NNDL 实验一 numpy

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()