Numpy闯关100题,我闯了95关。

NUMPY创建一个5x5的矩阵且每一行的值范围为从0到4 的n种方法(原创) NUMPY创建一个5x5的矩阵且每一行的值范围为从0到4 的n种方法(原创) import numpy as np np.meshgrid(np.arange(5),np.arange(5))[1] np.mgrid[0:5,0:5][1] np.indices((5,5))[1] np.fromfunction( lambda x,y : y,(5,5)) np.add.accumulate( np.ones((5,5)),1)-1 np.zeros((5,5),dtype=np.int)+np.ara 阅读详情

之前写的Pandas系列,已经为数千个徘徊在pandas大门的小伙伴打开了一条快速上分通道:

最新的一个百度网盘分享下载量

对于Numpy,我讲的不多,因为和Pandas相比,他距离日常的数据处理更“远”一些。

但是,Numpy仍然是Python做数据分析所必须要掌握的基础库之一,以下题是github上的开源项目,主要为了检测你的Numpy能力,同时对你的学习作为一个补充。

来源:https://github.com/rougier/numpy-100

1. 导入numpy库并取别名为np (★☆☆)

(提示: import … as …)

import numpy as np

2. 打印输出numpy的版本和配置信息 (★☆☆)

(提示: np.version, np.show_config)

print(np.__version__)
print(np.show_config())

3. 创建一个长度为10的空向量 (★☆☆)

(提示: np.zeros)

Z = np.zeros(10)
print(Z)

4. 如何找到任何一个数组的内存大小?(★☆☆)

(提示: size, itemsize)

Z = np.zeros((10,10))
print("%d bytes" % (Z.size * Z.itemsize))

5. 如何从命令行得到numpy中add函数的说明文档? (★☆☆)

(提示: np.info)

import numpy
numpy.info(numpy.add)

6. 创建一个长度为10并且除了第五个值为1的空向量 (★☆☆)

(提示: array[4])

Z = np.zeros(10)
Z[4] = 1
print(Z)

7. 创建一个值域范围从10到49的向量(★☆☆)

(提示: np.arange)

Z = np.arange(10,50)
print(Z)

8.  反转一个向量(第一个元素变为最后一个) (★☆☆)

(提示: array[::-1])

Z = np.arange(50)
Z = Z[::-1]
print(Z)

9. 创建一个 3x3 并且值从0到8的矩阵(★☆☆)

(提示: reshape)

Z = np.arange(9).reshape(3,3)
print(Z)

10. 找到数组[1,2,0,0,4,0]中非0元素的位置索引 (★☆☆)

(提示: np.nonzero)

nz = np.nonzero([1,2,0,0,4,0])
print(nz)

11. 创建一个 3x3 的单位矩阵 (★☆☆)

(提示: np.eye)

Z = np.eye(3)
print(Z)

12. 创建一个 3x3x3的随机数组 (★☆☆)

(提示: np.random.random)

Z = np.random.random((3,3,3))
print(Z)

13. 创建一个 10x10 的随机数组并找到它的最大值和最小值 (★☆☆)

(提示: min, max)

Z = np.random.random((10,10))
Zmin, Zmax = Z.min(), Z.max()
print(Zmin, Zmax)

14. 创建一个长度为30的随机向量并找到它的平均值 (★☆☆)

(提示: mean)

Z = np.random.random(30)
m = Z.mean()
print(m)

15. 创建一个二维数组,其中边界值为1,其余值为0 (★☆☆)

(提示: array[1:-1, 1:-1])

Z = np.ones((10,10))
Z[1:-1,1:-1] = 0
print(Z)

16. 对于一个存在在数组,如何添加一个用0填充的边界? (★☆☆)

(提示: np.pad)

Z = np.ones((5,5))
Z = np.pad(Z, pad_width=1, mode='constant', constant_values=0)
print(Z)

17. 下面表达式运行的结果是什么?(★☆☆)

(提示: NaN = not a number, inf = infinity)
(提示:NaN : 不是一个数,inf : 无穷)

# 表达式                           # 结果
0 * np.nan                        nan
np.nan == np.nan                  False
np.inf > np.nan                   False
np.nan - np.nan                   nan
0.3 == 3 * 0.1                    False

18. 创建一个 5x5的矩阵,并设置值1,2,3,4落在其对角线下方位置 (★☆☆)

(提示: np.diag)

Z = np.diag(1+np.arange(4),k=-1)
print(Z)

19. 创建一个8x8 的矩阵,并且设置成棋盘样式 (★☆☆)

(提示: array[::2])

Z = np.zeros((8,8),dtype=int)
Z[1::2,::2] = 1
Z[::2,1::2] = 1
print(Z)

20. 考虑一个 (6,7,8) 形状的数组,其第100个元素的索引(x,y,z)是什么?

(提示: np.unravel_index)

print(np.unravel_index(100,(6,7,8)))

21. 用tile函数去创建一个 8x8的棋盘样式矩阵(★☆☆)

(提示: np.tile)

Z = np.tile( np.array([[0,1],[1,0]]), (4,4))
print(Z)

22. 对一个5x5的随机矩阵做归一化(★☆☆)

(提示: (x - min) / (max - min))

Z = np.random.random((5,5))
Zmax, Zmin = Z.max(), Z.min()
Z = (Z - Zmin)/(Zmax - Zmin)
print(Z)

23. 创建一个将颜色描述为(RGBA)四个无符号字节的自定义dtype?(★☆☆)

(提示: np.dtype)

color = np.dtype([("r", np.ubyte, 1),
                  ("g", np.ubyte, 1),
                  ("b", np.ubyte, 1),
                  ("a", np.ubyte, 1)])
color

24. 一个5x3的矩阵与一个3x2的矩阵相乘,实矩阵乘积是什么?(★☆☆)

(提示: np.dot | @)

Z = np.dot(np.ones((5,3)), np.ones((3,2)))
print(Z)

25. 给定一个一维数组,对其在3到8之间的所有元素取反 (★☆☆)

(提示: >, <=)

Z = np.arange(11)
Z[(3 < Z) & (Z <= 8)] *= -1
print(Z)

26. 下面脚本运行后的结果是什么? (★☆☆)

(提示: np.sum)

# Author: Jake VanderPlas               # 结果

print(sum(range(5),-1))                 9
from numpy import *                     
print(sum(range(5),-1))                 10    #numpy.sum(a, axis=None)

27. 考虑一个整数向量Z,下列表达合法的是哪个? (★☆☆)

(提示:这里还有“位运算符”)

Z**Z                        True
2 << Z >> 2                 False
Z <- Z                      True
1j*Z                        True  #复数           
Z/1/1                       True
Z<Z>Z                       False

28. 下面表达式的结果分别是什么?(★☆☆)

np.array(0) / np.array(0)                           nan
np.array(0) // np.array(0)                          0
np.array([np.nan]).astype(int).astype(float)        -2.14748365e+09

29. 如何从零位开始舍入浮点数组?(★☆☆)

(提示: np.uniform, np.copysign, np.ceil, np.abs)

# Author: Charles R Harris

Z = np.random.uniform(-10,+10,10)
print (np.copysign(np.ceil(np.abs(Z)), Z))

30. 如何找出两个数组公共的元素? (★☆☆)

(提示: np.intersect1d)

Z1 = np.random.randint(0, 10, 10)
Z2 = np.random.randint(0, 10, 10)
print (np.intersect1d(Z1, Z2))

31. 如何忽略所有的 numpy 警告(尽管不建议这么做)? (★☆☆)

(提示: np.seterr, np.errstate)

# Suicide mode on
defaults = np.seterr(all="ignore")
Z = np.ones(1) / 0

# Back to sanity
_ = np.seterr(**defaults)

# 另一个等价的方式, 使用上下文管理器(context manager)
with np.errstate(divide='ignore'):
    Z = np.ones(1) / 0

32. 下面的表达式是否为真? (★☆☆)

(提示: 虚数)

np.sqrt(-1) == np.emath.sqrt(-1)     Faslse

33. 如何获得昨天,今天和明天的日期? (★☆☆)

(提示: np.datetime64, np.timedelta64)

yesterday = np.datetime64('today', 'D') - np.timedelta64(1, 'D')
today = np.datetime64('today', 'D')
tomorrow = np.datetime64('today', 'D') + np.timedelta64(1, 'D')

34. 怎么获得所有与2016年7月的所有日期? (★★☆)

(提示: np.arange(dtype=datetime64['D']))

Z = np.arange('2016-07', '2016-08', dtype='datetime64[D]')
print (Z)

35. 如何计算 ((A+B)*(-A/2)) (不使用中间变量)? (★★☆)

(提示: np.add(out=), np.negative(out=), np.multiply(out=), np.divide(out=))

A = np.ones(3) * 1
B = np.ones(3) * 1
C = np.ones(3) * 1
np.add(A, B, out=B)
np.divide(A, 2, out=A)
np.negative(A, out=A)
np.multiply(A, B, out=A)

36. 用5种不同的方法提取随机数组中的整数部分 (★★☆)

(提示: %, np.floor, np.ceil, astype, np.trunc)

Z = np.random.uniform(0, 10, 10)
print (Z - Z % 1)
print (np.floor(Z))
print (np.cell(Z)-1)
print (Z.astype(int))
print (np.trunc(Z))

37. 创建一个5x5的矩阵且每一行的值范围为从0到4 (★★☆)

(提示: np.arange)

Z = np.zeros((5, 5))
Z += np.arange(5)
print (Z)

38. 如何用一个生成10个整数的函数来构建数组 (★☆☆)

(提示: np.fromiter)

def generate():
    for x in range(10):
      yield x
Z = np.fromiter(generate(), dtype=float, count=-1)
print (Z)

39. 创建一个大小为10的向量, 值域为0到1,不包括0和1 (★★☆)

(提示: np.linspace)

Z = np.linspace(0, 1, 12, endpoint=True)[1: -1]
print (Z)

40. 创建一个大小为10的随机向量,并把它排序 (★★☆)

(提示: sort)

Z = np.random.random(10)
Z.sort()
print (Z)

41.  对一个小数组进行求和有没有办法比np.sum更快? (★★☆)

(提示: np.add.reduce)

# Author: Evgeni Burovski

Z = np.arange(10)
np.add.reduce(Z)

# np.add.reduce 是numpy.add模块中的一个ufunc(universal function)函数,C语言实现

42. 如何判断两和随机数组相等 (★★☆)

(提示: np.allclose, np.array_equal)

A = np.random.randint(0, 2, 5)
B = np.random.randint(0, 2, 5)

# 假设array的形状(shape)相同和一个误差容限(tolerance)
equal = np.allclose(A,B)
print(equal)

# 检查形状和元素值,没有误差容限(值必须完全相等)
equal = np.array_equal(A,B)
print(equal)

43. 把数组变为只读 (★★☆)

(提示: flags.writeable)

Z = np.zeros(5)
Z.flags.writeable = False
Z[0] = 1

44. 将一个10x2的笛卡尔坐标矩阵转换为极坐标 (★★☆)

(提示: np.sqrt, np.arctan2)

Z = np.random.random((10, 2))
X, Y = Z[:, 0], Z[:, 1]
R = np.sqrt(X**2 + Y**2)
T = np.arctan2(Y, X)
print (R)
print (T)

45. 创建一个大小为10的随机向量并且将该向量中最大的值替换为0(★★☆)

(提示: argmax)

Z = np.random.random(10)
Z[Z.argmax()] = 0
print (Z)

46. 创建一个结构化数组,其中x和y坐标覆盖[0, 1]x[1, 0]区域 (★★☆)

(提示: np.meshgrid)

Z = np.zeros((5, 5), [('x', float), ('y', float)])
Z['x'], Z['y'] = np.meshgrid(np.linspace(0, 1, 5), np.linspace(0, 1, 5))
print (Z)

47. 给定两个数组X和Y,构造柯西(Cauchy)矩阵C () (★★☆)

(提示: np.subtract.outer)

# Author: Evgeni Burovski

X = np.arange(8)
Y = X + 0.5
C = 1.0 / np.subtract.outer(X, Y)
print (C)
print(np.linalg.det(C)) # 计算行列式

48. 打印每个numpy 类型的最小和最大可表示值 (★★☆)

(提示: np.iinfo, np.finfo, eps)

for dtype in [np.int8, np.int32, np.int64]:
   print(np.iinfo(dtype).min)
   print(np.iinfo(dtype).max)
for dtype in [np.float32, np.float64]:
   print(np.finfo(dtype).min)
   print(np.finfo(dtype).max)
   print(np.finfo(dtype).eps)

49. 如何打印数组中所有的值?(★★☆)

(提示: np.set_printoptions)

np.set_printoptions(threshold=np.nan)
Z = np.zeros((16,16))
print(Z)

50. 如何在数组中找到与给定标量接近的值? (★★☆)

(提示: argmin)

Z = np.arange(100)
v = np.random.uniform(0, 100)
index = (np.abs(Z-v)).argmin()
print(Z[index])

51. 创建表示位置(x, y)和颜色(r, g, b, a)的结构化数组 (★★☆)

(提示: dtype)

Z = np.zeros(10, [('position', [('x', float, 1), 
                                ('y', float, 1)]),
                  ('color',    [('r', float, 1), 
                                ('g', float, 1), 
                                ('b', float, 1)])])
print (Z)

52. 思考形状为(100, 2)的随机向量,求出点与点之间的距离 (★★☆)

(提示: np.atleast_2d, T, np.sqrt)

Z = np.random.random((100, 2))
X, Y = np.atleast_2d(Z[:, 0], Z[:, 1])
D = np.sqrt((X-X.T)**2 + (Y-Y.T)**2)
print (D)

# 使用scipy库可以更快
import scipy.spatial

Z = np.random.random((100,2))
D = scipy.spatial.distance.cdist(Z,Z)
print(D)

53. 如何将类型为float(32位)的数组类型转换位integer(32位)? (★★☆)

(提示: astype(copy=False))

Z = np.arange(10, dtype=np.int32)
Z = Z.astype(np.float32, copy=False)
print(Z)

54. 如何读取下面的文件? (★★☆)

(提示: np.genfromtxt)

1, 2, 3, 4, 5
6,  ,  , 7, 8
 ,  , 9,10,11

# 先把上面保存到文件example.txt中
# 这里不使用StringIO, 因为Python2 和Python3 在这个地方有兼容性问题
Z = np.genfromtxt("example.txt", delimiter=",")  
print(Z)

55. numpy数组枚举(enumerate)的等价操作? (★★☆)

(提示: np.ndenumerate, np.ndindex)

Z = np.arange(9).reshape(3,3)
for index, value in np.ndenumerate(Z):
    print(index, value)
for index in np.ndindex(Z.shape):
    print(index, Z[index])

56. 构造一个二维高斯矩阵(★★☆)

(提示: np.meshgrid, np.exp)

X, Y = np.meshgrid(np.linspace(-1, 1, 10), np.linspace(-1, 1, 10))
D = np.sqrt(X**2 + Y**2)
sigma, mu = 1.0, 0.0
G = np.exp(-( (D-mu)**2 / (2.0*sigma**2) ))
print (G)

57. 如何在二维数组的随机位置放置p个元素? (★★☆)

(提示: np.put, np.random.choice)

# Author: Divakar

n = 10
p = 3
Z = np.zeros((n,n))
np.put(Z, np.random.choice(range(n*n), p, replace=False),1)
print(Z)

58. 减去矩阵每一行的平均值 (★★☆)

(提示: mean(axis=,keepdims=))

# Author: Warren Weckesser

X = np.random.rand(5, 10)

# 新
Y = X - X.mean(axis=1, keepdims=True)

# 旧
Y = X - X.mean(axis=1).reshape(-1, 1)

print(Y)

59. 如何对数组通过第n列进行排序? (★★☆)

(提示: argsort)

# Author: Steve Tjoa

Z = np.random.randint(0,10,(3,3))
print(Z)
print(Z[ Z[:,1].argsort() ])

60. 如何判断一个给定的二维数组存在空列? (★★☆)

(提示: any, ~)

# Author: Warren Weckesser

Z = np.random.randint(0,3,(3,10))
print((~Z.any(axis=0)).any())

61. 从数组中找出与给定值最接近的值 (★★☆)

(提示: np.abs, argmin, flat)

Z = np.random.uniform(0,1,10)
z = 0.5
m = Z.flat[np.abs(Z - z).argmin()]
print(m)

62. 思考形状为(1, 3)和(3, 1)的两个数组形状,如何使用迭代器计算它们的和? (★★☆)

(提示: np.nditer)

A = np.arange(3).reshape(3, 1)
B = np.arange(3).reshape(1, 3)
it = np.nditer([A, B, None])
for x, y, z in it:
    z[...] = x + y
print (it.operands[2])

63. 创建一个具有name属性的数组类 (★★☆)

(提示: class method)

class NameArray(np.ndarray):
    def __new__(cls, array, name="no name"):
        obj = np.asarray(array).view(cls)
        obj.name = name
        return obj
    def __array_finalize__(self, obj):
        if obj is None: return
        self.info = getattr(obj, 'name', "no name")

Z = NameArray(np.arange(10), "range_10")
print (Z.name)

64. 给定一个向量,如何让在第二个向量索引的每个元素加1(注意重复索引)? (★★★)

(提示: np.bincount | np.add.at)

# Author: Brett Olsen

Z = np.ones(10)
I = np.random.randint(0,len(Z),20)
Z += np.bincount(I, minlength=len(Z))
print(Z)

# Another solution
# Author: Bartosz Telenczuk
np.add.at(Z, I, 1)
print(Z)

65. 如何根据索引列表I将向量X的元素累加到数组F? (★★★)

(提示: np.bincount)

# Author: Alan G Isaac

X = [1,2,3,4,5,6]
I = [1,3,9,3,4,1]
F = np.bincount(I,X)
print(F)

66. 思考(dtype = ubyte)的(w, h, 3)图像,计算唯一颜色的值(★★★)

(提示: np.unique)

# Author: Nadav Horesh

w,h = 16,16
I = np.random.randint(0,2,(h,w,3)).astype(np.ubyte)
F = I[...,0]*256*256 + I[...,1]*256 +I[...,2]
n = len(np.unique(F))
print(np.unique(I))

67. 思考如何求一个四维数组最后两个轴的数据和(★★★)

(提示: sum(axis=(-2,-1)))

A = np.random.randint(0,10,(3,4,3,4))
# 传递一个元组(numpy 1.7.0)
sum = A.sum(axis=(-2,-1))
print(sum)

# 将最后两个维度压缩为一个
# (适用于不接受轴元组参数的函数)
sum = A.reshape(A.shape[:-2] + (-1,)).sum(axis=-1)
print(sum)

68. 考虑一维向量D,如何使用相同大小的向量S来计算D的子集的均值,其描述子集索引?(★★★)

(提示: np.bincount)

# Author: Jaime Fernández del Río

D = np.random.uniform(0,1,100)
S = np.random.randint(0,10,100)
D_sums = np.bincount(S, weights=D)
D_counts = np.bincount(S)
D_means = D_sums / D_counts
print(D_means)

# Pandas solution as a reference due to more intuitive code
import pandas as pd
print(pd.Series(D).groupby(S).mean())

69. 如何获得点积的对角线?(★★★)

(提示: np.diag)

# Author: Mathieu Blondel

A = np.random.uniform(0,1,(5,5))
B = np.random.uniform(0,1,(5,5))

# Slow version  
np.diag(np.dot(A, B))

# Fast version
np.sum(A * B.T, axis=1)

# Faster version
np.einsum("ij,ji->i", A, B)

70.考虑向量[1,2,3,4,5],如何建立一个新的向量,在每个值之间交错有3个连续的零?(★★★)

(提示: array[::4])

# Author: Warren Weckesser

Z = np.array([1,2,3,4,5])
nz = 3
Z0 = np.zeros(len(Z) + (len(Z)-1)*(nz))
Z0[::nz+1] = Z
print(Z0)

71. 考虑一个维度(5,5,3)的数组,如何将其与一个(5,5)的数组相乘?(★★★)

(提示: array[:, :, None])

A = np.ones((5,5,3))
B = 2*np.ones((5,5))
print(A * B[:,:,None])

72. 如何对一个数组中任意两行做交换? (★★★)

(提示: array[[]] = array[[]])

# Author: Eelco Hoogendoorn

A = np.arange(25).reshape(5,5)
A[[0,1]] = A[[1,0]]
print(A)

73. 思考描述10个三角形(共享顶点)的一组10个三元组,找到组成所有三角形的唯一线段集 (★★★)

(提示: repeat, np.roll, np.sort, view, np.unique)

# Author: Nicolas P. Rougier

faces = np.random.randint(0,100,(10,3))
F = np.roll(faces.repeat(2,axis=1),-1,axis=1)
F = F.reshape(len(F)*3,2)
F = np.sort(F,axis=1)
G = F.view( dtype=[('p0',F.dtype),('p1',F.dtype)] )
G = np.unique(G)
print(G)

74. 给定一个二进制的数组C,如何生成一个数组A满足np.bincount(A)==C? (★★★)

(提示: np.repeat)

# Author: Jaime Fernández del Río

C = np.bincount([1,1,2,3,4,4,6])
A = np.repeat(np.arange(len(C)), C)
print(A)

75. 如何通过滑动窗口计算一个数组的平均数? (★★★)

(提示: np.cumsum)

# Author: Jaime Fernández del Río

def moving_average(a, n=3) :
    ret = np.cumsum(a, dtype=float)
    ret[n:] = ret[n:] - ret[:-n]
    return ret[n - 1:] / n
Z = np.arange(20)
print(moving_average(Z, n=3))

76. 思考以为数组Z,构建一个二维数组,其第一行是(Z[0],Z[1],Z[2]), 然后每一行移动一位,最后一行为 (Z[-3],Z[-2],Z[-1]) (★★★)

(提示: from numpy.lib import stride_tricks)

# Author: Joe Kington / Erik Rigtorp
from numpy.lib import stride_tricks

def rolling(a, window):
    shape = (a.size - window + 1, window)
    strides = (a.itemsize, a.itemsize)
    return stride_tricks.as_strided(a, shape=shape, strides=strides)
Z = rolling(np.arange(10), 3)
print(Z)

77. 如何对布尔值取反,或改变浮点数的符号(sign)? (★★★)

(提示: np.logical_not, np.negative)

# Author: Nathaniel J. Smith

Z = np.random.randint(0,2,100)
np.logical_not(Z, out=Z)

Z = np.random.uniform(-1.0,1.0,100)
np.negative(Z, out=Z)

78. 思考两组点集P0和P1去描述一组线(二维)和一个点p,如何计算点p到每一条线 i (P0[i],P1[i])的距离?(★★★)

def distance(P0, P1, p):
    T = P1 - P0
    L = (T**2).sum(axis=1)
    U = -((P0[:,0]-p[...,0])*T[:,0] + (P0[:,1]-p[...,1])*T[:,1]) / L
    U = U.reshape(len(U),1)
    D = P0 + U*T - p
    return np.sqrt((D**2).sum(axis=1))

P0 = np.random.uniform(-10,10,(10,2))
P1 = np.random.uniform(-10,10,(10,2))
p  = np.random.uniform(-10,10,( 1,2))
print(distance(P0, P1, p))

79. 考虑两组点集P0和P1去描述一组线(二维)和一组点集P,如何计算每一个点 j(P[j]) 到每一条线 i (P0[i],P1[i])的距离? (★★★)

# Author: Italmassov Kuanysh

# based on distance function from previous question
P0 = np.random.uniform(-10, 10, (10,2))
P1 = np.random.uniform(-10,10,(10,2))
p = np.random.uniform(-10, 10, (10,2))
print(np.array([distance(P0,P1,p_i) for p_i in p]))

80. 思考一个任意的数组,编写一个函数,该函数提取一个具有固定形状的子部分,并以一个给定的元素为中心(在该部分填充值) (★★★)

(提示: minimum, maximum)

# Author: Nicolas Rougier

Z = np.random.randint(0,10,(10,10))
shape = (5,5)
fill  = 0
position = (1,1)

R = np.ones(shape, dtype=Z.dtype)*fill
P  = np.array(list(position)).astype(int)
Rs = np.array(list(R.shape)).astype(int)
Zs = np.array(list(Z.shape)).astype(int)R_start = np.zeros((len(shape),)).astype(int)
R_stop  = np.array(list(shape)).astype(int)
Z_start = (P-Rs//2)
Z_stop  = (P+Rs//2)+Rs%2

R_start = (R_start - np.minimum(Z_start,0)).tolist()
Z_start = (np.maximum(Z_start,0)).tolist()
R_stop = np.maximum(R_start, (R_stop - np.maximum(Z_stop-Zs,0))).tolist()
Z_stop = (np.minimum(Z_stop,Zs)).tolist()

r = [slice(start,stop) for start,stop in zip(R_start,R_stop)]
z = [slice(start,stop) for start,stop in zip(Z_start,Z_stop)]
R[r] = Z[z]
print(Z)
print(R)

81. 考虑一个数组Z = [1,2,3,4,5,6,7,8,9,10,11,12,13,14],如何生成一个数组R = [[1,2,3,4], [2,3,4,5], [3,4,5,6], ...,[11,12,13,14]]? (★★★)

(提示: stride_tricks.as_strided)

# Author: Stefan van der Walt

Z = np.arange(1,15,dtype=np.uint32)
R = stride_tricks.as_strided(Z,(11,4),(4,4))
print(R)

82. 计算矩阵的秩 (★★★)

(提示: np.linalg.svd)

# Author: Stefan van der Walt

Z = np.random.uniform(0,1,(10,10))
U, S, V = np.linalg.svd(Z) # Singular Value Decomposition
rank = np.sum(S > 1e-10)
print(rank)

83. 如何找出数组中出现频率最高的值?(★★★)

(提示: np.bincount, argmax)

Z = np.random.randint(0,10,50)
print(np.bincount(Z).argmax())

84. 从一个10x10的矩阵中提取出连续的3x3区块(★★★)

(提示: stride_tricks.as_strided)

# Author: Chris Barker

Z = np.random.randint(0,5,(10,10))
n = 3
i = 1 + (Z.shape[0]-3)
j = 1 + (Z.shape[1]-3)
C = stride_tricks.as_strided(Z, shape=(i, j, n, n), strides=Z.strides + Z.strides)
print(C)

85.创建一个满足 Z[i,j] == Z[j,i]的二维数组子类 (★★★)

(提示: class method)

# Author: Eric O. Lebigot
# Note: only works for 2d array and value setting using indices

class Symetric(np.ndarray):
    def __setitem__(self, index, value):
        i,j = index
        super(Symetric, self).__setitem__((i,j), value)
        super(Symetric, self).__setitem__((j,i), value)

def symetric(Z):
    return np.asarray(Z + Z.T - np.diag(Z.diagonal())).view(Symetric)

S = symetric(np.random.randint(0,10,(5,5)))
S[2,3] = 42
print(S)

86. 考虑p个 nxn 矩阵和一组形状为(n,1)的向量,如何直接计算p个矩阵的乘积(n,1)? (★★★)

(提示: np.tensordot)

# Author: Stefan van der Walt

p, n = 10, 20
M = np.ones((p,n,n))
V = np.ones((p,n,1))
S = np.tensordot(M, V, axes=[[0, 2], [0, 1]])
print(S)

# It works, because:
# M is (p,n,n)
# V is (p,n,1)
# Thus, summing over the paired axes 0 and 0 (of M and V independently),
# and 2 and 1, to remain with a (n,1) vector.

87. 对于一个16x16的数组,如何得到一个区域的和(区域大小为4x4)? (★★★)

(提示: np.add.reduceat)

# Author: Robert Kern

Z = np.ones((16,16))
k = 4
S = np.add.reduceat(np.add.reduceat(Z, np.arange(0, Z.shape[0], k), axis=0), np.arange(0, Z.shape[1], k), axis=1)
print(S)

88. 如何利用numpy数组实现Game of Life? (★★★)

(提示: Game of Life , Game of Life有哪些图形?)

# Author: Nicolas Rougier

def iterate(Z):
    # Count neighbours
    N = (Z[0:-2,0:-2] + Z[0:-2,1:-1] + Z[0:-2,2:] +
         Z[1:-1,0:-2]                + Z[1:-1,2:] +
         Z[2:  ,0:-2] + Z[2:  ,1:-1] + Z[2:  ,2:])

    # Apply rules
    birth = (N==3) & (Z[1:-1,1:-1]==0)
    survive = ((N==2) | (N==3)) & (Z[1:-1,1:-1]==1)
    Z[...] = 0
    Z[1:-1,1:-1][birth | survive] = 1
    return Z

Z = np.random.randint(0,2,(50,50))
for i in range(100): Z = iterate(Z)
print(Z)

89. 如何找到一个数组的第n个最大值? (★★★)

(提示: np.argsort | np.argpartition)

Z = np.arange(10000)
np.random.shuffle(Z)
n = 5

# Slow
print (Z[np.argsort(Z)[-n:]])

# Fast
print (Z[np.argpartition(-Z,n)[:n]])

90. 给定任意个数向量,创建笛卡尔积(每一个元素的每一种组合) (★★★)

(提示: np.indices)

# Author: Stefan Van der Walt

def cartesian(arrays):
    arrays = [np.asarray(a) for a in arrays]
    shape = (len(x) for x in arrays)

    ix = np.indices(shape, dtype=int)
    ix = ix.reshape(len(arrays), -1).T

    for n, arr in enumerate(arrays):
        ix[:, n] = arrays[n][ix[:, n]]

    return ix

print (cartesian(([1, 2, 3], [4, 5], [6, 7])))

91. 如何从一个常规数组中创建记录数组(record array)? (★★★)

(提示: np.core.records.fromarrays)

Z = np.array([("Hello", 2.5, 3),
              ("World", 3.6, 2)])
R = np.core.records.fromarrays(Z.T, 
                               names='col1, col2, col3',
                               formats = 'S8, f8, i8')
print(R)

92. 思考一个大向量Z, 用三种不同的方法计算它的立方 (★★★)

(提示: np.power, *, np.einsum)

# Author: Ryan G.

x = np.random.rand(5e7)

%timeit np.power(x,3)
%timeit x*x*x
%timeit np.einsum('i,i,i->i',x,x,x)

93. 考虑两个形状分别为(8,3) 和(2,2)的数组A和B. 如何在数组A中找到满足包含B中元素的行?(不考虑B中每行元素顺序)?(★★★)

(提示: np.where)

# Author: Gabe Schwartz

A = np.random.randint(0,5,(8,3))
B = np.random.randint(0,5,(2,2))

C = (A[..., np.newaxis, np.newaxis] == B)
rows = np.where(C.any((3,1)).all(1))[0]
print(rows)

94. 思考一个10x3的矩阵,如何分解出有不全相同值的行 (如 [2,2,3]) (★★★)

# Author: Robert Kern

Z = np.random.randint(0,5,(10,3))
print(Z)
# solution for arrays of all dtypes (including string arrays and record arrays)
E = np.all(Z[:,1:] == Z[:,:-1], axis=1)
U = Z[~E]
print(U)
# soluiton for numerical arrays only, will work for any number of columns in Z
U = Z[Z.max(axis=1) != Z.min(axis=1),:]
print(U)

95. 将一个整数向量转换为二进制矩阵 (★★★)

(提示: np.unpackbits)

# Author: Warren Weckesser

I = np.array([0, 1, 2, 3, 15, 16, 32, 64, 128])
B = ((I.reshape(-1,1) & (2**np.arange(8))) != 0).astype(int)
print(B[:,::-1])

# Author: Daniel T. McDonald

I = np.array([0, 1, 2, 3, 15, 16, 32, 64, 128], dtype=np.uint8)
print(np.unpackbits(I[:, np.newaxis], axis=1))

96. 给定一个二维数组,如何提取出唯一的行?(★★★)

(提示: np.ascontiguousarray)

# Author: Jaime Fernández del Río

Z = np.random.randint(0,2,(6,3))
T = np.ascontiguousarray(Z).view(np.dtype((np.void, Z.dtype.itemsize * Z.shape[1])))
_, idx = np.unique(T, return_index=True)
uZ = Z[idx]
print(uZ)

97. 考虑两个向量A和B,写出用einsum等式对应的inner, outer, sum, mul函数 (★★★)

(提示: np.einsum)

# Author: Alex Riley
# Make sure to read: http://ajcr.net/Basic-guide-to-einsum/

A = np.random.uniform(0,1,10)
B = np.random.uniform(0,1,10)

np.einsum('i->', A)       # np.sum(A)
np.einsum('i,i->i', A, B) # A * B
np.einsum('i,i', A, B)    # np.inner(A, B)
np.einsum('i,j->ij', A, B)    # np.outer(A, B)

98. 考虑一个由两个向量描述的路径(X,Y),如何用等距样例(equidistant samples)对其进行采样(sample)(★★★)?

(提示: np.cumsum, np.interp)

# Author: Bas Swinckels

phi = np.arange(0, 10*np.pi, 0.1)
a = 1
x = a*phi*np.cos(phi)
y = a*phi*np.sin(phi)

dr = (np.diff(x)**2 + np.diff(y)**2)**.5 # segment lengths
r = np.zeros_like(x)
r[1:] = np.cumsum(dr)                # integrate path
r_int = np.linspace(0, r.max(), 200) # regular spaced path
x_int = np.interp(r_int, r, x)       # integrate path
y_int = np.interp(r_int, r, y)

99. 给定一个整数n 和一个二维数组X,从X中选择可以被解释为从多n度的多项分布式的行,即这些行只包含整数对n的和. (★★★)

(提示: np.logical_and.reduce, np.mod)

# Author: Evgeni Burovski

X = np.asarray([[1.0, 0.0, 3.0, 8.0],
                [2.0, 0.0, 1.0, 1.0],
                [1.5, 2.5, 1.0, 0.0]])
n = 4
M = np.logical_and.reduce(np.mod(X, 1) == 0, axis=-1)
M &= (X.sum(axis=-1) == n)
print(X[M])

100. 对于一个一维数组X,计算它boostrapped之后的95%置信区间的平均值. (★★★)

(提示: np.percentile)

# Author: Jessica B. Hamrick

X = np.random.randn(100) # random 1D array
N = 1000 # number of bootstrap samples
idx = np.random.randint(0, X.size, (N, X.size))
means = X[idx].mean(axis=1)
confint = np.percentile(means, [2.5, 97.5])
print(confint)

觉得还不错就给我一个小小的鼓励吧!


Numpy数组定义及操作在线实验闯关 Numpy数组定义及操作在线实验闯关练习答案 阅读详情

相关推荐

Java 开发打飞机小游戏(附完整源码)

上图 写在前面 技术源于分享,所以今天抽空把自己之前用java做过的小游戏整理贴出来给大家参考学习。java确实不适合写桌面应用,这里只是通过这个游戏让大家理解oop面向对象编程的过程,纯属娱乐。代码写的很简单,也很容易理解,并且注释写的很清楚了,还有问题,自己私下去补课学习。 完整代码 敌飞机 import java.util.Random; 敌飞机: 是飞行物,也是敌人 public class Airplane extends FlyingObject implements Enemy {

一只独孤的程序猿 1万+

0915练习

numpy.arange(n).reshape(a, b) 依次生成n个自然数,并且以a行b列的数组形式显示。今天下午六点开始数学建模啦。

优快云_YJX的博客 3245

从零开始:QNX SDP 8.0开发环境搭建与实战入门

本文详细介绍了如何从零开始搭建QNX SDP 8.0开发环境并进行实战入门。内容涵盖许可证获取、环境安装、命令行与IDE工具使用、BSP构建、系统镜像生成,以及编写、编译和运行第一个QNX程序的全过程。旨在帮助嵌入式开发者,特别是汽车电子和工业控制领域的工程师,快速掌握这一实时操作系统(RTOS)的开发基础。

weixin_29163857的博客 646

numpy 100题

numpy 100题。

云 网 数 智 安 量子 3188

ROS2前置基础教程 | 使用CMakeLists.txt编译ROS2节点

答案是有的,那就是cmake工具。cmake通过调用CMakeLists.txt直接生成Makefile。 2.新建CMakeLists.txt 在新建,输入下面内容。 3.编译代码 我们一般会创建一个新的目录,运行cmake并进行编译,这样的好处是不会显得那么乱。 创建好文件夹,接着运行cmake指令,代表到上级目录找。 运行完cmake你应该可以在build目录下看到cmake自动生成的Makefile了,接着就可以运行make指令进行编译 运行完上面的指令,就可以在build目录下发现节点了。ROS2

生活不止眼前的苟且 1万+

基于Arduino 的 FM 调频收音机

这是一个基于 Arduino 的开源的收音机项目,它具备一台标准收音机的全部功能,从控制部分到外壳都可以自己 DIY。在项目中,我们将介绍让 FM 收音机调谐器的 RDA5807 模块与 I2C 协议进行通信的方法,整个过程只需要两根线就可以与 IC 通信,接线非常简单。3D 打印的外壳也非常简洁。总之,是个非常简单和实用的项目,来试试吧!

ByteBox的博客 1643

Numpy闯关100题,我闯了95关,你呢?

对于Numpy,我讲的不多,因为和Pandas相比,他距离日常的数据处理更“远”一些。但是,Numpy仍然是Python做数据分析所必须要掌握的基础库之一,以下题是github上的开源项目...

weixin_43373042的博客 1234

【附源码】Node.js毕业设计高校院级校友信息管理系统(Express)

首先,该系统可以提高高校对校友信息管理的效率和准确性。通过系统提供的查询功能,高校可以方便地获取校友的最新联系方式和动态,及时了解校友的发展情况,为校友提供更好的服务和支持。总之,开发高校院级校友信息管理系统将为高校提供一个高效、便捷的工具,有助于提升校友管理水平和服务质量,促进高校与校友之间的良好互动关系。通过使用前端技术HTML、CSS、JavaScript和Vue框架,结合后端技术Node.js和Express框架,以及MySQL数据库,可以实现对校友信息的快速录入、查询、修改和删除等操作。

佳愉毕设源码 894

【Numpy】练习题100道(76-100题完结)

🥇学习在于行动、总结和坚持,共勉!#学习笔记#

CXY819394的博客 2517

NVIDIA驱动版本太低?手把手教你解决CUDA与PyTorch版本冲突问题

本文针对深度学习开发中常见的NVIDIA驱动版本过低导致的CUDA与PyTorch版本冲突问题,提供了从根源理解到实战解决的完整指南。文章详细解析了驱动、CUDA与PyTorch的依赖关系,并给出了升级驱动、降级PyTorch、使用Conda环境管理及Docker容器化四种核心解决方案,帮助开发者快速诊断并构建稳定的GPU开发工作流。

grpc6streamer的博客 972

硬全桥副边钳位管Vds电压凸台揭秘——寄生参数引发的导通异常

本文深入分析了硬全桥副边钳位管Vds电压凸台现象,揭示了寄生参数如何引发导通异常。通过波形分析和工程实践,详细解析了走线电感的蓄能效应和体二极管的接力作用,并提供了PCB布局优化、元件选型和驱动电路调整等解决方案,帮助工程师有效应对这一常见问题。

weixin_30825581的博客 430

pandas 百题大冲关

Pandas 百题大冲关 Pandas 百题大冲关分为基础篇和进阶篇,每部分各有 50 道练习题。基础部分的练习题在于熟悉 Pandas 常用方法的使用,而进阶部分则侧重于 Pandas 方法的组合应用。 基础部分 基础 1. 导入Pandas: import pandas as pd 2. 查看Pandas版本信息: print(pd.__version__) Pandas 的数据结构:Pandas 主要有Series(一维数组),DataFrame(二维数组),Panel(三维数组),Panel4D

Come on!!! 3384

YOLO系列专栏(十二):YOLO26行业落地实战(三):无人机航拍场景——户外巡检(机载边缘计算+YOLO26)

无人机航拍巡检场景,面临机载设备算力/显存有限、高空航拍目标小、户外环境复杂(风力、光线变化)、图像抖动等问题,对模型的轻量化、实时性、小目标检测能力要求极高。YOLO26相比传统模型,在该场景中具备三大核心优势:✅ 极致轻量化:INT8量化+模型剪枝后,模型体积可压缩至5MB以内,显存占用控制在512MB以内,适配Jetson Xavier NX等机载边缘计算设备;✅ 小目标检测能力强:优化检测头与锚框配置,可精准识别高空航拍中的小尺寸目标(如线路断股、绝缘子裂纹),检测准确率高;

qq_36130719的博客 262

Pandas进阶修炼120题-第四期(当Pandas遇上NumPy,81-100题)

d欧式距离(Euclidean distance)是在欧几里得空间中两点之间的 “直线” 距离。对于两个向量A\mathbf{A}A和B\mathbf{B}BdAB∑i1nAi−Bi2dABi1∑n​Ai​−Bi​2​在 Pandas DataFrame 中,你可以很容易地计算两列之间的欧式距离。

qq_33489955的博客 3538

LinePhone3.2.7(android端最新版本) sip客户端

SIP客户端For android:LinePhone3.2.7(最新版本),官网地址:http://www.linphone.org/

计算机控制技术及应用

《计算机控制技术及应用》通过总结作者的科研成果和吸收国内外的先进理论、方法和技术,以计算机控制系统的网络化、开放化、智能化和集成化发展趋势为主线索,主要介绍计算机控制系统的基本概念和计算机控制系统的典型形式,计算机控制系统的数学描述与基本分析方法,以及数字PID控制器、最少拍控制系统、达林算法、状态变量设计法等设计方法及其各种改进算法。重点突出计算机控制系统输入输出通道接口的设计方法和典型控制系统的设计案例与实现方法等。

NumPy百题精解:从入门到精通的100个实战练习

NumPy作为Python科学计算的基础库,在数据处理、机器学习等领域有着广泛应用。本文将通过100个精心设计的练习题目,由浅入深地带领读者掌握NumPy的核心功能和使用技巧。 ## 基础篇:NumPy入门操作 ### 环境准备与基础操作 1. **导入NumPy包**:标准导入方式为`import numpy as np`,这是NumPy社区的通用约定 2. **查看版本信息**:通过`np...

gitblog_00637的博客 442

android 蓝牙通讯demo

android 下蓝牙通讯demo,实现了发现蓝牙,使能蓝牙,通过蓝牙发送消息。

numpy 是否为零_python数据分析入门必刷!100道题掌握numpy

numpy-100 可以说是炒鸡经典的numpy学习资料了~原项目地址:numpy-100 各路大神提供的中文译版也有很多,不过为了巩固自己的学习成果,我还是自己进行了翻译+刷题+总结。对于每道题,均给出了原题翻译、正确答案,以及我的个人心得笔记。如下~(1) 使用别名“np“调用numpy库。(★☆☆)(import … as …)import (2) 显示当前numpy库的版本号和配置信息。(...

weixin_39862097的博客 1001

迈瑞BS系列全自动生化分析仪LIS协议接口手册(内含HL7和ASTM)

迈瑞BS系列全自动生化分析仪LIS协议接口手册,内含HL7和ASTM)

NumPy进阶修炼80题_有答案版

NumPy进阶修炼80题 第一期|热身20题:数据创建与访问 1.导入并查看NumPy版本 import numpy as np print(np.__version__) 1.15.4 2.创建十个全为0的一维数组 np.zeros(10) array([0., 0., 0., 0., 0., 0., 0., 0., 0., 0.]) 3.创建10个全为0的一维数据并修改数据类型为整数 np.zeros(10,dtype = 'int') array([0, 0, 0, 0, 0, 0, 0,

王斯的博客 2403

100个NumPy实战案例:从入门到精通的Python数组编程指南

NumPy是Python数据科学生态系统的核心库,提供了高性能的多维数组对象和数学函数。本文将介绍GitHub加速计划中的`nu/numpy-100`项目,这是一个包含100个NumPy练习及解决方案的开源资源,旨在帮助开发者系统掌握NumPy数组编程技能。 ## 为什么选择NumPy-100练习集? `nu/numpy-100`项目(项目路径:gh_mirrors/nu/numpy-100)

gitblog_00038的博客 669

NumPy进阶80题完整版

前言大家好,NumPy进阶修改80题现在已经全部更新完毕,80道习题涵盖了NumPy中数组创建、访问、筛选、修改、计算等常用操作,如果不熟悉NumPy的读者可以刷一遍,因为里面的代码大多...

python爬虫人工智能大数据 1450

【学习笔记】100道NumPy练习题(61-80题)

【代码】【学习笔记】100道NumPy练习题(61-80题)

lzc2025的博客 724

Pandas进阶修炼120题|当Pandas遇上NumPy

================== 欢迎关注我的公众号:早起python ================= 大家好,本文接着更新Pandas进阶修炼120题,Pandas的强大不仅仅因为它自身的强大,更在于当它和NumPy、Matplotlib、Sklearn等库结合使用时发挥的巨大威力,本期就挑选了一些Pandas+NumPy相关的题目供各位读者练习,如果感兴趣,请一定要敲一遍代码。 ...

早起Python 2245

python numpy pandas 题目_Pandas进阶修炼120题|当Pandas遇上NumPy

==================欢迎关注我的公众号:早起python=================大家好,本文接着更新Pandas进阶修炼120题,Pandas的强大不仅仅因为它自身的强大,更在于当它和NumPy、Matplotlib、Sklearn等库结合使用时发挥的巨大威力,本期就挑选了一些Pandas+NumPy相关的题目供各位读者练习,如果感兴趣,请一定要敲一遍代码。81数据查看题...

weixin_39929602的博客 522

NumPy进阶修炼|热身20题

系列导读01.NumPy进阶修炼|入门02.NumPy进阶修炼|基础大家好,NumPy系列讲解已经更新了两期,今天将整理一些相关的题目来实际操作一下,因为在Pandas系列中有涉及到部分...

weixin_44747933的博客 358

Numpy日常总结

对于数据分析和机器学习使用Python进行分析的过程中,必然要用到Pandas、Numpy和Matplotlib。针对pandas和matplotlib也都有总结过,今天就来总结一下numpy的日常用法,对数据分析的效率有很大的帮助。 对于numpy的使用在官方文档里面有很多使用方法,但是日常使用的,尤其在机器学习数据预处理环节也就那么几种常规使用,只要会了这些就足够你日常业务数据分析和数据挖掘使用了。对于特殊的可以单独再根据需要从官方文档中进行学习。 Numpy库导入方法:import numpy as

kyle1314608的博客 240
上一篇: 趁老婆不在家,我把儿子带成了程序大神...
下一篇: 北大扫地僧“火”了!手提馒头矿泉水的他,是博士毕业1年就成北大助理教授的90后!...
Wang_AI
博客等级 码龄12年 997粉丝 162原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值