NumPy 100题精解：从基础到进阶的数组操作指南-优快云博客

本文链接：https://blog.youkuaiyun.com/gitblog_01099/article/details/148392510

NumPy 100题精解：从基础到进阶的数组操作指南

NumPy是Python科学计算的基础库，提供了强大的多维数组对象和各种操作数组的函数。本文将深入解析100个NumPy练习题，涵盖从基础到高级的各种数组操作技巧。

基础操作

数组创建与初始化

# 创建全零数组
Z = np.zeros(10)
print(Z)

# 创建特定值的数组
Z = np.zeros(10)
Z[4] = 1  # 第五个元素设为1
print(Z)

# 创建数值范围数组
Z = np.arange(10, 50)  # 10到49的数组
print(Z)

数组属性与信息

# 获取数组内存大小
Z = np.zeros((10,10))
print("%d bytes" % (Z.size * Z.itemsize))

# 获取NumPy版本信息
print(np.__version__)
np.show_config()

数组操作技巧

# 数组反转
Z = np.arange(50)
Z = Z[::-1]  # 反转数组
print(Z)

# 创建3x3矩阵
Z = np.arange(9).reshape(3, 3)
print(Z)

# 查找非零元素索引
nz = np.nonzero([1,2,0,0,4,0])
print(nz)

进阶操作

特殊矩阵创建

# 创建单位矩阵
Z = np.eye(3)
print(Z)

# 创建对角矩阵
Z = np.diag(1+np.arange(4), k=-1)  # 主对角线下方1,2,3,4
print(Z)

# 创建棋盘矩阵
Z = np.zeros((8,8), dtype=int)
Z[1::2,::2] = 1
Z[::2,1::2] = 1  # 交错赋值创建棋盘
print(Z)

随机数组操作

# 创建随机数组并查找极值
Z = np.random.random((10,10))
Zmin, Zmax = Z.min(), Z.max()
print(Zmin, Zmax)

# 创建随机向量并计算均值
Z = np.random.random(30)
m = Z.mean()
print(m)

# 创建边框为1内部为0的数组
Z = np.ones((10,10))
Z[1:-1,1:-1] = 0
print(Z)

高级技巧

数组运算与数学操作

# 数组归一化
Z = np.random.random((5,5))
Z = (Z - np.mean(Z)) / (np.std(Z))  # 标准化
print(Z)

# 矩阵乘法
Z = np.matmul(np.ones((5, 3)), np.ones((3, 2)))
print(Z)

# 条件修改数组元素
Z = np.arange(11)
Z[(3 < Z) & (Z < 8)] *= -1  # 3-8之间的元素取反
print(Z)

特殊数值处理

# NaN和Infinity的特殊行为
print(0 * np.nan)  # nan
print(np.nan == np.nan)  # False
print(np.inf > np.nan)  # False
print(np.nan - np.nan)  # nan
print(np.nan in set([np.nan]))  # True
print(0.3 == 3 * 0.1)  # False(浮点精度问题)

日期与时间处理

# 日期计算
yesterday = np.datetime64('today') - np.timedelta64(1)
today = np.datetime64('today')
tomorrow = np.datetime64('today') + np.timedelta64(1)

# 生成特定月份的所有日期
Z = np.arange('2016-07', '2016-08', dtype='datetime64[D]')
print(Z)

性能优化技巧

高效计算方法

# 小数组快速求和
Z = np.arange(10)
np.add.reduce(Z)  # 比np.sum更快

# 避免中间数组的计算
A = np.ones(3)*1
B = np.ones(3)*2
np.add(A,B,out=B)  # 原地操作避免临时数组
np.divide(A,2,out=A)
np.negative(A,out=A)
np.multiply(A,B,out=A)

数组索引与查找

# 查找最接近的值
Z = np.arange(100)
v = np.random.uniform(0,100)
index = (np.abs(Z-v)).argmin()
print(Z[index])

# 解包多维索引
print(np.unravel_index(99,(6,7,8)))  # 将线性索引转换为多维索引

实际应用案例

图像处理相关

# 计算图像中唯一颜色数量
w, h = 256, 256
I = np.random.randint(0, 4, (h, w, 3)).astype(np.ubyte)
colors = np.unique(I.reshape(-1, 3), axis=0)
n = len(colors)
print(n)

几何计算

# 笛卡尔坐标转极坐标
Z = np.random.random((10,2))
X,Y = Z[:,0], Z[:,1]
R = np.sqrt(X**2+Y**2)  # 半径
T = np.arctan2(Y,X)  # 角度
print(R)
print(T)

线性代数应用

# 构建柯西矩阵
X = np.arange(8)
Y = X + 0.5
C = 1.0 / np.subtract.outer(X, Y)  # 柯西矩阵
print(np.linalg.det(C))

# 计算矩阵乘积对角线
A = np.random.uniform(0,1,(5,5))
B = np.random.uniform(0,1,(5,5))
np.einsum("ij,ji->i", A, B)  # 高效计算对角线