Numpy(基础练习）

刺骨的言语ヽ痛彻心扉 2021-12-23 13:01 632阅读 0赞

1、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
    nd=np.zeros(10)
    nd[4]=1
    nd

![在这里插入图片描述][20190626082536460.png]  
2、创建一个元素为从10到49的ndarray对象

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

![在这里插入图片描述][20190626082635956.png]  
3、创建一个 4\*4 的二维数组，并输出数组元素类型

import numpy as np
    arr = np.arange(16).reshape(4,4)
    print(arr)
    arr.dtype.name

![在这里插入图片描述][20190626082729137.png]  
4、创建一个数组，该数组可以完成将坐标位置为（0,1,3）到（3,0,1）的转置

import numpy as np
    arr1 = np.arange(64).reshape(4,4,4)
    arr1

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDQ5NTY3OA_size_16_color_FFFFFF_t_70]  
5 、将4题中的数据类型转换为float64

float_arr1=arr1.astype(np.float64)
    float_arr1.dtype

![在这里插入图片描述][20190626083213354.png]  
6、参照课件分别完成数组间的矢量运算、广播运算、标量运算  
（1）矢量运算

arr1=np.arange(0,4)
    arr2=np.arange(1,5)
    print(arr1+arr2)

![在这里插入图片描述][20190626083340777.png]  
（2）广播运算

arr1 = np.array([[1,2,3]])
    arr2 = np.array([[0],[1],[2],[3]])
    print(arr1+arr2)

![在这里插入图片描述][20190626083422739.png]

（3）标量运算

arr1 = np.array([[1,2,3],[4,5,6]])
    arr2 = np.array([[10]])
    arr = arr1+arr2
    arr

![在这里插入图片描述][201906260835290.png]  
7、创建一个二维数组，使用索引的方式获取第二行第一列和第三行第二列的数据

import numpy as np
    arr = np.arange(16).reshape(4,4)
    print(arr)
    print(arr[1,0])
    print(arr[2,1])

![在这里插入图片描述][20190626083643443.png]  
8、使用切片的方式获取7题中数组的1，2行第2、3列的数据

arr[:2,1:3]

![在这里插入图片描述][2019062608374285.png]  
9、参考课件使用切片与整数索引混合使用的方法，获取7题数组中第二行第2 、3列数据

arr[1,1:3]

![在这里插入图片描述][20190626084108652.png]  
10、参考课件，使用花式索引获取第 7题中索引为(2,2)和(1,3)的元素

arr[[1,2],[3,2]]

![在这里插入图片描述][20190626083931407.png]  
11、创建如下两个数据，使用布尔类型索引输出Rose的成绩

#存储学生姓名的数组
    student_name = np.array(['Tom','Lily','Jack','Rose'])
    #存储学生成绩的数组
    student_score = np.array([[79,88,80],[89,90,92],[83,78,85],[78,76,80]])
    score = student_score[student_name=='Rose']
    print(score)

![在这里插入图片描述][20190626084136791.png]  
12、创建两个数组完成sqrt、abs、maximum、greater 函数的调用

arr1=np.arange(1,6)
    np.sqrt(arr1)

![在这里插入图片描述][20190626084257624.png]

arr2=np.array([-9,7,5,-6,3])
    np.abs(arr2)

![在这里插入图片描述][2019062608440872.png]

arr1=np.arange(1,6)
    arr2=np.array([-9,7,5,-6,3])
    np.maximum(arr1,arr2)

![在这里插入图片描述][20190626084443161.png]

arr1=np.arange(1,6)
    arr2=np.array([-9,7,5,-6,3])
    np.greater(arr1,arr2)

![在这里插入图片描述][2019062608451742.png]  
13、完成矩阵的相乘和矩阵行列式的计算  
（1）矩阵相乘

arr1=([[1,2,3],[4,5,6]])
    arr2=np.array([[1,2],[3,4],[5,6]])
    np.dot(arr1,arr2)

![在这里插入图片描述][20190626084607520.png]  
（2）矩阵行列式

import numpy as np
    arr1=np.array([[1,2,4],[3,4,7],[5,6,9]])
    w=np.linalg.det(arr1)
    print(w)

![在这里插入图片描述][20190626084725660.png]  
14 、完成酒鬼漫步案例

#酒鬼漫步
    import numpy as np
    steps = 20
    draws = np.random.randint(0,2,size=steps)
    print(draws)
    direction_steps=np.where(draws>0,-1,1)
    print(direction_steps)
    distance = direction_steps.cumsum()
    print(distance)

![在这里插入图片描述][20190626084824879.png]

[20190626082536460.png]: /images/20211223/7b7e227f1181424fb77f7bf598e345a3.png
[20190626082635956.png]: /images/20211223/6663fda3b0f340248dc898cb0a2e4aff.png
[20190626082729137.png]: /images/20211223/3eccba1e0e6a43d58e157832d7a10abe.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDQ5NTY3OA_size_16_color_FFFFFF_t_70]: /images/20211223/9f767e1793224e5d97f979f1d49ef49b.png
[20190626083213354.png]: /images/20211223/3e90e8d3ad9943bc9432b775995c9f7b.png
[20190626083340777.png]: /images/20211223/f354043677f8459a9267667eadaa0dc5.png
[20190626083422739.png]: /images/20211223/52a9a3f47cf94a29aadeb73595d04bd5.png
[201906260835290.png]: /images/20211223/e741e17038ee4b5e9786f006116137bd.png
[20190626083643443.png]: /images/20211223/13edbaeebcc14597ab1b9ea1709daae2.png
[2019062608374285.png]: /images/20211223/ff4b717c4ace4ee28257a8f38ed63b2b.png
[20190626084108652.png]: /images/20211223/9b7fd6a35bd1429ab21f3fe4c641259b.png
[20190626083931407.png]: /images/20211223/27307ccc7e7b408798258952607804b6.png
[20190626084136791.png]: /images/20211223/64986c94c45f43de83205b3bd4a1b2b1.png
[20190626084257624.png]: /images/20211223/050c014c70dc499d9ab2fa35c80f673a.png
[2019062608440872.png]: /images/20211223/8f2fe6d329b2455faeb5e8e0aacad4f6.png
[20190626084443161.png]: /images/20211223/de2b7bf5f8724cd9a88e5db1e12d9727.png
[2019062608451742.png]: /images/20211223/258d860f825d4308a8607b5157869eb6.png
[20190626084607520.png]: /images/20211223/e228b2dd817c40ff9a5570c959529e3a.png
[20190626084725660.png]: /images/20211223/75a0edf4b0534d8d8721a6db1d387ecf.png
[20190626084824879.png]: /images/20211223/c4be58ba410642d793c9f37597ffc49f.png