NumPy是Python语言的扩展库,支持许多高维数组和矩阵的操作。此外,它还为数组操作提供了许多数学函数库。机器学习涉及到对数组的大量转换和操作,这使得NumPy成为必不可少的工具之一。 下面的100个练习都是从numpy邮件列表、stack overflow和numpy文档中收集的。 1.以np的名称导入numpy包(★☆☆) import numpy as np 2.打印numpy版本和配置(★☆☆)
3.创建一个大小为10的空向量(★☆☆) Z = np.zeros(10)print(Z) 4.如何找到任何数组的内存大小(★☆☆)
5.如何从命令行获取numpy add函数的文档?(★☆☆) %run `python -c 'import numpy; numpy.info(numpy.add)'` 6.创建一个大小为10的空矢量,第五个值为1(★☆☆)
7.创建一个向量,其值的范围是10到49(★☆☆) Z = np.arange(10,50)print(Z) 8.反转向量(第一个元素变为最后一个)(★☆☆)
9.创建一个从0到8的3 * 3矩阵(★☆☆) x = np.arange(0,9).reshape(3,3)print(x) 10.查找来自[1,2,0,0,4,0]的非零元素的索引(★☆☆)
11.创建一个3 * 3的单位矩阵(★☆☆) Z = np.eye(3)print(Z) 12.创建一个具有随机值的3x3x3数组(★☆☆)
13.创建一个具有随机值的10x10数组,并找到最小值和最大值(★☆☆) Z = np.random.random((10,10))Zmin, Zmax = Z.min(), Z.max()print(Zmin, Zmax) 14.创建一个大小为30的随机向量,并找到平均值(★☆☆)
15.创建一个边界为1,内部为0的二维数组(★☆☆) Z = np.ones((10,10))Z[1:-1,1:-1] = 0print(Z) 16.如何在现有数组周围添加边框(用0填充)?(★☆☆)
17.以下表达式的结果是什么?(★☆☆) 0 * np.nannp.nan == np.nannp.inf > np.nannp.nan - np.nannp.nan in set([np.nan])0.3 == 3 * 0.1print(0 * np.nan)print(np.nan == np.nan)print(np.inf > np.nan)print(np.nan - np.nan)print(np.nan in set([np.nan]))print(0.3 == 3 * 0.1) 18.创建一个5x5矩阵,对角线正下方的值为(1、2、3、4)(★☆☆)
19.创建一个8x8矩阵,并用棋盘图案填充它(★☆☆) Z = np.zeros((8,8),dtype=int)Z[1::2,::2] = 1Z[::2,1::2] = 1print(Z) 20.考虑一个形状为(6,7,8)的数组,第100个元素的索引(x,y,z)是什么?(★☆☆)
21.使用tile函数创建一个棋盘格8x8矩阵(★☆☆) Z = np.tile( np.array([[0,1],[1,0]]), (4,4))print(Z) 22.归一化一个5x5随机矩阵(★☆☆)
23.创建一个自定义dtype,将颜色描述为四个unsigned bytes(RGBA)(★☆☆) color = np.dtype([('r', np.ubyte, 1), ('g', np.ubyte, 1), ('b', np.ubyte, 1), ('a', np.ubyte, 1)]) 24.将5x3矩阵乘以3x2矩阵(实矩阵乘积)(★☆☆)
25.给定一维数组,将3到8之间的所有元素乘以-1。(★☆☆) Z = np.arange(11)Z[(3 < Z) & (Z < 8)] *= -1print(Z) 26.以下脚本的输出是什么?(★☆☆)
27.考虑一个整数向量Z,以下哪个表达式是合法的?(★☆☆) Z**Z2 << Z >> 2Z <- Z1j*ZZ/1/1Z<Z>ZZ**Z2 << Z >> 2Z <- Z1j*ZZ/1/1Z<Z>Z 28.以下表达式的结果是什么?
29.如何round away from zero一个浮点数组(★☆☆) Z = np.random.uniform(-10,+10,10)print (np.copysign(np.ceil(np.abs(Z)), Z)) 30.如何找到两个数组之间的公共值?(★☆☆)
31.如何忽略所有numpy警告(不建议)?(★☆☆) # Suicide mode ondefaults = np.seterr(all='ignore')Z = np.ones(1) / 0# Back to sanity_ = np.seterr(**defaults)# Equivalently with a context managernz = np.nonzero([1,2,0,0,4,0])print(nz) 32.以下表达式是否正确?(★☆☆)
33.如何获取昨天,今天和明天的日期?(★☆☆) yesterday = np.datetime64('today', 'D') - np.timedelta64(1, 'D')today = np.datetime64('today', 'D')tomorrow = np.datetime64('today', 'D') + np.timedelta64(1, 'D') 34.如何获取与2016年7月对应的所有日期?(★★☆)
35.如何就地计算((A + B)*(-A / 2))(without copy)?(★★☆) A = np.ones(3)*1B = np.ones(3)*2C = np.ones(3)*3np.add(A,B,out=B)np.divide(A,2,out=A)np.negative(A,out=A)np.multiply(A,B,out=A) 36.使用5种不同方法(★★☆)提取随机数组的整数部分
37.创建一个5x5矩阵,其行值范围为0到4(★★☆) Z = np.zeros((5,5))Z += np.arange(5)print(Z) 38.考虑一个生成器函数,该函数生成10个整数并使用它来构建数组(★☆☆)
39.创建一个大小为10的向量,其值的范围从0到1,0和1都排除在外(★★☆) Z = np.linspace(0,1,11,endpoint=False)[1:]print(Z) 40.创建一个大小为10的随机向量并将其排序(★★☆)
41.如何求和一个比np.sum快的小数组?(★★☆) Z = np.arange(10)np.add.reduce(Z) 42.考虑两个随机数组A和B,检查它们是否相等(★★☆)
43.使数组不可变(只读)(★★☆) Z = np.zeros(10)Z.flags.writeable = FalseZ[0] = 1 44.考虑一个表示笛卡尔坐标的随机10x2矩阵,将其转换为极坐标(★★☆)
45.创建大小为10的随机向量,并将最大值替换为0(★★☆) Z = np.random.random(10)Z[Z.argmax()] = 0print(Z) 46.创建一个结构化数组,x和y坐标覆盖[0,1]x[0,1]区域(★★☆)
47.给定两个数组X和Y,构造柯西矩阵C(Cij = 1 /(xi_yj)) X = np.arange(8)Y = X + 0.5C = 1.0 / np.subtract.outer(X, Y)print(np.linalg.det(C)) 48.打印每种numpy标量类型的最小和最大可表示值(★★☆)
49.如何打印数组的所有值?(★★☆) np.set_printoptions(threshold=np.nan)Z = np.zeros((16,16))print(Z) 50.如何找到向量中最接近给定标量的值?(★★☆)
51.创建一个结构化的数组,表示位置(x,y)和颜色(r,g,b)(★★☆) Z = np.zeros(10, [ ('position', [ ('x', float, 1), ('y', float, 1)]), ('color', [ ('r', float, 1), ('g', float, 1), ('b', float, 1)])])print(Z) 52.考虑一个形状(100,2)表示坐标的随机向量,逐点查找距离(★★☆)
53.如何将浮点数(32位)数组转换为整数(32位)? Z = (np.random.rand(10)*100).astype(np.float32)Y = Z.view(np.int32)Y[:] = Zprint(Y)
55. numpy数组的枚举等效于什么?(★★☆) 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.生成通用的类似于2D的高斯数组(★★☆)
57.如何在2D数组中随机放置p个元素?(★★☆) n = 10p = 3Z = np.zeros((n,n))np.put(Z, np.random.choice(range(n*n), p, replace=False),1)print(Z) 58.减去矩阵的每一行的均值(★★☆)
59.如何按第n列对数组排序?(★★☆) Z = np.random.randint(0,10,(3,3))print(Z)print(Z[Z[:,1].argsort()]) 60.如何判断给定的2D数组是否有空列?(★★☆)
61.从数组中的给定值中找到最接近的值(★★☆) Z = np.random.uniform(0,1,10)z = 0.5m = Z.flat[np.abs(Z - z).argmin()]print(m) 62.考虑两个形状为(1,3)和(3,1)的数组,如何使用迭代器计算它们的总和?(★★☆)
63.创建一个具有name属性的数组类(★★☆) class NamedArray(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 = NamedArray(np.arange(10), 'range_10')print (Z.name) 64.对于给定的向量,如何为第二个向量索引的每个元素添加1(注意重复索引)?(★★★)
65.如何基于索引列表(I)将向量(X)的元素累积到数组(F)中?(★★★) X = [1,2,3,4,5,6]I = [1,3,9,3,4,1]F = np.bincount(I,X)print(F) 66.考虑一个(dtype = ubyte)的(w,h,3)图像,计算唯一颜色的数量(★★★)
67.考虑一个四维数组,如何一次获得最后两个轴的和?(★★★) A = np.random.randint(0,10,(3,4,3,4))# solution by passing a tuple of axes (introduced in numpy 1.7.0)sum = A.sum(axis=(-2,-1))print(sum)# solution by flattening the last two dimensions into one# (useful for functions that don't accept tuples for axis argument)sum = A.reshape(A.shape[:-2] + (-1,)).sum(axis=-1)print(sum) 68.考虑一维向量D,如何使用描述子集指标的相同大小的向量S来计算D子集的均值?(★★★)
69.如何获得点积的对角线?(★★★) 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 versionnp.sum(A * B.T, axis=1)# Faster versionnp.einsum('ij,ji->i', A, B) 70.考虑向量[1、2、3、4、5],如何构建一个在每个值之间有3个连续零的新向量?(★★★)
71.考虑一个维度为(5,5,3)的数组,如何将它与维度为(5,5)的数组相乘以?(★★★) A = np.ones((5,5,3))B = 2*np.ones((5,5))print(A * B[:,:,None]) 72.如何交换数组的两行?(★★★)
73.考虑一组描述10个三角形(具有共享顶点)的10个三元组,找到组成所有三角形的唯一线段集(★★★) 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.给定一个数组C,为bincount,如何生成一个数组n使得np.bincount(A)== C?(★★★)
75.如何使用数组上的滑动窗口计算平均值?(★★★) def moving_average(a, n=3) : ret = np.cumsum(a, dtype=float) ret[n:] = ret[n:] - ret[:-n] return ret[n - 1:] / nZ = np.arange(20)print(moving_average(Z, n=3)) 76.考虑一维数组Z,构建一个二维数组,其第一行是(Z [0],Z [1],Z [2]),随后的每一行都移位1(最后一行应为( Z [-3],Z [-2],Z [-1])(★★★)
77.如何取反布尔值,或如何改变浮点符号?(★★★) 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.考虑描述线(2d)的2组点(P0、P1)和点P,如何计算从p到每条线i的距离(P0 [i],P1 [i])?(★★★)
79.考虑描述线(2d)的2组点(P0、P1)和一组点P,如何计算从每个点j(P [j])到每个线i(P0 [i],P1 [i]的距离) )?(★★★) # based on distance function from previous questionP0 = 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.考虑一个任意的数组,编写一个函数来提取形状固定的子部分并以给定元素为中心(必要时使用fill值填充)(★★★)
81.考虑数组Z = [1,2,3,4,5,6,7,8,9,10,11,12,13,14],如何生成数组R = [[1,2, 3,4],[2,3,4,5],[3,4,5,6],…,[11,12,13,14]]?(★★★) 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Rank(★★★)
83.如何在数组中查找最频繁的值? Z = np.random.randint(0,10,50)print(np.bincount(Z).argmax()) 84.从随机的10x10矩阵(★★★)中提取所有连续的3x3 blocks
85.创建一个2D数组子类,使得Z [i,j] == Z [j,i](★★★) # Note: only works for 2d array and value setting using indicesclass 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] = 42print(S) 86.考虑一组形状为(n,n)的p个矩阵和一组形状为(n,1)的p个向量。如何一次计算p个矩阵乘积的总和?(结果的形状为(n,1))(★★★)
87.考虑一个16x16的数组,如何获得块总和(块大小为4x4)?(★★★) Z = np.ones((16,16))k = 4S = 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.如何使用numpy数组实现“生命游戏”?(★★★)
89.如何获取数组的n个最大值(★★★) Z = np.arange(10000)np.random.shuffle(Z)n = 5# Slowprint (Z[np.argsort(Z)[-n:]])# Fastprint (Z[np.argpartition(-Z,n)[:n]]) 90.给定任意数量的向量,构建笛卡尔积(每一项的每一个组合)(★★★)
91.如何从常规数组创建记录数组?(★★★) 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.考虑一个大向量Z,用3种不同的方法计算Z的3次方(★★★)
93.考虑两个形状为(8,3)和(2,2)的数组A和B。如何找到A的行包含B的每一行的元素,而不考虑B中元素的顺序?(★★★) 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.考虑一个10x3矩阵,提取不等值的行(例如[2,2,3])(★★★)
95.将整数向量转换为矩阵二进制表示形式(★★★) # Author: Warren WeckesserI = 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. McDonaldI = np.array([0, 1, 2, 3, 15, 16, 32, 64, 128], dtype=np.uint8)print(np.unpackbits(I[:, np.newaxis], axis=1)) 96.给定二维数组,如何提取unique行?(★★★)
97.考虑两个向量A和B,写出inner、outer、sum和mul函数的einsum等价(★★★) 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 * Bnp.einsum('i,i', A, B) # np.inner(A, B)np.einsum('i,j->ij', A, B) # np.outer(A, B) 98.考虑由两个向量(X,Y)描述的路径,如何使用等距样本进行采样(★★★)
99.给定一个整数n和一个二维数组X,从X中选择可以解释为n次多项式分布的行,即仅包含整数且总和为n的行。(★★★) 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 = 4M = np.logical_and.reduce(np.mod(X, 1) == 0, axis=-1)M &= (X.sum(axis=-1) == n)print(X[M]) 100.计算一维数组X的平均值的自举95%置信区间(即,对数组中的元素重新取样N次,计算每个样本的平均值,然后计算平均值的百分比)。(★★★)
谢谢阅读!!:) |
|
来自: copy_left > 《python相关》