numpy库的简单使用

1 创建一个数值范围为0~1，间隔为0.01的数组。

import numpy as np
arr1=np.arange(0,1,0.01)
print('使用arange函数创建的数组为：\n',arr1)

2 创建两个数组arr3 = [1,2,3,4]和arr4 = [5,6,7,8]，对这两个数组进行四则运算：arr3+arr4、arr4-arr3、arr3*arr4、arr4/arr3。

import numpy as np
x=np.array([1,2,3,4])
y=np.array([5,6,7,8])
print('数组相加结果为：',x+y)
print('数组相减结果为：',x-y)
print('数组相乘结果为：',x*y)
print('数组相除结果为：',x/y)

3 创建数组arr9 = [1,1,5,7,2,8,4]，分别完成排序、去重、总和、累计和、均值、标准差、方差、最小值、最大值的统计。

import numpy as np
arr2 = [1,1,5,7,2,8,4]
arr2.sort()
print('排序后的数组为：',arr2)
print('去重后的数组为：',np.unique(arr2))
print('数组的和为：',np.sum(arr2))
print('数组的均值为：',np.mean(arr2))
print('数组的标准差为：',np.std(arr2))
print('数组的方差为：',np.var(arr2))
print('数组的最小值为：',np.min(arr2))
print('数组的最大值为：',np.max(arr2))

4 创建单位矩阵、零矩阵、对角矩阵，维数自己设定。

import numpy as np
#创建一个一维的0矩阵
a1=(np.zeros(8))
print('一维的0矩阵',a1)
#创建一个对角矩阵
a5=np.mat(np.eye(3,3),dtype=int)
print('对角矩阵',a5)
#创建一个3*3的1矩阵
I = np.eye(3)
print('3*3的1矩阵:',I)

5 创建一个长度为10的一维全为0的ndarray对象，然后让第5个元素等于1。

import numpy as np
#创建一个一维的0矩阵
a1=np.zeros(10,dtype=int)
print('一维的0矩阵',a1)
a1[4]=1
print('一维的0矩阵',a1)

6 创建一个元素为从10到49的ndarray对象。

import numpy as np
print(np.arange(10,50))

7 将第6题的所有元素位置反转。

import numpy as np
print(np.arange(10,50)[::-1])

8 创建一个10*10的ndarray对象，且矩阵边界全为1，里面全为0.

import numpy as np
arr=np.zeros((10,10)) # 创建一个10*10的全0矩阵
arr[[0,-1]]=1 # 将首尾行替换为1
arr[:,[0,-1]]=1 # 将首尾列替换为1
print(arr)

9 创建一个每一行都是从0到4的5*5矩阵。

import numpy as np
arr=np.zeros((5,5))
arr_1=np.arange(0,5)
arr+=arr_1
print(arr)

10 创建一个范围在(0,1)之间的长度为12的等差数列。

import numpy as np
nd6=np.linspace(0,10,12)
print(nd6)

11 创建一个长度为10的随机整数数组并排序，整数的取值范围自己设定。

import numpy as np
nd7=np.random.random(10)
print(nd7)
nd7=np.sort(nd7)
print(nd7)

12 给定一个4维矩阵，求最后两维的和，4维矩阵元素的取值自己设定。

import numpy as np
n11 = np.random.randint(0,100,size=(2,3,3,3))
print(n11.sum(axis=(2,3)))
print(n11.sum(axis=(-1,-2)))

13 给定数组[1, 2, 3, 4, 5]，如何得到在这个数组的每个元素之间插入3个0后的新数组。

import numpy as np
nd1 = np.arange(1,6)
nd2 = np.zeros(shape=17, dtype=int)
nd2[::4] = nd1
n12 = np.array([1,2,3,4,5]).reshape(5,1)
n12_1 = np.zeros((5,3))
n12 = np.concatenate([n12,n12_1],axis=1)
print(n12.reshape(-1))