123结果如下:结果如下:numpy 的array操作
1.导入numpy库
import numpy as np # 导入numpy,命名np较方便
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]) # 建立一维数组
print(type(a)) # 输出类型
print(a.shape) # 输出大小
print(a[0]) # 输出第一个元素
结果如下:
<class 'numpy.ndarray'>
(3,)
4
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]]) # 建立二维数组
print(b.shape) # 输出大小
print(b[0][0], b[0][1], b[1][1]) # 输出元素
结果如下:
(2, 3)
4 5 2
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) # 全0矩阵,大小3*3
b = np.ones([4, 5]) # 全1矩阵,大小4*5
c = np.eye(4) # 单位矩阵,大小4*4
d = np.random.rand(3, 2) # 随机数矩阵,大小3*2
结果如下:
[[0 0 0]
[0 0 0]
[0 0 0]]
[[1. 1. 1. 1. 1.]
[1. 1. 1. 1. 1.]
[1. 1. 1. 1. 1.]
[1. 1. 1. 1. 1.]]
[[1. 0. 0. 0.]
[0. 1. 0. 0.]
[0. 0. 1. 0.]
[0. 0. 0. 1.]]
[[0.41728312 0.33021717]
[0.76408926 0.31366514]
[0.8081034 0.54010468]]
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
a = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]]) # 建立数组a
print(a) # 打印数组a
print(a[2][3], a[0][0]) # 输出元素
结果如下:
[[ 1 2 3 4]
[ 5 6 7 8]
[ 9 10 11 12]]
12 1
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
b = a[0:2, 2:4] # 将a中0到1行,2到3列放入b中
print(b) # 输出b
print(b[0][0]) # 输出第一个元素
结果如下:
[[3 4]
[7 8]]
3
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)
c = a[-2:, :] # 将a最后两行所有元素放入c
print(c) # 输出c
print(c[0][-1]) # 输出c第一行最后一个元素
结果如下:
[[ 5 6 7 8]
[ 9 10 11 12]]
8
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]]) # 初始化a
print(a[[0, 1, 2], [0, 1, 0]]) # 输出元素
结果如下:
[1 4 5]
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]]) # 建立初始矩阵a
b = np.array([0, 2, 0, 1])
print(a[np.arange(4), b]) # 输出(0,0),(1,2),(2,0),(3,1)
结果如下:
[ 1 6 7 11]
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] = a[np.arange(4), b] + 10
print(a)
结果如下:
[[11 2 3]
[ 4 5 16]
[17 8 9]
[10 21 12]]
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]) # 建立数组
print(x.dtype) # 输出类型
结果如下:
int32
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))
结果如下:
<class 'numpy.ndarray'>
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))
结果如下:
[[ 6. 8.]
[10. 12.]]
[[ 6. 8.]
[10. 12.]]
14. 利用 13题目中的x,y 输出 x-y 和 np.subtract(x,y)
print(x-y)
print(np.subtract(x,y))
结果如下:
[[-4. -4.]
[-4. -4.]]
[[-4. -4.]
[-4. -4.]]
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。
print(x*y)
print(np.multiply(x,y)) # 矩阵对应元素相乘
print(np.dot(x,y)) # 矩阵相乘
print('更换矩阵:')
x = np.array([[2,4], [3,9]], dtype=np.float64)
y = np.array([[5,6], [7,8]], dtype=np.float64)
print('x=',x)
print('y=',y)
print(x*y)
print(np.multiply(x,y)) # 矩阵对应元素相乘
print(np.dot(x,y)) # 矩阵相乘
结果如下:
[[ 5. 12.]
[21. 32.]]
[[ 5. 12.]
[21. 32.]]
[[19. 22.]
[43. 50.]]
更换矩阵:
x= [[2. 4.]
[3. 9.]]
y= [[5. 6.]
[7. 8.]]
[[10. 24.]
[21. 72.]]
[[10. 24.]
[21. 72.]]
16. 利用13题目中的x,y,输出 x / y .(提示 : 使用函数 np.divide())
print(np.divide(x,y))
结果如下:
[[19. 22.]
[43. 50.]]
17. 利用13题目中的x,输出 x的 开方。(提示: 使用函数 np.sqrt() )
print(np.sqrt(x))
结果如下:
[[0.2 0.33333333]
[0.42857143 0.5 ]]
18.利用13题目中的x,y ,执行 print(x.dot(y)) 和 print(np.dot(x,y))
print(x.dot(y))
print(np.dot(x,y))
结果如下:
[[1. 1.41421356]
[1.73205081 2. ]]
[[19. 22.]
[43. 50.]]
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))
print(np.sum(x)) # 计算矩阵所有元素的和
print(np.sum(x, axis=0)) # 计算矩阵每列元素的和
print(np.sum(x, axis=1)) # 计算矩阵每行元素的和
结果如下:
10.0
[4. 6.]
[3. 7.]
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)))
print(np.mean(x)) # 计算矩阵所有元素的平均数
print(np.mean(x, axis=0)) # 计算矩阵每列元素的平均数
print(np.mean(x, axis=1)) # 计算矩阵每行元素的平均数
结果如下:
2.5
[2. 3.]
[1.5 3.5]
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)
print(x.T)
结果如下:
[[1. 3.]
[2. 4.]]
22.利用13题目中的x,求e的指数(提示: 函数 np.exp())
print(np.exp(x))
结果如下:
[[ 2.71828183 7.3890561 ]
[20.08553692 54.59815003]]
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))
print(np.argmax(x)) # 矩阵x最大值的索引(下标以一维矩阵方式排序)
print(np.argmax(x, axis=0)) # 矩阵x每列对应最大值的索引
print(np.argmax(x, axis=1)) # 矩阵x每行对应最大值的索引
结果如下:
3
[1 1]
[1 1]
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 matplotlib.pyplot as plt
x = np.arange(0, 100, 0.1)
y = x * x
plt.plot(x,y)
plt.show()
结果如下:
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)
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()