Numpy 进阶

第1关：Numpy 广播

任务描述

本关任务：给定两个不同形状的数组，求出他们的和。

相关知识

为了完成本关任务，你需要掌握：广播的规则。

广播 (Broadcast) 是 numpy 对不同形状 (shape) 的数组，进行数值计算的方式。 对数组的算术运算通常在相应的元素上进行，当运算中的 2 个数组的形状不同时，numpy 将自动触发广播机制。

如图所示：

广播的规则

1. 让所有输入数组都向其中形状最长的数组看齐，形状中不足的部分都通过在前面加 1 补齐；
2. 输出数组的形状是输入数组形状的各个维度上的最大值；
3. 如果输入数组的某个维度和输出数组的对应维度的长度相同，或者其长度为 1 时，这个数组能够用来计算，否则出错；
4. 当输入数组的某个维度的长度为 1 时，沿着此维度运算，都用此维度上的第一组值。

编程要求

首先用 arange() 生成一个数组，然后用 reshape() 方法，将数组切换成 4x3 的形状，最后再与 basearray 相加，输出它们的和。

请按照编程要求，补全右侧编辑器 Begin-End 内的代码。

测试说明

平台会对你编写的代码进行测试：

测试输入： 12； 预期输出： [[ 1 3 5] [ 4 6 8] [ 7 9 11] [10 12 14]]

代码：

import numpy as np

basearray = eval(input())
# *********** Begin ************ #
arr = np.arange(12).reshape((4, 3))

# ************ End ************* #
print("{} + \n{}".format(arr,basearray))
print("结果为：\n{}".format(basearray+arr))

第2关：Numpy 高级索引

任务描述

本关任务：给定一个二维数组，请以整数数组索引、布尔索引、花式索引三种方式，来获取我们需要的数组元素。

相关知识

为了完成本关任务，你需要掌握：

1. 整数数组索引；
2. 布尔索引；
3. 花式索引。

NumPy 比一般的 Python 序列提供更多的索引方式。除了基本的用整数和切片的索引外，数组还有整数数组索引、布尔索引及花式索引。

整数数组索引

以下实例获取数组中 (0,0)，(1,1) 和 (2,0) 位置处的元素。

1. In : x = np.arange(12).reshape((4,3))
2. In : y = x[[0, 1, 2],[0, 1, 0]]
3. In : y
4. Out: array([0, 4, 6])

布尔索引

以下实例获取数组中大于 7 的元素。

1. In : x = np.arange(12).reshape((4,3))
2. In : y = x[x > 7]
3. In : y
4. Out: array([8, 9, 10, 11])

花式索引

花式索引指的是利用整数数组进行索引。

花式索引根据索引数组的值，作为目标数组的某个轴的下标来取值。对于使用一维整型数组作为索引，如果目标是一维数组，那么索引的结果就是对应位置的元素；如果目标是二维数组，那么就是对应下标的行。

花式索引跟切片不一样，它总是将数据复制到新数组中。

传入单个索引数组

以下实例获取数组的第 5、1、2、3 行。

1. In : x = np.arange(15).reshape((5,3))
2. In : y = x[[4, 0, 1, 2]]
3. In : y
4. Out: array([12, 13, 14]
5. [0, 1, 2]
6. [3, 4, 5]
7. [6, 7, 8])

传入多个索引数组

传入多个索引数组，则需要和 numpy.ix_ 同时使用。 numpy.ix_：传入两个参数，第一个参数为数组索引，第二个参数为排列顺序。

1. In : x = np.arange(12).reshape((4,3))
2. In : y = x[np.ix_([1, 2],[2, 1, 0])]
3. In : y
4. Out: array([5, 4, 3]
5. [8, 7, 6])

编程要求

首先，利用花式索引获取 arr 数组第 line 行（至少两行）的数组 a；然后，利用整数数组索引获取数组四个角（按行优先的顺序获取）的元素得到数组 b；最后，再利用布尔索引获取大于 10 的元素得到数组 c，并输出 c。

请按照编程要求，补全右侧编辑器 Begin-End 内的代码。

测试说明

平台会对你编写的代码进行测试：

测试输入： 1,2,3,4； 预期输出： [16 19]

代码:

import numpy as np

'''
arr为一个ndarray类型的数组,line为花式索引的索引数组
'''
def advanced_index(arr,line):
    # ********** Begin *********** #
    a = arr[line]
    b = a[[0, 0, (len(line)-1),(len(line)-1)],[0, 3, 0, 3]]
    c = b[b > 10]
    # *********** End ************ #
    return c

def main():
    line = list(map(lambda x:int(x),input().split(",")))
    arr = np.arange(24).reshape(6, 4)
    print(advanced_index(arr,line))

if __name__ == '__main__':
    main()

第3关：Numpy 迭代数组

任务描述

本关任务：利用本关相关知识，将一个 ndarray 类型的数组，顺时针旋转 90 度后输出。

相关知识

为了完成本关任务，你需要掌握：

1. 控制迭代顺序；
2. 修改数组元素值；
3. 使用外部循环；
4. 广播迭代。

NumPy 迭代器对象 numpy.nditer 提供了一种灵活访问一个或者多个数组元素的方式。利用nditer对象可以实现完成访问数组中的每一个元素，这项最基本的功能，使用标准的 Python 迭代器接口，可以逐个访问每一个元素。

1. In : x = np.arange(6).reshape(2, 3)
2. In : for y in np.nditer(x):
3. print(y, end=" ")
4. Out:
5. 0 1 2 3 4 5

控制迭代顺序

nditer 对象提供了一个命令参数，来控制迭代输出顺序，默认值是 'K'，即 order='k'。该默认值表示，按在存储器中的顺序输出。 同时 nditer 中，还提供了两个参数，控制迭代器输出顺序：

1. for x in np.nditer(a, order='F') # Fortran order，即是列序优先；
2. for x in np.nditer(a.T, order='C') # C order，即是行序优先；

修改数组元素值

默认情况下，nditer 将视待迭代遍历的数组为只读对象（read-only），为了在遍历数组的同时，实现对数组元素值的修改，必须将可选参数 op_flags 指定为 read-write 或者 write-only 的模式。

1. In : x = np.arange(6).reshape(2, 3)
2. In : for y in np.nditer(x, op_flags=["readwrite"]):
3. y[...] = 2 * y
4. In : print(x)
5. Out:
6. array([[ 0, 2, 4]
7. [ 6, 8, 10]])

使用外部循环

将一维的最内层的循环转移到外部循环迭代器，使得 numpy 的矢量化操作，在处理更大规模数据时，变得更有效率。

1. In : x = np.arange(6).reshape(2, 3)
2. In : for y in np.nditer(x, flags=['external_loop'], order='F'):
3. print(y)
4. Out:
5. [0, 3]
6. [1, 4]
7. [2, 5]

广播迭代

如果两个数组是可广播的，nditer 组合对象能够同时迭代它们。 假设数组 a 的维度为 3*4，数组 b 的维度为 1*4，则使用以下迭代器（数组 b 被广播到 a 的大小）。

1. In : a = np.arange(12).reshape(3, 4)
2. In : b = np.arange(4)
3. In : for x, y in np.nditer([a, b]):
4. print("{}:{}".format(x,y), end=", ")
5. Out:
6. 0:1, 1:2, 2:3, 3:4, 4:1, 5:2, 6:3, 7:4, 8:1, 9:2, 10:3, 11:4,

编程要求

根据提示，在右侧编辑器 Begin-End 内补充代码，将一个 ndarray 类型的数组顺时针旋转 90 度后输出。 提示：

1. 建议使用外部循环；
2. np.vstack()可以将两个数组竖直堆叠成为新的数组。

测试说明

平台会对你编写的代码进行测试：

测试输入： np.arange(4).reshape(2,2)； 预期输出： [[2, 0] [3, 1]]

代码：

import numpy as np
'''传入的参数为ndarray类型数组'''
def rotate_array(arr):
    # ******* Begin *******
    result=[list(row) for row in zip(*arr)]#将arr转置
    result=[row[::-1] for row in result]#将result逆转
    result=np.array(result)
    # ******* End ******** #
    return result

def main():
    arr = eval(input())
    print(rotate_array(arr))

if __name__ == '__main__':
    main()