Python数据分析练习（一） 科学计算库Numpy

1.创建从0到15的一维数组。

import numpy as np
#arr=np.array([0,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15])
arr=np.arange(0,16,1)
print(arr)

2.创建一个5*4的二维数组，值全为True（真）。

import numpy as np
arr=np.ones((5,4),dtype=bool)
arr

3.从数组[3, 4, 0, 0, 5, 0]中找出非0元素的位置索引。

import numpy as np
arr=np.array([3,4,0,0,5,0])
inder=np.where(arr!=0)
inder

4.从数组np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])中提取所有的偶数。

import numpy as np
arr=np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
print(arr[arr%2==0])

5.将数组np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])中的所有奇数替换为-1。

arr2=np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
arr2[arr%2!=0]=-1
print(arr2)

6.将数组np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])中的所有偶数替换为-1，而不改变原数组。

import numpy as np
arr=np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
arr3=np.where(arr%2==0,-1,arr)
print(arr3)

7.将一维数组np.arange(10)转换为2行的二维数组。

import numpy as np
arr=np.arange(10).reshape((2,-1))
arr

8.将数组a = np.arange(10).reshape(2,-1)和数组b = np.repeat(1, 10).reshape(2,-1)垂直堆叠。

import numpy as np
arr1=np.arange(10).reshape((2,-1))
arr2=np.repeat(1, 10).reshape(2,-1)
arr3=np.vstack((arr1,arr2))
arr3

9.将数组a = np.arange(10).reshape(2,-1)和数组b = np.repeat(1, 10).reshape(2,-1)水平堆叠。

import numpy as np
arr1=np.arange(10).reshape((2,-1))
arr2=np.repeat(1, 10).reshape(2,-1)
arr4=np.hstack((arr1,arr2))
arr4

10.获取数组a = np.array([1,2,3,2,3,4,3,4,5,6])和数组b = np.array([7,2,10,2,7,4,9,4,9,8])元素相匹配的位置。

import numpy as np
a = np.array([1,2,3,2,3,4,3,4,5,6])
b = np.array([7,2,10,2,7,4,9,4,9,8])
arr=np.where(a==b)
arr 

11.从数组np.arange(15)中提取4到12之间的所有数字。

import numpy as np
arr1 = np.arange(15)
arr2=arr1[(arr1>=4)&(arr1<=12)]
arr2

12.交换数组np.arange(9).reshape(3,3)中的第1列和第2列

import numpy as np
arr=np.arange(9).reshape(3,3)
arr1=arr[:,[1,0,2]]
arr1 

13.交换数组np.arange(9).reshape(3,3)中的第1行和第2行。

import numpy as np
arr=np.arange(9).reshape(3,3)
arr1=arr[[1,0,2],:]
arr1

14.创建一个形状为5x3的二维数组，其包含5到10之间的随机浮点数

import numpy as np
arr=np.random.uniform(5,10,(5,3))
arr

15.获取数组a = np.array([1,2,3,2,3,4,3,4,5,6])和数组b = np.array([7,2,10,2,7,4,9,4,9,8])之间的共同元素。

import numpy as np
a = np.array([1,2,3,2,3,4,3,4,5,6])
b = np.array([7,2,10,2,7,4,9,4,9,8])
#index=np.isin(a,b)
arr15=np.unique(a[index])
arr15

16从数组a = np.array([1,2,3,2,3,4,3,4,5,6])中删除在数组b =np.array([7,2,10,2,7,4,9,4,9,8])中存在的所有元素。

import numpy as np
a = np.array([1,2,3,2,3,4,3,4,5,6])
b = np.array([7,2,10,2,7,4,9,4,9,8])
#c=list(set(a).difference(set(b)))
c=[i for i in a if i not in b]
c

17.反转二维数组np.arange(9).reshape(3,3)的行。

import numpy as np
arr=np.arange(9).reshape(3,3)
arr17=arr[::-1]
arr17

18.反转二维数组np.arange(9).reshape(3,3)的列。

import numpy as np
arr=np.arange(9).reshape(3,3)
arr18=arr[:,::-1]
arr18 

19.把数组np.arange(15)的随机位换成值44

arr=np.arange(15)
np.random.seed(10)
arr[np.random.choice(len(arr))]=44
arr

20.查找数组np.array([1,2,3,2,3,4,3,4,5,6])中的唯一值的数量。

import numpy as np
arr = np.array([1,2,3,2,3,4,3,4,5,6])
unique_values = np.unique(arr)
count = len(unique_values)
print("唯一值的数量为：", count)

21.找出二维数组np.arange(16).reshape(4,4)每一行中的最大值。

import numpy as np
arr = np.arange(16).reshape(4,4)
max_values = np.amax(arr, axis=1)
print("每一行中的最大值为：", max_values)

22.计算数组a = np.array([1,2,3,2,3,4,3,4,5,6])和数组b = np.array([7,2,10,2,7,4,9,4,9,8])之间的欧式距离。

import numpy as np
a = np.array([1,2,3,2,3,4,3,4,5,6])
b = np.array([7,2,10,2,7,4,9,4,9,8])
distance = np.linalg.norm(a - b)
print("两个数组之间的欧式距离为：", distance)

23.起点3，长度10和步长5，创建一个numpy数组。

import numpy as np
start = 3
length = 10
step = 5
arr = np.arange(start, start + length * step, step)
print("创建的数组为：", arr)

24.从二维数组a = np.array([[3,3,3],[4,4,4],[5,5,5]])中的每行减去一维数组b= np.array([1,2,3])中相应的值。

import numpy as np
a = np.array([[3,3,3],[4,4,4],[5,5,5]])
b= np.array([1,2,3])
arr24=a-b[:,np.newaxis]
arr24

25.判断数组np.array([1,2,3,2,3,4,3,4,5,6])有没有NaN值。

arr=np.array([1,2,3,2,3,4,3,4,5,6])
arr25=np.isnan(arr).any()
arr25

26.把数组[1,2,3,2,np.nan,4,3,4,5,6]中的NaN值替换成0。

arr=np.array([1,2,3,2,np.nan,4,3,4,5,6])
array[np.isnan(arr)]=0
array

27.求数组np.array([7,2,10,2,7,4,9,4,9,8])中的第二大值。

arr=np.array([7,2,10,2,7,4,9,4,9,8])
arr27=np.unique(arr)[-2]
arr27

28.把数组np.random.randint(1,10(3,3))按照数组最后一列的数值进行排序

np.random.seed(5)
arr=np.random.randint(1,10,(3,3))
order=np.argsort(arr[:,-1])
arr28=arr[order,:]
arr28

29.找出数组np.array([7,2,10,2,7,2,4,9,4,9,8])中出现频率最高的值。

arr=np.array([7,2,10,2,7,2,4,9,4,9,8])
arr29=np.unique(arr,return_counts=True)[0][0]
arr29

30.找出数组np.array([1, 2, 1, 1, 3, 4, 3, 1, 1, 2, 1, 1, 2])中第五个1出现的位置。

arr=np.array([1, 2, 1, 1, 3, 4, 3, 1, 1, 2, 1, 1, 2])
arr30=np.argsort(arr)[4]
arr30 

31.创建一个5*5的矩阵，每行的数值都是从0到4。

import numpy as np
a=np.arange(5)
b=np.zeros((5,5))
arr31=a+b
arr31

32.给定数组[5, 4 3, 3, 1]，如何得到在这个数组的每个元素之间插入4个0后的新数组？

a=np.array([5, 4,3, 3, 1]).reshape(5,1)
b=np.zeros((5,4))
arr32=np.concatenate([a,b],axis=1)
arr32

33.如何根据第4列来对一个6*6随机整数矩阵排序？

arr33=np.random.randint(0,36,size=36).reshape(6,6)
arr33

34.	NumPy矩阵操作：

#(1)创建主对角线都是5的5x5矩阵；
result=np.diag([5,5,5,5,5])
result

#(2)	交换第一列与第二列；
a2=result[[1,0,2,3,4],:]
a2

#(3)交换倒数第一行与倒数第二行；
a3=result[:,[0,1,2,4,3]]
a3

#(4)计算该矩阵的行列式；
a4=np.linalg.det(result)
a4

#(5)求该矩阵的逆；
a5=np.linalg.inv(result)
a5

#(6)将矩阵中值为0的元素修改为8；
a6=result[result==0]=8
result

#(7)对result矩阵按列求和；
a7=np.sum(result,0)
a7

#(8)对result矩阵按行求和。  
a8=np.sum(result,1)
a8