Python_Numpy100题上

最新推荐文章于 2023-08-18 10:34:26 发布
最新推荐文章于 2023-08-18 10:34:26 发布
阅读量2.9k 收藏 32
点赞数 6
分类专栏： Python学习笔记 文章标签： python numpy random 数据可视化
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_40585997/article/details/118181159
版权

Python_Numpy100题上

Python_Numpy100题下

参考： https://github.com/rougier/numpy-100

1.导入名为np的numpy包(★☆☆)

import numpy as np

2.打印numpy版本和配置(★☆☆)

print(np.__version__)
np.show_config()

在这里插入图片描述

3.创建大小为10的空向量(★☆☆)

temp = np.zeros(10)
print(temp)

在这里插入图片描述

4.如何找到任意数组的内存大小(★☆☆)

Z = np.zeros((10,10))
print(Z.size)
print(Z.itemsize)
print("%d bytes" % (Z.size * Z.itemsize))

在这里插入图片描述

5.如何从命令行 获取numpy add函数的文档(★☆☆)¶

np.info(np.add)

在这里插入图片描述

6.创建一个大小为10但第五个值为1的空向量(★☆☆)

temp = np.zeros(10)
temp[5] = 1
print(temp)

在这里插入图片描述

7.创建一个值介于10到49之间的向量(★☆☆)

temp = np.arange(10,50)
print(temp)

在这里插入图片描述

8.反转向量（第一个元素变为最后一个）(★☆☆)

temp = np.arange(10,50)
temp = temp[::-1]
print(temp)

在这里插入图片描述

9.创建一个3x3矩阵，其值范围为0到8(★☆☆)

#法一：
#temp = np.arange(9)
#temp = temp.reshape(3,3)
#print(temp)
#法二：
temp = np.arange(9).reshape(3,3)
print(temp)

在这里插入图片描述
10.从[1,2,0,0,4,0]中找出非零元素的指数(★☆☆)

temp = np.nonzero([1,2,0,0,4,0])
print(temp)

在这里插入图片描述

11.创建3x3单位矩阵(★☆☆)

temp = np.eye(3,3)
print(temp)

在这里插入图片描述

12.创建具有随机值的3x3x3数组(★☆☆)

temp = np.random.random((3,3,3))
print(temp)

在这里插入图片描述

13.创建一个带有随机值的10x10数组，并找到最小值和最大值(★☆☆)

temp = np.random.random((10,10))
print(temp)
max=np.max(temp)
min=np.min(temp)
print(max,min)

在这里插入图片描述

14.创建一个大小为30的随机向量，并找到平均值(★☆☆)

temp = np.random.random(30)
print(temp)
avg0=np.average(temp)#可算加权
avg1=np.mean(temp)
print(avg0,avg1)

在这里插入图片描述

15.创建一个二维数组，边框上为1，内部为0(★☆☆)

temp = np.ones((10,10))
temp[1:-1, 1:-1] = 0
print(temp)

在这里插入图片描述

16.如何在现有数组周围添加边框（用0填充）(★☆☆)

Z = np.ones((5,5))
Z = np.pad(Z, pad_width=1, mode='constant', constant_values=0)
print(Z)

# Using fancy indexing
Z[:, [0, -1]] = 0
Z[[0, -1], :] = 0
print(Z)

在这里插入图片描述

17.下列表达式的结果是什么(★☆☆)

print(0 * np.nan)
print(np.nan == np.nan)
print(np.inf > np.nan)
print(np.nan - np.nan)
print(np.nan in set([np.nan]))
print(0.3 == 3 * 0.1)

在这里插入图片描述

18.创建一个5x5矩阵，其值在对角线下方1、2、3、4(★☆☆)

Z = np.diag(1+np.arange(4),k=-1)
print(Z)

在这里插入图片描述
在这里插入图片描述

19.创建一个8x8矩阵并用棋盘格填充(★☆☆)

Z = np.zeros((8,8),dtype=int)
Z[1::2,::2] = 1#从第一行，到最后一行，中间间隔两行；中间间隔两列
Z[::2,1::2] = 1
print(Z)

在这里插入图片描述

20.考虑一个（6，7，8）形状数组，第100个元素的索引（x，y，z）是多少(★☆☆)

print(np.unravel_index(99,(6,7,8)))

在这里插入图片描述
在这里插入图片描述
https://www.cnblogs.com/lucas-zhao/p/11792365.html

21.使用tile函数创建棋盘8x8矩阵(★☆☆)

temp = np.array([[0,1],[1,0]])
print(temp)
Z = np.tile(temp, (4,4))#将数组沿着X轴Y轴都扩大4倍
print(Z)

在这里插入图片描述

22.归一化5x5随机矩阵(★☆☆)

temp = np.random.random((5,5))
print(temp)
#np.std()：计算全局标准差
Z = (temp-np.mean(temp))/np.std(temp)
print(Z)

在这里插入图片描述

23.创建一个自定义数据类型，将颜色描述为四个无符号字节（RGBA）(★☆☆)

color = np.dtype([("r", np.ubyte),
                  ("g", np.ubyte),
                  ("b", np.ubyte),
                  ("a", np.ubyte)])
print(color)

在这里插入图片描述

24.将5x3矩阵乘以3x2矩阵（实矩阵积）(★☆☆)

print(np.dot(np.random.random((5,3)),np.random.random((3,2))))
print(np.ones((5,3)) @ np.ones((3,2)))

在这里插入图片描述

25.给定一个1D数组，求3到8之间的所有元素的反(★☆☆)

# Author: Evgeni Burovski

Z = np.arange(11)
Z[(3 < Z) & (Z < 8)] *= -1
print(Z)

在这里插入图片描述

26.以下脚本的输出是什么(★☆☆)

import numpy as np
# Author: Jake VanderPlas
#后面-1，代表求和后减1
print(sum(range(5),-1))
from numpy import *
print(sum(range(5),-1))

在这里插入图片描述

27.考虑一个整数向量Z，以下哪一个表达式是合法的(★☆☆)

#未打印的不能输出
Z = np.random.random(5)
print(Z**Z)
#2 << Z >> 2
print(Z <- Z)
print(1j*Z)
print(Z/1/1)
#Z<Z>Z

在这里插入图片描述

28.下列表达式的结果是什么(★☆☆)

print(np.array(0) / np.array(0))
print(np.array(0) // np.array(0))
print(np.array([np.nan]).astype(int).astype(float))

在这里插入图片描述

29.如何将浮点数组从零取整(★☆☆)

# Author: Charles R Harris

Z = np.random.uniform(-10,+10,10)
print(Z)
print(np.copysign(np.ceil(np.abs(Z)), Z))

# More readable but less efficient
print(np.where(Z>0, np.ceil(Z), np.floor(Z)))

在这里插入图片描述

30.如何在两个数组之间找到公共值(★☆☆)

Z1 = np.random.randint(0,10,10)
Z2 = np.random.randint(0,10,10)
print(Z1,Z2)
print(np.intersect1d(Z1,Z2))

在这里插入图片描述

31.如何忽略所有numpy警告（不推荐）(★☆☆)

# Suicide mode on
defaults = np.seterr(all="ignore")
Z = np.ones(1) / 0

# Back to sanity
_ = np.seterr(**defaults)

# Equivalently with a context manager
with np.errstate(all="ignore"):
    np.arange(3) / 0

32. Is the following expressions true? (★☆☆)

print(np.sqrt(-1) == np.emath.sqrt(-1))

在这里插入图片描述

33.昨天、今天和明天的日期怎么算(★☆☆)

yesterday = np.datetime64('today') - np.timedelta64(1)
today     = np.datetime64('today')
tomorrow  = np.datetime64('today') + np.timedelta64(1)

print(yesterday,today,tomorrow)

在这里插入图片描述

34.如何获取2016年7月对应的所有日期(★★☆)

Z = np.arange('2016-07', '2016-08', dtype='datetime64[D]')
print(Z)

在这里插入图片描述

35.如何计算（（A+B）*（-A/2））到位（无拷贝）(★★☆)

A = np.ones(3)*1
B = np.ones(3)*2
print(A,B)
np.add(A,B,out=B)
print(A,B)
np.divide(A,2,out=A)
print(A,B)
np.negative(A,out=A)
print(A,B)
np.multiply(A,B,out=A)
print(A,B)

在这里插入图片描述

36.使用4种不同的方法提取正数随机数组的整数部分(★★☆)

Z = np.random.uniform(0,10,10)

print(Z - Z%1)
print(Z // 1)
print(np.floor(Z))
print(Z.astype(int))
print(np.trunc(Z))

在这里插入图片描述

37.创建一个5x5矩阵，行值从0到4(★★☆)

Z = np.zeros((5,5))
Z += np.arange(5)#对行操作
print(Z)

# without broadcasting
Z = np.tile(np.arange(0, 5), (5,1))
print(Z)

在这里插入图片描述

38.考虑一个生成10个整数的生成器函数，并用它来构建一个数组(★☆☆)

def generate():
    for x in range(10):
        yield x
Z = np.fromiter(generate(),dtype=float,count=-1)
print(Z)

在这里插入图片描述

39.创建一个大小为10的向量，其值范围为0到1，两者都排除在外(★★☆)

#创建11个数，但是截取后10个数
Z = np.linspace(0,1,11,endpoint=False)[1:]
print(Z)

在这里插入图片描述

40.创建一个大小为10的随机向量并对其排序(★★☆)

temp = np.random.random(10)
print(temp)
temp = np.sort(temp)
print(temp)

在这里插入图片描述

41.如何比np.sum更快地求一个小数组的和(★★☆)

# Author: Evgeni Burovski

Z = np.arange(10)
np.add.reduce(Z)
print(Z)

在这里插入图片描述

42.考虑两个随机数组A和B，检查它们是否相等(★★☆)

A = np.random.randint(0,2,5)
B = np.random.randint(0,2,5)

# Assuming identical shape of the arrays and a tolerance for the comparison of values
equal = np.allclose(A,B)
print(equal)

# Checking both the shape and the element values, no tolerance (values have to be exactly equal)
equal = np.array_equal(A,B)
print(equal)

在这里插入图片描述

43.使数组不可变（只读）(★★☆)

Z = np.zeros(10)
Z.flags.writeable = False
Z[0] = 1

在这里插入图片描述

44.考虑一个表示笛卡尔坐标的随机10x2矩阵，将它们转换为极坐标(★★☆)

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)

在这里插入图片描述

45.创建大小为10的随机向量，并将最大值替换为0(★★☆)

Z = np.random.random(10)
print(Z)
Z[Z.argmax()] = 0
print(Z)

在这里插入图片描述

46.创建一个结构数组，x和y坐标覆盖[0,1]x[0,1]区域(★★☆)

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)

在这里插入图片描述

47、给定两个阵列，x和y，构造柯西矩阵C（CIJ＝1/（XI-YJ））★★☆)

# Author: Evgeni Burovski

X = np.arange(8)
Y = X + 0.5
C = 1.0 / np.subtract.outer(X, Y)
print(np.linalg.det(C))

在这里插入图片描述

48.打印每个numpy标量类型的最小和最大可表示值(★★☆)

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)

在这里插入图片描述

49.如何打印数组的所有值(★★☆)

np.set_printoptions(threshold=float("inf"))
Z = np.zeros((40,40))
print(Z)

在这里插入图片描述

50.如何在向量中找到最接近的值（到给定的标量）(★★☆)

Z = np.arange(100)
v = np.random.uniform(0,100)
index = (np.abs(Z-v)).argmin()
print(Z[index])

在这里插入图片描述

gXh_007
关注
  • 6
    点赞
  • 踩
  • 32
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
python生成序列数(1-10)的立方列表_Python 4.3 创建数值列表（动手试一试）
weixin_39716044的博客
12-15 2445
4-3数到20：使用一个for循环打印数字1~20(含)如下：for numbers in range(1,21):(空格)print(numbers)4-4一百万：创建一个列表，其中数字包含1~1000000，再使用一个for循环将这些数字打印出来。如下：numbers=[number for number in range(0,1000001)]for number in numbers:(...
Python之Numpy模块100道测试题.docx
06-11
本测试题集旨在帮助用户深入理解和掌握Numpy的基本用法。以下是一些关键的知识点： 1. **导入Numpy库**：通过`import numpy as np`，可以将Numpy库导入到Python环境中，并使用`np`作为别名来调用Numpy的函数和方法...
100_numpy exercises
adhkcnbk的博客
04-18 3126
100 numpy exercise 翻译：YingJoy 网址： https://www.yingjoy.cn/ 来源：[https://github.com/rougier/numpy-100] Numpy是Python做数据分析必须掌握的基础库之一，非常适合刚学习完Numpy基础的同学，完成以下习题可以帮助你更好的掌握这个基础库。 Python版本：Python 3.6.2 Numpy版本：Numpy 1.13.1 1. 导入numpy库并取别名为np (★☆☆) (提示: import … a
Numpy闯关100题，我闯了95关。
SeizeeveryDay的博客
06-01 2620
我是小z之前写的Pandas系列，已经为数千个徘徊在pandas大门的小伙伴打开了一条快速上分通道：最新的一个百度网盘分享下载量对于Numpy，我讲的不多，因为和Pandas相比，他距离日...
使用numpy生成随机向量
最新发布
Silver__Wolf的博客
08-18 480
使用numpy生成随机向量
python中生成随机数组/向量
热门推荐
u_7890的博客
11-13 1万+
使用numpy.random模块来生成随机数组转载 1、np.random.rand 用于生成[0.0, 1.0)之间的随机浮点数， 当没有参数时，返回一个随机浮点数，当有一个参数时，返回该参数长度大小的一维随机浮点数数组，参数建议是整数型，因为未来版本的numpy可能不支持非整形参数。 2、np.random.randn(10)该函数返回一个10维向量，具有标准正态分布 3、np.ran...
Python100经典练习题_python_经典练习题_
10-02
"Python100经典练习题"是一个专门针对Python编程的资源，包含了100道精心设计的练习题，旨在帮助学习者巩固基础，提高编程技能。这些练习题涵盖了Python语言的各个核心概念，包括语法、数据结构、函数、模块化编程、...
Python训练100题_Python基础训练100题_
09-30
"Python训练100题"是一份专为新手设计的资源，旨在帮助学习者巩固和提升Python编程基础。这100道题目覆盖了Python语言的核心概念，包括语法、数据类型、控制结构、函数、模块、错误与异常处理等多个方面。 1. **...
numpy-100-master_numpy_
10-03
这个名为"numpy-100-master_numpy_"的压缩包文件似乎是一个学习资源，包含了100个NumPy相关的练习题，旨在帮助用户检验和巩固他们在使用NumPy时所掌握的知识。 NumPy是Python中的一个基础包，主要功能是支持大型...
python基础训练100题_python教程_python_
09-29
本教程“Python基础训练100题”旨在帮助初学者巩固Python基础知识，通过解决一系列算法问题来提升编程技能。 1. **基础语法** - 变量与数据类型：Python支持整型(int)、浮点型(float)、字符串(str)、布尔型(bool)...
神经网络与深度学习第二周测验 Neural Network Basics
沧夜的成长日记
05-24 1003
1.What does a neuron compute? 什么是神经元计算 ????A neuron computes the mean of all features before applying the output to an activation function 在将输出应用于激活函数之前，神经元会计算所有特征的均值 ????A neuron computes a function g that scales the input x linearly (Wx + b) 神经元计算一个
python-random模块和numpy.random模块详解
weixin_57194935的博客
05-06 3603
文章目录前言一、随机生成一个数1.random.random()随机生成一个0到1之间的浮点数2.random.uniform()随机生成指定范围内的浮点数3.random.randint()随机生成指定范围内的整数4.random.randrange随机选取一定序列的数二、list中随机取值1.random.choice()随机取一个值,返回一个值2.random.sample()随机取一组值, 返回一个list3.random.shuffle()随机打乱列表元素三、random.choice()特殊用法
【20210430】python中库的使用
weixin_46313218的博客
01-14 491
1：利用random库随机生成四位验证码（最好包括数字和大小写字母） import random import string a = [] for f in range(0,10): a.append(f) #列表a中存0~9的数字 b = [] for s1 in range(65,91): b.append(chr(s1)) #列表b存26个大写字母 c = [] for s2 in range(97,123): c.append(chr(s2)) #列表c存26个小写字母 for
python random randint_python中numpy.random.randint用法
weixin_39584529的博客
11-21 315
numpy.random.randint(low, high=None, size=None, dtype='l')函数的作用是，返回一个随机整型数，范围从低（包括）到高（不包括），即[low, high)。如果没有写参数high的值，则返回[0,low)的值。参数如下：low: int生成的数值最低要大于等于low。（hign = None时，生成的数值要在[0, low)区间内）high: i...
Python环境配置与数据处理
Stephen的博客
03-10 2325
图灵测试是指测试者与被测试者（一个人和一台机器）隔开的情况下，通过一些装置（如键盘）向被测试者随意提问。进行多次测试后，如果机器让平均每个参与者做出超过30%的误判，那么这台机器就通过了测试，并被认为具有人类智能。本次是第一次安装在windows中的Anaconda环境下练习创建虚拟环境，在虚拟环境下安装 jupyter 和 numpy，并运行jupyter。完成了jupyter基础练习，并且完成numpy、pandas、matplotlib三个库的例题。总的来说，安装过程很简单，就是有些算法需要琢磨一下。
numpy 练习100题（1~40）
wjh_icon的博客
10-06 3038
numpy 练习100题（1~40）
100道练习题，玩转Numpy模块！(上)
qq_40907977的博客
08-03 3794
100道练习题，玩转Numpy模块！(上) Numpy 介绍 Numpy 是 Python 做数据分析所必须要掌握的基础库之一。以下为入门 Numpy 的100题小练习，原为 github 上的开源项目，由和鲸社区的小科翻译并整理（保留了部分原文作为参考）。受限于篇幅这里只提供了部分题目的运行结果。友情提示：代码虽好，自己动手才算学到。 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 (★☆
python自定义函数实例计算1-n的偶偶数和_day1-numpy练习
weixin_39847945的博客
11-22 1769
这是在numpy邮件列表，stackoverflow和numpy文档中收集的练习集合。 该系列的目标是为新老用户提供快速参考，同时为教学人员提供一系列练习。如果您发现错误或认为您有更好的方法来解决其中一些错误，请随时在https://github.com/rougier/numpy-100上打开一个issue1. 以np为别名导入numpy包 (★☆☆)import numpy as np2. 打...
多维数组的size + numpy随机系列
fgh123的博客
03-01 1643
文章目录 吴恩达推荐用这个 import numpy as np a=np.random.randn(1,5)

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值