numpy练习题

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

3. 创建一个长度为10的空向量
    a = np.zeros(10)

4. 如何找到任何一个数组的内存大小?
    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?
    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
    a = np.zeros(10)
    a[4] = 1

7. 创建一个值域范围从10到49的向量
    a = np.arange(10, 50)

8. 反转一个向量(第一个元素变为最后一个)
    a = np.array([1, 2, 3, 4, 5])
    a = a[::-1]

9. 创建一个 3x3 并且值从0到8的矩阵
    a = np.arange(9)
    a.shape = (3, -1)

10. 找到数组[1,2,0,0,4,0]中0元素的位置索引
    a = np.array([1, 2, 0, 0, 4, 0])
    b = [i for i in range(len(a)) if a[i] == 0]

11. 创建一个 3x3 的单位矩阵
    a = np.eye(3)

12. 创建一个 3x3的随机数组
    a = np.random.random((3, 3))

13. 创建一个 10x10 的随机数组并找到它的最大值和最小值
    a = np.random.random((10, 10))
    b = a.max()
    c = a.min()

14. 创建一个长度为30的随机向量并找到它的平均值
    a = np.random.random(30)
    b = a.mean()

15. 创建一个二维数组,其中边界值为1,其余值为0
    a = np.ones((5, 5))
    a[1:-1,1:-1] = 0

16. 对于一个存在在数组,如何添加一个用0填充的边界?
    a = np.ones((5, 5))
    a = np.pad(a, 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

原文地址:https://www.cnblogs.com/YD2018/p/9490804.html

时间: 2024-10-08 15:58:11

numpy练习题的相关文章

数据分析-Numpy练习题

参看网站: https://github.com/rougier/numpy-100/blob/master/100_Numpy_exercises.md https://github.com/Kyubyong/numpy_exercises https://www.jianshu.com/p/51c205d7b07b 1. Numpy 2. Numpy 100 原文地址:https://www.cnblogs.com/Jacon-hunt/p/11351142.html

Python科学计算:用NumPy快速处理数据

创建数组 import numpy as np a=np.array([1,2,3]) b=np.array([[1,2,3],[4,5,6],[7,8,9]]) b[1,1]=10 print(a.shape) print(b.shape) print(a.dtype) print(b) 结构数组 import numpy as np persontype=np.dtype({ "names":["name","age","chine

python爬虫---数据分析三剑客之: Numpy

数据分析三剑客之: Numpy 一丶Numpy的使用 ? numpy 是Python语言的一个扩展程序库,支持大维度的数组和矩阵运算.也支持针对数组运算提供大量的数学函数库 创建ndarray # 1.使用np.array() 创建一维或多维数据 import numpy as np arr = np.array([1,2,3,4,5]) # 一维 arr = np.array([[1,2,3],[4,5,6]])# 二维 ### 注意元素类型: # 1. numpy默认ndarray的所有元素

numpy数据类型dtype转换

这篇文章我们玩玩numpy的数值数据类型转换 导入numpy >>> import numpy as np 一.随便玩玩 生成一个浮点数组 >>> a = np.random.random(4) 看看信息 >>> a array([ 0.0945377 , 0.52199916, 0.62490646, 0.21260126]) >>> a.dtype dtype('float64') >>> a.shape (4,

numpy的random模块

[说明] 翻译自官网的文档. 随机抽样 (numpy.random) 简单的随机数据 rand(d0, d1, ..., dn) 随机值 >>> np.random.rand(3,2) array([[ 0.14022471, 0.96360618], #random [ 0.37601032, 0.25528411], #random [ 0.49313049, 0.94909878]]) #random randn(d0, d1, ..., dn) 返回一个样本,具有标准正态分布.

NumPy基础:数组和失量计算

NumPy : Numerical Python,是高性能科学计算和数据分析的基础包. 部分功能: ndarray:一个具有矢量算术运算和复杂广播能力的快速且节省空间的多维数组: 用于对整组数据进行快速运算的标准数学函数(无需编写循环): 用于读写磁盘数据的工具以及用于操作内存映射文件的工具: 线性代数.随机数生成以及傅里叶变换功能: 用于集成C.C++.Fortran等语言编写的代码工具: 大部分数据分析应用关注的功能: 用于

【学习】基础知识:数组和矢量计量【Numpy】

Numpy是高性能科学计算和数据分析的基础包.功能如下: ndarray 一个具有矢量算法运算和复杂广播能力的快速且节省空间的多维数组 用于对整组数据进行快速运算的标准数学函数(无需编写循环) 用于读写磁盘数据的工具以及用于操作内存映射文件的工具. 线性代数.随机数生成以及傅里叶变换功能 用于集成由C\C++\Fortran等语言编写的代码的工具 numpy本身并没有提供多么高级的数据分析功能,理解numpy数组以及面向数组的计算将有助于更加高效地使用诸如pandas之类的工具 关注的功能集中在

数据分析之Numpy库入门

1.列表与数组 在python的基础语言部分,我们并没有介绍数组类型,但是像C.Java等语言都是有数组类型的,那python中的列表和数组有何区别呢? 一维数据:都表示一组数据的有序结构 区别: 列表:数据类型可以不同,如:[3.1413,'pi',3.1404,[3.1402,2.34],'3.2376'] 数组:数据类型相同 .如[3.14,34.34,3433.3,343.23] 二维数据:二维数据由多个一维数据构成,是一维数据的集合形式!表格是典型的二维数据! 注意:表格的表头,可以是

python科学计算之numpy

1.np.logspace(start,stop,num): 函数表示的意思是;在(start,stop)间生成等比数列num个 eg: import numpy as np print np.logspace(1,4,4) 结果为: [    10.    100.   1000.  10000.] 2. np.fromstring('admin',dtype=np.int8):函数的作用是将字符串装换成对应的ascii值 import numpy as np print np.fromstr