python:ndarray基本操作2

简介: 第一题:import numpy as npa=np.identity(4,dtype="int")print(a)

第一题:

import numpy as np
a=np.identity(4,dtype="int")
print(a)

第二题:

arr=arr+1

第三题:

import numpy as np
arr=np.array([1,0,0,0,
  2,1,0,0,
  3,0,1,0,
  4,0,0,1])
arr=arr.reshape(4,4)
arr[0]=arr[0]-arr[2]
arr=arr.reshape(1,16)
print(arr)

第四题:

import numpy as np
arr=np.array(([-2,0,-1,0],
         [2,1,0,0],
         [3,0,1,0],
         [4,0,0,1]))
arr[0]=arr[0]+arr[2]
print(arr)

第五题:

import numpy as np
arr=np.zeros((4,4),dtype="int")
arr[:,0]=1
print(arr)

第六题:

import numpy as np
a=np.identity(4,dtype="int")
a[2]=a[2]+3   #第一种
print(a)
import numpy as np
#第二种
a[2][0]=3
a[2][1]=3
a[2][2]=4
a[2][3]=3

第七题:

1.Bob ['Joe' 'Will' 'Bob'] ['Bob' 'Joe' 'Will' 'Bob' 'Will' 'Joe'
'Joe']
2.import numpy as np
  data=np.random.rand(4,7)
print(data)
3.这个需要自己写

第八题:

import numpy as np
arr=np.array([1,0,0,0,
  2,1,0,0,
  3,0,1,0,
  4,0,0,1])
arr=arr.reshape(4,4)
i=1
while i<4:
    arr[i,0]=0
    i=i+1;
print(arr)

第九题:

[[[ 2  3  4]
  [ 5  6  7]]
 [[ 7  8  9]
  [10 11 12]]]

第十题:

[[42 42 42]
 [42 42 42]]

第十一题:

import numpy as np
arr=np.array([[0,1],[3,4]])
arr1=np.array([[0,1],[2,3]])
arr[0]=arr[0]+arr1[0]
arr[1]=arr[1]+arr1[1]
print(arr)

第十二题:

import numpy as np
arr = np.array([[0, 1, 2], [3, 4, 5]])
arr1 = np.array([[0, 1], [2, 3], [4, 5]])
print(arr)
print(arr1)
arr[0,0:2]=arr[0,0:2]+arr1[0]
arr[1,0:2]=arr[1,0:2]+arr1[1]
print(arr)
目录
相关文章
|
4月前
|
BI 数据处理 索引
Pandas基本操作:Series和DataFrame(Python)
Pandas基本操作:Series和DataFrame(Python)
313 1
|
4月前
|
机器学习/深度学习 数据挖掘 Python
百度搜索:蓝易云【Python基本操作详解。】
这些是Python的一些基本操作示例,希望对你有所帮助。Python具有丰富的功能和语法,可以实现更复杂的任务和项目。通过不断学习和实践,你可以更好地掌握和应用Python编程技巧。
84 2
|
9月前
|
Python
python ndarray属性分析介绍
python ndarray属性分析介绍
66 0
|
4月前
|
程序员 开发工具 索引
图解Python numpy基本操作
图解Python numpy基本操作
|
2月前
|
数据采集 机器学习/深度学习 数据可视化
了解数据科学面试中的Python数据分析重点,包括Pandas(DataFrame)、NumPy(ndarray)和Matplotlib(图表绘制)。
【7月更文挑战第5天】了解数据科学面试中的Python数据分析重点,包括Pandas(DataFrame)、NumPy(ndarray)和Matplotlib(图表绘制)。数据预处理涉及缺失值(dropna(), fillna())和异常值处理。使用describe()进行统计分析,通过Matplotlib和Seaborn绘图。回归和分类分析用到Scikit-learn,如LinearRegression和RandomForestClassifier。
60 3
|
3月前
|
Python
NumPy 是 Python 中的一个重要的科学计算包,其核心是一个强大的 N 维数组对象 Ndarray
【6月更文挑战第18天】NumPy的Ndarray是科学计算的核心,具有ndim(维度数)、shape(各维度大小)、size(元素总数)和dtype(数据类型)属性。方法包括T(转置)、ravel()(扁平化)、reshape()(改变形状)、astype()(转换数据类型)、sum()(求和)及mean()(计算平均值)。更多属性和方法如min/max等可在官方文档中探索。
48 5
|
4月前
|
计算机视觉 Python
【python版CV】—图像基本操作
【python版CV】—图像基本操作
|
4月前
|
机器学习/深度学习 数据挖掘 Python
NumPy的基本操作(Python)
NumPy的基本操作(Python)
51 4
|
4月前
|
数据安全/隐私保护 Python
Python办公自动化【Word转换PDF、PDF读取内容、PDF合并文件、PDF拆分文件、PDF加密文件、PPT基本操作-增加幻灯片、增加内容】(六)-全面详解(学习总结---从入门到深化)(下)
Python办公自动化【Word转换PDF、PDF读取内容、PDF合并文件、PDF拆分文件、PDF加密文件、PPT基本操作-增加幻灯片、增加内容】(六)-全面详解(学习总结---从入门到深化)
63 1
|
4月前
|
数据安全/隐私保护 Python Windows
Python办公自动化【Word转换PDF、PDF读取内容、PDF合并文件、PDF拆分文件、PDF加密文件、PPT基本操作-增加幻灯片、增加内容】(六)-全面详解(学习总结---从入门到深化)
Python办公自动化【Word转换PDF、PDF读取内容、PDF合并文件、PDF拆分文件、PDF加密文件、PPT基本操作-增加幻灯片、增加内容】(六)-全面详解(学习总结---从入门到深化)
96 0