shape=(a ,b, c)
a[:, np.newaxis].shape= (a, 1, b, c)
a[:, np.newaxis, np.newaxis].shape= (a, 1, 1, b, c)
a[np.newaxis, :].shape= (1, a, b, c)
a[np.newaxis, np.newaxis, :].shape= (1, 1, a, b, c)
a[np.newaxis, :, np.newaxis].shape= (1, a, 1, b, c)
a[np.newaxis, :, np.newaxis, :].shape= (1, a, 1, b, c)

 14. 随机抽鸢尾属植物的种类，使得Iris-setosa的数量是Iris-versicolor和Iris-virginica数量的两倍。

import numpy as np
import random
specias=np.array(['Iris‐setosa', 'Iris‐versicolor', 'Iris‐virginica'])
specias_out=np.random.choice(specias,p=[0.5,0.25,0.25])
print(np.unique(species_out, return_counts=True))

np.random.choice(a, size=None, replace=True, p=None)
a：一维数组或者int型变量，如果是数组，就按照里面的范围来进行采样，如果是单个变量，就对np.arange(a)进行采样。
size：int 或 tuple；可选参数；  确定了输出的shape. 如果给定的是(m, n, k), 那么 m * n * k 个采样点将会被采样. 默认为零，也就是只有一个采样点会被采样回来。
replace : 布尔参数；可选参数 ；决定采样中是否有重复值
p :一维数组；可选参数 ；对应着a中每个采样点的概率分布，如果没有标出，则使用标准分布

15. 根据 sepallength 列对数据集进行排序。1分

import numpy as np
outfile=r'E:/PythonFile/venv/ai/iris.txt'
iris_data=np.loadtxt(outfile,dtype=float,skiprows=1,usecols=[1,2,3,4])
sepallength=iris_data[:,0]
iris_data[np.argsort(sepallength)]

 16. 在数据集中找到最常见的花瓣长度值（第3列）。1分

import numpy as np
outfile=r'E:/PythonFile/venv/ai/iris.txt'
iris_data=np.loadtxt(outfile,dtype=float,skiprows=1,usecols=[1,2,3,4])
petalLengt=iris_data[:,2]
val,counts=np.unique(petalLengt,return_counts=True)
print(val[np.argmax(counts)])

17. 在数据集的 petalwidth（第4列）中查找第一次出现的值大于1.0的位置。2分

import numpy as np
outfile=r'E:/PythonFile/venv/ai/iris.txt'
iris_data=np.loadtxt(outfile,dtype=float,skiprows=1,usecols=[1,2,3,4])
petalwidth=iris_data[:,3]
index=np.where(petalwidth>1)
print(np.min(index))
#求索引用np.where

import numpy as np
outfile=r'E:/PythonFile/venv/ai/iris.txt'
iris_data=np.loadtxt(outfile,dtype=object,skiprows=1)
iris_data[:,:1]#取【0,1）数据，切片左闭右开
#iris_data[:,0]取第0列数据