【MindSpore易点通】数据处理之NumPy练习--初级篇

NumPy使用--初级练习

简述：在之前几篇的分享中，我们了解了NumPy的一些基础使用。本次为掌握NumPy的更多用法和提升熟悉程度，本篇列举了33个初级题目进行练习，配有代码。后续还会有中级和高级题目。

1.导入numpy模块,设置别称为np

import numpy as np
复制

2.显示numpy的版本号和配置文件

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

3.创建一个大小为10的空向量

import numpy as np
 
print(np.empty(10))  #使用empty()函数直接创建复制

4.查看数组占用内存大小

import numpy as np
 
cx_1 = np.empty((3,2),np.uint32)
cx_2 = np.empty((3,2),np.float16)
print(cx_1.itemsize * cx_2.size)  #itemsize表示数组中每一个元素所占空间的大小
print(cx_2.itemsize * cx_1.size)  #size返回值表示数组的大小复制

5.查看numpy中add函数的用法

import numpy as np
 
print(np.info(np.add))  #也可使用info()查看numpy中其他函数的用法复制

6.创建一个大小为10的空向量，将第5个值设为1

import numpy as np
 
cx = np.zeros(10)  #使用zeros()函数创建空向量
cx[4] = 1  #通过下标修改值
print(cx)复制

7.用10到49的序列构建一个向量

import numpy as np
 
cx = np.arange(10,50)  #使用arange()函数传入范围创建向量
print(cx)复制

8.将一个数组变换倒序（最后一个元素成为第一个元素）

import numpy as np
 
cx = np.arange(1,10)
print(cx)
 
cl = cx[::-1]  #使用切片方法并使用-1进行倒序
print(cl)复制

9.用0-8这9个数构造一个3x3大小的矩阵

import numpy as np
 
cx = np.arange(0,9).reshape(3,3)  #arange()自带reshape()可设置矩阵大小
print(cx)复制

10.从数组[1,2,0,0,4,0]中找出非0元素的下标

import numpy as np
 
cx = [1,2,0,0,4,0]
print(np.nonzero(cx))  #使用nonzero()得出非0下标复制

11.创建3x3的对角矩阵

import numpy as np
 
print(np.identity(3))  #identity()只能创建行列相等的矩阵，对角线上为1，其余元素为0
print(np.eye(3,3,0))  #eye()可自定义矩阵行列和对角线位置复制

12.用随机数创建一个3x3x3的矩阵

import numpy as np
 
print(np.random.random((3,3,3)))  #使用random()传入矩阵大小复制

13.创建一个10x10的随机数矩阵，并找到最大值和最小值

import numpy as np
 
cx = np.random.random((10,10))
print(cx,cx.max(),cx.min())  #使用max()、min()找到复制

14.创建一个大小为30的数组，并计算其算术平均值

import numpy as np
 
cx = np.random.random((30))
print(cx,cx.mean())  #使用mean()求得复制

15.创建一个二维数组，边为1，其余为0

import numpy as np
 
cx = np.ones((6,6))
print(cx)
 
cx[1:-1,1:-1] = 0  #切片改变矩阵四边的元素值
print(cx)复制

16.扩展给定数组的边界

import numpy as np
 
cx = np.ones((6,6))
print(np.pad(cx,2,mode='constant',constant_values=0))  #使用pad()进行扩展复制

17.指出下列表达式的结果是什么?

import numpy as np
 
print(0 * np.nan)  #nan 有nan参与的运算，其结果也一定是nan
print(np.nan == np.nan)  #False nan不是数，所以无法进行比较运算
print(np.nan in set([np.nan]))  #True nan在nan的字典中
print(0.3 == 3 * 0.1)  #False 浮点数可以比大小，但相等要用math.isclose比较
 
 
import math
 
print(math.isclose(0.3, 3 * 0.1))  #True复制

18.用1，2，3，4做为对角线的下移一行，来创建5x5的矩阵

import numpy as np
 
cx = np.diag([1,2,3,4],-1)  #diag()可指定对角线位置的值，并控制上下移动
print(cx)复制

19.创建一个类似国际象棋棋盘的8x8的矩阵

import numpy as np
 
cx = np.zeros((8,8))
cx[::2,::2] = 1
cx[1::2,1::2] = 1  #切片改变不同位置的值
print(cx)复制

20.对一个6x7x8的数组，找出第100个元素的下标

import numpy as np
 
print(np.unravel_index(100,(6,7,8)))  #向unravel_index()传入要找元素的第x个和矩阵形状复制

21.使用tile函数创建一个棋盘

import numpy as np
 
print(np.tile([[0, 1], [1, 0]], (4, 4)))  #tile()将传入的第一个参数当作一个元素，再次创建复制

22.归一化一个5x5的随机矩阵

import numpy as np
 
cx = np.random.random((5,5))*10
print(cx)
print(cx - cx.mean() / cx.std())  #使用值减去平均值，再除以标准偏差的方法归一复制

23.自定义一个用 unsigned bytes 表示RGBA颜色的dtype类型

import numpy as np
 
print(np.dtype([('R', np.ubyte), ('G', np.ubyte), ('B', np.ubyte), ('A', np.ubyte)]))复制

24.计算5x3和3x2矩阵的内积（点乘）

import numpy as np
 
cx_1 = np.random.randint(0,9,(5,3))
cx_2 = np.random.randint(0,9,(3,2))
print(np.dot(cx_1,cx_2))  #使用dot()计算两个矩阵的内积
print(cx_1 @ cx_2)复制

25.把一维数组中大于3小于8的所有元素变成对应负数

import numpy as np
 
cx = np.arange(1,13)
cx[(cx > 3) & (cx<8)] *= -1  #并行条件找到并修改元素值
print(cx)复制

26.指出下列程序的输出?

print(sum(range(5), -1))  # 9
 
from numpy import *
print(sum(range(5), -1))  # 10复制

27.对于整数向量，下面的哪些表达式是合法的?

import numpy as np
 
cx = np.array(13)
print(cx**cx)  # True
print(2 << cx >> 2)  # False
print(cx <- cx)  # True
print(1j*cx)  # True
print(cx/1/1)  # True
print(cx<cx>cx)  # False复制

28.下面的表达式的结果是?

import numpy as np
 
print(np.array(0) / np.array(0))  # nan
print(np.array(0) // np.array(0))  # 0
print(np.array([np.nan]).astype(int).astype(float))  # -2.14748365e+09复制

29.对于浮点数数组取整？

import numpy as np
 
cx = np.random.uniform(-10,+10,10)  #创建值在(-10,+10)的10个元素的数组
print(np.copysign(np.ceil(np.abs(cx)),cx))  #abs()将所以元素取正；ceil()将所以元素取整；copysign()根据原数组改变当前数组的正负值复制

30.查找两个数组的交集?

import numpy as np
 
cx_1 = np.random.randint(0,10,10)
cx_2 = np.random.randint(0,10,10)
print(np.intersect1d(cx_1,cx_2))  #intersect1d()比较两个矩阵，找到交集复制

31.忽略numpy的警告?

import numpy as np
 
defaults = np.seterr(all="ignore")  #忽略所有警告
cx = np.ones(1) / 0复制

32.下列表达式结果为真么?

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

33.获取今天，昨天，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,today,tomorrow)复制

总结：以上是本篇NumPy的初级使用，更多复杂的操作也可以通过多个简单的操作组合完成，欢迎大家尝试或者补充更好的方法。中级篇和高级篇正在准备中，还请期待~