NNDL 实验一 numpy

五元钱

已于 2022-09-04 15:47:56 修改

阅读量640

点赞数 2

分类专栏：深度学习文章标签： numpy python 机器学习

于 2022-09-04 15:21:06 首次发布

本文链接：https://blog.csdn.net/weixin_52086410/article/details/126581414

版权

深度学习专栏收录该内容

16 篇文章 1 订阅

订阅专栏

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

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

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)#生成一个3*3全0矩阵
print(a)
b=np.ones((4,5))#生成一个4*5全1矩阵
print(b)
c=np.identity(4)#生成一个4*4单位矩阵
print(c)
d=np.random.randint(1,10,(3,2))#生成一个3*2随机数矩阵
print(d)

运行结果

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


#按要求建立相应的矩阵
a=np.array([[1,2,3,4],
            [5,6,7,8],
            [9,10,11,12]])
print(a)#打印a
print(a[2][3],a[0][0])#输出（2,3）（0，0）两个下标的值

运行结果

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

#按要求建立相应的矩阵
a=np.array([[1,2,3,4],
            [5,6,7,8],
            [9,10,11,12]])
#print(a)#打印a
#print(a[2][3],a[0][0])#输出（2,3）（0，0）两个下标的值

b=a[0:2,2:4]#将a数组的0到1行2到3列放入b中
print(b)#打印b
print(b[0,0])#输出b（0,0）

运行结果

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）

a=np.array([[1,2,3,4],
            [5,6,7,8],
            [9,10,11,12]])
#print(a)#打印a
#print(a[2][3],a[0][0])#输出（2,3）（0，0）两个下标的值

'''b=a[0:2,2:4]#将a数组的0到1行2到3列放入b中
print(b)#打印b
print(b[0,0])#输出b（0,0）'''
c=a[1:3,:]#将第五题中最后两行元素放到C中
print(c)#输出c
print(c[0][-1])#输出c中第一行最后一个元素

运行结果

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]])#输出 （0,0）（1,1）（2,0）这三个元素

运行结果

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]])#建立矩阵
b=np.array([0,2,0,1])
print(a[np.arange(4),b])#根据给的提示来输出

运行结果

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)

运行结果

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))

运行结果

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))

运行结果

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))

运行结果

14. 利用 13题目中的x,y 输出 x-y 和 np.subtract(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.subtract(x, y))

运行结果

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 = np.array([[1, 2],
              [3, 4]],
             dtype=np.float64)
y = np.array([[5, 6],
              [7, 8]],
             dtype=np.float64)
print(x * y)
print(np.multiply(x, y))#数组和矩阵相乘
print(np.dot(x, y))#矩阵相乘

前两个是内积相乘，最后一个是矩阵相乘

运行结果

换为不是方阵


x = np.array([[1, 2],
              [3, 4],
              [5, 6]],
             dtype=np.float64)
y = np.array([[5, 6],
              [7, 8],
              [9, 10]],
             dtype=np.float64)
print(x * y)
print(np.multiply(x, y))#数组和矩阵相乘
print(np.dot(x, y))#矩阵相乘

运行结果

报错的原因是dot需要矩阵为方阵

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(x / y)
print(np.divide(x, y))#将两个矩阵对应元素相除

运行结果

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)
y = np.array([[5, 6],
              [7, 8]],
             dtype=np.float64)
print(np.sqrt(x))#开根号

运行结果

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))

运行结果

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)
y = np.array([[5, 6],
              [7, 8]],
             dtype=np.float64)
print(np.sum(x))#所有元素求和
print(np.sum(x, axis=0))  # 列求和
print(np.sum(x, axis=1))  # 行求和

运行结果

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)
y = np.array([[5, 6],
              [7, 8]],
             dtype=np.float64)
print(np.mean(x))#对所有值求均值
print(np.mean(x, axis=0))#对列取均值
print(np.mean(x, axis=1))#对行取均值

运行结果

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)
y = np.array([[5, 6],
              [7, 8]],
             dtype=np.float64)
print(x.T)

运行结果

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)
y = np.array([[5, 6],
              [7, 8]],
             dtype=np.float64)
print(np.exp(x))

运行结果

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))

x = np.array([[1, 2],
              [3, 4]],
             dtype=np.float64)
y = np.array([[5, 6],
              [7, 8]],
             dtype=np.float64)
#print(np.exp(x))
print(np.argmax(x))
print(np.argmax(x, axis=0))
print(np.argmax(x, axis=1))

运行结果

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 numpy as np
import matplotlib.pyplot as plt

x = np.arange(0, 100, 0.1)
y = x * x
plt.plot(x, y)
plt.show()

运行结果

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)

import numpy as np
import matplotlib.pyplot as plt
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()

运行结果