练习

1. 导入numpy库并简写为np

import numpy as np

2. 打印numpy的版本和配置说明

import numpy as np
print(np.__version__)
np.show_config()

输出：

1.21.3
blas_mkl_info:
  NOT AVAILABLE
blis_info:
  NOT AVAILABLE
...

3. 创建一个长度为10的空向量

import numpy as np
np.empty(10)

4. 找到任何一个数组的内存大小

import numpy as np
data = np.random.randn(2, 2)
print("%d bytes" % (data.size * data.itemsize))

输出：

32 bytes

5. 从命令行得到numpy中add函数的说明文档

import numpy as np
np.info(np.add)

6. 创建一个长度为10并且除了第5个值为1的空向量

import numpy as np
data = np.zeros(10)
data[4] = 5
print(data)

7. 创建一个值域范围从10到49的向量

import numpy as np
data = np.arange(10,50)
print(data)

8. 反转一个向量(第一个元素变为最后一个)

import numpy as np
data = np.arange(1, 11)
data = data[::-1]
print(data)

9. 创建一个 3x3 并且值从0到8的矩阵

import numpy as np
data = np.arange(9).reshape(3,3)
print(data)

10. 找到数组[1,2,0,0,4,0]中非0元素的位置索引

import numpy as np
data = np.array([1, 2, 0, 0, 4, 0])
nz = np.nonzero(data)
print(nz)

import numpy as np
data = np.array([1, 2, 0, 0, 4, 0])
for x in np.arange(0, len(data)):
    if data[x] != 0:
        print(x)

11. 创建一个 $3\times 3$ 的单位矩阵

import numpy as np
data = np.eye(3)

12. 创建一个$3\times 3\times 3$的随机数组

import numpy as np
data = np.random.random((3, 3, 3))
print(data)

13. 创建一个 $10\times 10$ 的随机数组并找到它的最大值和最小值

import numpy as np
data = np.random.random((10, 10))
print(np.max(data))
print(np.min(data))

14. 创建一个长度为30的随机向量并找到它的平均值

import numpy as np
data = np.random.random(10)
print(np.mean(data))

15. 创建一个二维数组，其中边界值为1，其余值为0

import numpy as np
data = np.zeros((3,3))
data[0, :] = 1 #第1行
data[-1,:] = 1 #最后1行
data[:, 0] = 1 #第1列
data[:,-1] = 1 #最后1列
print(data)

16. 对于一个已存在数组，添加一个用0填充的边界

import numpy as np
data = np.ones((5, 5))
data = np.pad(data, pad_width=1, mode='constant', constant_values=0)

17. 以下表达式运行的结果分别是什么?

0 * np.nan  
np.nan == np.nan  
np.inf > np.nan  
np.nan - np.nan  
0.3 == 3 * 0.1

输出：

#NaN = not a number, inf = infinity
nan
False
False
nan
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

import numpy as np
data = np.diag(1+np.arange(4), k=-1)
print(data)

19. 创建一个8x8 的矩阵，并且设置成棋盘样式

import numpy as np
data = np.zeros((8, 8), dtype=int)
data[1::2, ::2] = 1
data[::2, 1::2] = 1
print(data)

20. 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

import numpy as np
print(np.unravel_index(100,(6,7,8)))

21. 用tile函数去创建一个 $8\times 8$的棋盘样式矩阵

import numpy as np
data = np.tile(np.array([[0, 1], [1, 0]]), (4, 4))
print(data)

22. 对一个$5\times 5$的随机矩阵做归一化

import numpy as np
data = np.random.random((5,5))
data_max, data_min = data.max(), data.min();
data = (data-data_min)/(data_max-data_min);
print(data)

23. 创建一个将颜色描述为(RGBA)四个无符号字节的自定义dtype

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

24. 一个$5\times 3$的矩阵与一个$3\times 2$的矩阵相乘，实矩阵乘积是什么？

import numpy as np
data_1 = np.random.randn(5, 3)
data_2 = np.random.randn(3, 2)
data = np.dot(data_1, data_2)
print(data)

25. 给定一个一维数组，对其在3到8之间的所有元素取反

import numpy as np
data = np.arange(11)
data[(data>3) & (data<8)] *= -1
print(data)

26.下面脚本运行后的结果是什么?

print(sum(range(5),-1)) #对提供的可迭代对象进行迭代，对值求和，然后加-1

输出：

9

from numpy import *
print(sum(range(5),-1)) #将提供的列表所有值求和

输出

10

27. 考虑一个整数向量Z,下列表达合法的是哪个?

import numpy as np
Z = np.arange(1, 6);
print(Z**Z)
print(2 << Z >> 2)
print(Z <- Z)
print(1j*Z)
print(Z/1/1)
print(Z<Z>Z)

28. 下列表达式的结果分别是什么?

import numpy as np
print(np.array(0) / np.array(0))
print(np.array(0) // np.array(0))
print(np.array([np.nan]).astype(int).astype(float))

29. 如何从零位对浮点数组做舍入?

import numpy as np
# 从均匀[0,1）分布中抽取样本
data = np.random.uniform(-10,+10,10) 
print(np.copysign(np.ceil(np.abs(data)), data))

30. 如何找到两个数组中的共同元素?

import numpy as np
data_1 = np.arange(1,6)
data_2 = np.arange(3,8)
print(np.intersect1d(data_1, data_2))

31. 如何忽略所有的 numpy 警告(尽管不建议这么做)?

import numpy as np
defaults = np.seterr(all="ignore")
data = np.ones(1) / 0

32. 下面的表达式是正确的吗?

import numpy as np
print(np.sqrt(-1) == np.emath.sqrt(-1))

33. 如何得到昨天，今天，明天的日期?

import numpy as np
yesterday = np.datetime64('today', 'D') - np.timedelta64(1, 'D')
today = np.datetime64('today', 'D')
tomorrow = np.datetime64('today', 'D') + np.timedelta64(1, 'D')
print("Yesterday is " + str(yesterday))
print("Today is " + str(today))
print("Tomorrow is "+ str(tomorrow))

34. 如何得到所有与2016年7月对应的日期?

import numpy as np
data = np.arange('2016-07', '2016-08', dtype='datetime64[D]')
print(data)

35. 如何直接在位计算(A+B)*(-A/2)(不建立副本)?

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

36. 用五种不同的方法去提取一个随机数组的整数部分

import numpy as np
data = np.random.uniform(0, 10, 10)
# 减去小数位
print(data-data % 1)
# 向下取整
print(np.floor(data))
# 向上取整后减1
print(np.ceil(data)-1)
# 将数据格式变为int
print(data.astype(int))
# 截断函数trunc，丢弃带符号数的小数部分
print(np.trunc(data))

37. 创建一个$5\times 5$的矩阵，其中每行的数值范围从0到4

import numpy as np
data = np.zeros((5, 5))
data += np.arange(0, 5)
print(data)

38. 通过考虑一个可生成10个整数的函数，来构建一个数组

import numpy as np


def temp():
    return np.arange(0,10)


data = temp()
print(data)

39. 创建一个长度为10的随机向量，其值域范围从0到1，但是不包括0和1

import numpy as np
# np.linspace()在指定的间隔内返回均匀间隔的数字
# endpoint设置将不包括1
# [1:]将0剔除
data = np.linspace(0, 1, 11, endpoint=False)[1:]
print(data)

40. 创建一个长度为10的随机向量，并将其排序

import numpy as np
data= np.random.randn(10)
data.sort()
print(data)

41. 对于一个小数组，如何用比 np.sum更快的方式对其求和？

import numpy as np
data = np.arange(10)
print(np.add.reduce(data))

42. 对于两个随机数组A和B，检查它们是否相等

import numpy as np
A = np.arange(1, 5)
B = np.arange(3, 7)
# np.allclose比较两个array是不是每一元素都相等
equal = np.allclose(A, B)
print(equal)

43. 创建一个只读数组(read-only)

import numpy as np
Z = np.zeros(10)
Z.flags.writeable = False
Z[0] = 1  

44. 将笛卡尔坐标下的一个$10\times 2$的矩阵转换为极坐标形式

import numpy as np
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. 创建一个长度为10的向量，并将向量中最大值替换为1

import numpy as np
data = np.arange(0, 8)
data_max = data.max()
data[data == data_max] = 1
print(data)

或

import numpy as np
data = np.arange(0, 8)
data[data.argmax()] = 0
print(data)

46. 创建一个结构化数组，并实现 $x$ 和 $y$ 坐标覆盖$[0,1]\sim [0,1]$

import numpy as np
data = np.zeros((5, 5), [('x', float), ('y', float)])
data['x'], data['y'] = np.meshgrid(np.linspace(0, 1, 5),
                              np.linspace(0, 1, 5))
print(data)

47. 给定两个数组$X$和$Y$，构造Cauchy矩阵$C(C_{ij}=1/(x_i-y_j))$

import numpy as np
X = np.arange(8)
Y = X + 0.5
C = 1.0 / np.subtract.outer(X, Y)
print(np.linalg.det(C))

48. 打印每个numpy标量类型的最小值和最大值

import numpy as np
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. 如何打印一个数组中的所有数值?

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

50. 给定标量时，如何找到数组中最接近标量的值

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