import numpy as np
1.打印当前Numpy版本
print(np.__version__)
1.18.1
2.构造一个全零的矩阵，并打印其占用的内存大小
Clichong = np.zeros((5,5)) Clichong
array([[0., 0., 0., 0., 0.], [0., 0., 0., 0., 0.], [0., 0., 0., 0., 0.], [0., 0., 0., 0., 0.], [0., 0., 0., 0., 0.]])
# 数组的数量 Clichong.size
25
# 数组每个元素的大小 Clichong.itemsize
8
# 数组的类型 Clichong.dtype
dtype('float64')
# 可以知道Clichong这个二维变量的大小 print("size:",Clichong.size*Clichong.itemsize)
size: 200
3.打印一个函数的帮助文档，比如numpy.add
print(help(np.add))
4.创建一个10-49的数组，并将其倒序排列
# arange(10,50,1)是numpy语句部分，后面的[::-1]是python语句部分,所以可以使用一句就可以实现倒序排序 Clichong = np.arange(10,50,1)[::-1] Clichong
[49 48 47 46 45 44 43 42 41 40 39 38 37 36 35 34 33 32 31 30 29 28 27 26 25 24 23 22 21 20 19 18 17 16 15 14 13 12 11 10] array([49, 48, 47, 46, 45, 44, 43, 42, 41, 40, 39, 38, 37, 36, 35, 34, 33, 32, 31, 30, 29, 28, 27, 26, 25, 24, 23, 22, 21, 20, 19, 18, 17, 16, 15, 14, 13, 12, 11, 10])
5.找到一个数组中不为0的索引
# 测试数组 test = np.array([2,3,5,7,0,2,0,4,2,6,0,5,26,7,0,6,0,0]) print("test.size:",test.size)
test.size: 18
# 方法1:利用where语句 a = np.where(test != 0) print("position:",a)
position: (array([ 0, 1, 2, 3, 5, 7, 8, 9, 11, 12, 13, 15], dtype=int64),)
# 方法2：利用nonzero函数 a = np.nonzero(test) print("position:",a)
position: (array([ 0, 1, 2, 3, 5, 7, 8, 9, 11, 12, 13, 15], dtype=int64),)
6.随机构造一个3*3矩阵，并打印其中最大与最小值
# randint创建一个取值为0-100,3x3的随机矩阵 Clichong = np.random.randint(100,size = (3,3)) print("Clichong:\n",Clichong) # 全部元素进行对比 print("max:",Clichong.max()) print("min:",Clichong.min()) # 对列进行对比 print("max:",Clichong.max(axis = 0)) # 对行进行对比 print("min:",Clichong.min(axis = 1))
Clichong: [[95 15 84] [55 22 28] [ 2 29 91]] max: 95 min: 2 max: [95 29 91] min: [15 22 2]
7.构造一个5*5的矩阵，令其值都为1，并在最外层加上一圈0
#利用numpy的pad函数，其相关参数API文档如下，可以print(help(np.pad))来打印出来查看 Clichong = np.ones((5,5)) Clichong = np.pad(Clichong,1,mode='constant',constant_values = 0) Clichong #print(help(np.pad))
array([[0., 0., 0., 0., 0., 0., 0.], [0., 1., 1., 1., 1., 1., 0.], [0., 1., 1., 1., 1., 1., 0.], [0., 1., 1., 1., 1., 1., 0.], [0., 1., 1., 1., 1., 1., 0.], [0., 1., 1., 1., 1., 1., 0.], [0., 0., 0., 0., 0., 0., 0.]])
8.构建一个shape为（6，7，8）的矩阵，并找到第100个元素的索引值
# 使用unravel_index函数来找到索引值,print(help(np.unravel_index)) Clichong = np.random.randint(10,size = (6,7,8)) print(Clichong.shape) # 100是索引值，（6,7,8）是矩阵的形状，只能写出来，不能用Clichong替代，具体参考文档 np.unravel_index(100,(6,7,8)) # print(help(np.unravel_index))
(6, 7, 8) (1, 5, 4)
9.对一个5*5的矩阵做归一化操作
归一化的定义与功能：归一化就是要把你需要处理的数据经过处理后（通过某种算法）限制在你需要的一定范围内。首先归一化是为了后面数据处理的方便，其
次是保证模型运行时收敛加快。
# Clichong = np.random.randint(10,size = (5,5)) Clichong = np.random.random((5,5)) print("before:\n",Clichong) max = Clichong.max() min = Clichong.min() Clichong = (Clichong-min)/(max-min) print("After:\n",Clichong)
before: [[0.42707272 0.81047186 0.91071421 0.23840794 0.3771108 ] [0.90182748 0.90802103 0.61158242 0.00489321 0.21548403] [0.64966355 0.65816033 0.04054501 0.00760435 0.44263836] [0.84498916 0.47003901 0.77073106 0.38147171 0.50009968] [0.65061004 0.79489827 0.84465063 0.94343758 0.4159035 ]] After: [[0.4498237 0.85832772 0.96513392 0.24880521 0.3965903 ] [0.95566528 0.96226438 0.64641505 0. 0.22438025] [0.68698972 0.69604287 0.03798627 0.00288866 0.46640859] [0.89510521 0.49560342 0.81598471 0.40123676 0.52763245] [0.68799819 0.84173438 0.89474451 1. 0.43792313]]
10.找到两个数组中相同的值或者是相同值的位置
# 定义两个随机数组取值为0-10，数目为30个 a = np.random.randint(0,20,10) b = np.random.randint(0,20,10) print("a:",a) print("b:",b)
a: [18 1 10 15 6 8 16 10 12 14] b: [ 5 12 5 0 19 5 18 15 0 0]
# 找出两个数组相同值的位置 np.where(a == b)
(array([], dtype=int64),)
# 找出两个数组中共有的值,利用intersect1d函数 np.intersect1d(a,b)
array([12, 15, 18])
11.得到今天 明天 昨天的日期
# 利用datetime64函数 print(help(np.datetime64)) today = np.datetime64('today','D') yesterday = np.datetime64('today','D') - np.timedelta64(1,'D') tomorrow = np.datetime64('today','D') + np.timedelta64(1,'D') print("today:",today) print("yesterday:",yesterday) print("tomorrow:",tomorrow)
today: 2021-01-20 yesterday: 2021-01-19 tomorrow: 2021-01-21
12.得到一个数的整数部分
# 定义一个小数数组，范围是0-10，个数为10个 z = np.random.uniform(0,10,10) print(z) # 去除小数部分的函数floor np.floor(z)
[9.78465077 2.07504483 8.34613494 2.81205194 2.97713123 0.26551266 6.33476669 6.13764817 5.38474901 0.57251498] array([9., 2., 8., 2., 2., 0., 6., 6., 5., 0.])
13.构造一个数组，让它不能被改变
Clichong = np.array([1,2,3,4,5,6,7,8,9,0]) # 关闭可改标志 Clichong.flags.writeable = False Clichong[1] = 0
--------------------------------------------------------------------------- ValueError Traceback (most recent call last) <ipython-input-59-7fa6a686b7d3> in <module> 2 # 关闭可改标志 3 Clichong.flags.writeable = False ----> 4 Clichong[1] = 0 ValueError: assignment destination is read-only
14.打印大数据的部分值，全部值(无需全部打印出来)
# 通过set_printoptions函数来设置，都只是显示6行6列 # np.set_printoptions(threshold=10000) # 这个参数填的是你想要多少行显示 # np.set_printoptions(linewidth=100) # 这个参数填的是横向多宽 np.set_printoptions(threshold=20) z = np.zeros((15,15)) z
array([[0., 0., 0., ..., 0., 0., 0.], [0., 0., 0., ..., 0., 0., 0.], [0., 0., 0., ..., 0., 0., 0.], ..., [0., 0., 0., ..., 0., 0., 0.], [0., 0., 0., ..., 0., 0., 0.], [0., 0., 0., ..., 0., 0., 0.]])
15.找到在一个数组中，最接近一个数的索引
# 函数argmin返回沿轴的最小值的索引。如果多次出现最小值，则索引对应于第一次出现的返回。 a = np.random.uniform(0,10) b = np.arange(10) print("a:",a) print("b:",b) # abs()的操作的去绝对值的操作，所以一个很小的负数取绝对值会变成一个很大的数 print((np.abs(b-a))) print("最接近的索引是:",(np.abs(b-a)).argmin()) #(np.abs(b-a)).argmin() #print(help(np.argmin))
a: 6.430836025704295 b: [0 1 2 3 4 5 6 7 8 9] [6.43083603 5.43083603 4.43083603 3.43083603 2.43083603 1.43083603 0.43083603 0.56916397 1.56916397 2.56916397] 最接近的索引是: 6
16.32位float类型和32位int类型转换
Clichong = np.array([1,2,3,4,5,6,7,8,9],dtype = np.float32) print("before_type",Clichong.dtype) Clichong = Clichong.astype(np.int32) print("After_type",Clichong.dtype)
before_type float32 After_type int32
17.打印数组元素位置坐标与数值
# ndenumerate函数与python中的enumerate类似,reshape可以重新改变数组的结构 Clichong = np.arange(9).reshape(3,3) for index,value in np.ndenumerate(Clichong): print (index,value) print(np.ndenumerate(Clichong)
(0, 0) 0 (0, 1) 1 (0, 2) 2 (1, 0) 3 (1, 1) 4 (1, 2) 5 (2, 0) 6 (2, 1) 7 (2, 2) 8 <numpy.ndenumerate object at 0x00000270CE55DA88>
18.按照数组的某一列进行排序(比较抽象，需要多看几遍)
# 按照第二列升序 Clichong = np.array([[1,2,4],[3,5,2],[4,3,1],[2,4,0]]) print(Clichong)
[[1 2 4] [3 5 2] [4 3 1] [2 4 0]]
# 方法：lexsort函数 # 其中的 1 表示升序； 若是是 -1 则表示降序 index = np.lexsort([1*Clichong[:,1]]) print("index:",index) Clichong[index]
index: [0 2 3 1] array([[1, 2, 4], [4, 3, 1], [2, 4, 0], [3, 5, 2]])
# 方法2：argsort函数 # z[z[:,1].argsort()] print("index:",Clichong[:,1].argsort()) Clichong[Clichong[:,1].argsort()]
index: [0 2 3 1] array([[1, 2, 4], [4, 3, 1], [2, 4, 0], [3, 5, 2]])
19.统计数组中每个数值出现的次数
在python中，统计数值出现的次数有直接的函数来完成，不需要再自己写一个复杂的函数
Clichong = np.array([1,0,1,0,1,2,0,2,3,3,4,5,8]) print(np.bincount(Clichong))
[3 3 2 2 1 1 0 0 1]
20.找到一个数组中最常出现的数字
Clichong = np.array([1,0,6,6,1,0,1,6,2,6,0,2,3,0,6,3,4,6,0,5,8]) # 统计数组中每个数值出现的次数 Clichong = np.bincount(Clichong) print(Clichong) # 返回最多出现数字的下标,也就打印出最常出现的数字 np.argmax(Clichong)
[5 3 2 2 1 1 6 0 1] 6
21.交换矩阵中的两行
Clichong = np.random.randint(10,size = (5,5)) print("Clichong_before:\n",Clichong) Clichong[[0,1]] = Clichong[[1,0]] print("Clichong_after:\n",Clichong)
Clichong_before: [[1 9 5 5 5] [0 5 8 2 9] [7 0 3 8 0] [3 5 0 7 3] [1 5 3 4 3]] Clichong_after: [[0 5 8 2 9] [1 9 5 5 5] [7 0 3 8 0] [3 5 0 7 3] [1 5 3 4 3]]
