Python刷题系列(1)_NumPy Basic（上）

2022-05-27 159

版权

本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。

简介： NumPy是一个Python包，提供快速，灵活和富有表现力的数据结构，旨在使处理“关系”或“标记”数据既简单又直观。它旨在成为在Python中进行实际的现实世界数据分析的基本高级构建块。

NumPy是一个Python包，提供快速，灵活和富有表现力的数据结构，旨在使处理“关系”或“标记”数据既简单又直观。它旨在成为在Python中进行实际的现实世界数据分析的基本高级构建块。

NumPy Basic

1、获取numpy版本并显示numpy构建配置

编写一个NumPy程序来获取numpy版本并显示numpy构建配置。

import numpy as np 
print(np.__version__) # 注意这里是两条下划线
print(np.show_config())
'''
1.20.3
blas_mkl_info:
    libraries = ['mkl_rt']
    library_dirs = ['D:/Anaconda\\Library\\lib']
    define_macros = [('SCIPY_MKL_H', None), ('HAVE_CBLAS', None)]
    include_dirs = ['D:/Anaconda\\Library\\include']
blas_opt_info:
    libraries = ['mkl_rt']
    library_dirs = ['D:/Anaconda\\Library\\lib']
    define_macros = [('SCIPY_MKL_H', None), ('HAVE_CBLAS', None)]
    include_dirs = ['D:/Anaconda\\Library\\include']
lapack_mkl_info:
    libraries = ['mkl_rt']
    library_dirs = ['D:/Anaconda\\Library\\lib']
    define_macros = [('SCIPY_MKL_H', None), ('HAVE_CBLAS', None)]
    include_dirs = ['D:/Anaconda\\Library\\include']
lapack_opt_info:
    libraries = ['mkl_rt']
    library_dirs = ['D:/Anaconda\\Library\\lib']
    define_macros = [('SCIPY_MKL_H', None), ('HAVE_CBLAS', None)]
    include_dirs = ['D:/Anaconda\\Library\\include']
None
'''

2、获取有关add函数的帮助

编写一个NumPy程序来获取有关add函数的帮助。

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

3、测试给定数组的任何元素是否都不为零

编写一个NumPy程序来测试给定数组的任何元素是否都不为零。

只要有一个元素为0，则结果就为False

import numpy as np
x = np.array([1, 2, 3, 4])
print("Original array:")
print(x)
print("Test if none of the elements of the said array is zero:")
print(np.all(x))
x = np.array([0, 1, 2, 3])
print("Original array:")
print(x)
print("Test if none of the elements of the said array is zero:")
print(np.all(x))

这里涉及python当中的all函数：

any()实现了或(OR)运算，而all()实现了与(AND)运算。

【1】对于any(iterables)，如果可迭代对象iterables中任意存在每一个元素为True则返回True。特例：若可迭代对象为空，比如空列表[]，则返回False。

【2】对于all(iterables)，如果可迭代对象iterables中所有元素都为True则返回True。特例：若可迭代对象为空，比如空列表[]，则返回True。

4、测试给定数组的任何元素是否为非零

只要有一个元素非零，则得到的结果为True.

import numpy as np
x = np.array([0, 0, 0, 0])
print("Original array:")
print(x)
print("Test whether any of the elements of a given array is non-zero:")
print(np.any(x))
x = np.array([0, 0, 2, 0])
print("Original array:")
print(x)
print("Test whether any of the elements of a given array is non-zero:")
print(np.any(x))

这里涉及python当中的any函数：

any()实现了或(OR)运算，而all()实现了与(AND)运算。

【1】对于any(iterables)，如果可迭代对象iterables中任意存在每一个元素为True则返回True。特例：若可迭代对象为空，比如空列表[]，则返回False。

【2】对于all(iterables)，如果可迭代对象iterables中所有元素都为True则返回True。特例：若可迭代对象为空，比如空列表[]，则返回True。

5、逐元素测试给定数组的有限性

编写一个 NumPy 程序来测试给定数组元素的有限性（不是无穷大或不是数字）。

import numpy as np
a = np.array([1, 0, np.nan, np.inf])
print("Original array")
print(a)
print("Test a given array element-wise for finiteness :")
print(np.isfinite(a))

【1】math.isfinite()：是数学模块的库方法，用于检查给定数是否为有限数，它接受数字(整数/浮点数，有限，无限或NaN)。如果 number 是有限数字（或可转换为有限数字），那么返回 true。否则，如果 number 是 NaN（非数字），或者是正、负无穷大的数，则返回 false。

【2】np.nan：表示not a number

【3】np.inf ：表示+∞，是没有确切的数值的,类型为浮点型

6、逐元素测试正无穷大或负无穷大

编写一个 NumPy 程序来逐个元素测试正无穷大或负无穷大

import numpy as np
a = np.array([1, 0, np.nan, np.inf])
print("Original array")
print(a)
print("Test element-wise for positive or negative infinity:")
print(np.isinf(a))
'''
Original array
[  1.   0.  nan  inf]
Test element-wise for positive or negative infinity:
[False False False  True]        
'''

【1】np.isinf(x)：判断x数组当中是否有正无穷大或者负无穷大的数,返回值是布尔类型的list

7、逐元素测试给定数组的 NaN

编写一个 NumPy 程序来逐个元素测试给定数组的 NaN

import numpy as np
a = np.array([1, 0, np.nan, np.inf])
print("Original array")
print(a)
print("Test element-wise for NaN:")
print(np.isnan(a))
'''
Original array
[  1.   0.  nan  inf]
Test element-wise for NaN:
[False False  True False]   
'''

【1】np.isnan(x)：判断x数组当中是否有Nan值,返回值是布尔类型的list

8、逐元素测试给定数组的复数、实数

编写一个 NumPy 程序来逐个元素测试给定数组的复数、实数。还要测试给定数字是否为标量类型。

【1】np.iscomplex(a)：测试a数组当中是否存在复数，返回值是布尔类型的list

【2】np.isreal(a)：测试a数组当中是否存在实数，返回值是布尔类型的list

【3】np.isscalar(3.1)：测试3.1是否是标量，返回值是布尔类型

import numpy as np
a = np.array([1+1j, 1+0j, 4.5, 3, 2, 2j])
print("Original array")
print(a)
print("Checking for complex number:")
print(np.iscomplex(a))
print("Checking for real number:")
print(np.isreal(a))
print("Checking for scalar type:")
print(np.isscalar(3.1))
print(np.isscalar([3.1]))

9、创建两个给定数组的元素比较

编写一个NumPy程序来创建两个给定数组的元素比较（更大，greater_equal，更少和less_equal）。

import numpy as np
x = np.array([3, 5])
y = np.array([2, 5])
print("Original numbers:")
print(x)
print(y)
print("Comparison - greater")
print(np.greater(x, y))
print("Comparison - greater_equal")
print(np.greater_equal(x, y))
print("Comparison - less")
print(np.less(x, y))
print("Comparison - less_equal")
print(np.less_equal(x, y))
'''
Original numbers:
[3 5]
[2 5]
Comparison - greater
[ True False]
Comparison - greater_equal
[ True  True]
Comparison - less
[False False]
Comparison - less_equal
[False  True]            
'''

【1】np.greater(x, y)：判断x是否大于y

【2】np.greater_equal(x, y)：判断x是否大于等于y

【3】np.less(x, y)：判断x是否小于y

【4】np.less_equal(x, y)：判断x是否小于等于y

10、创建数组，并确定数组占用的内存大小

编写一个NumPy程序来创建一个值为1，7，13，105的数组，并确定数组占用的内存大小。

import numpy as np
X = np.array([1, 7, 13, 105])
print("Original array:")
print(X)
print("Size of the memory occupied by the said array:")
print("%d bytes" % (X.size * X.itemsize))
'''
Original array:
[  1   7  13 105]
Size of the memory occupied by the said array:
32 bytes    
'''

【1】X.size：求数组X当中的元素个数

【2】X.itemsize：X数组中一个元素的长度（字节）

11、创建从 30 到 70 的整数数组

import numpy as np
array=np.arange(30,71)
print("Array of the integers from 30 to70")
print(array)

12、创建3x3单位矩阵

编写一个NumPy程序来创建一个3x3单位矩阵。

import numpy as np
array_2D=np.identity(3)
print('3x3 matrix:')
print(array_2D)

13、创建包含从30到70的所有偶数整数的数组

编写一个NumPy程序来创建一个包含从30到70的所有偶数整数的数组。

import numpy as np
array=np.arange(30,71,2)
print("Array of all the even integers from 30 to 70")
print(array)

14、创建由10个0,10个1,10个5组成的数组

编写一个NumPy程序来分别创建一个包含10个0，10个1，10个5的数组。

import numpy as np
array=np.zeros(10)
print("An array of 10 zeros:")
print(array)
array=np.ones(10)
print("An array of 10 ones:")
print(array)
array=np.ones(10)*5
print("An array of 10 fives:")
print(array)
'''
An array of 10 zeros:
[ 0.  0.  0.  0.  0.  0.  0.  0.  0.  0.]
An array of 10 ones:
[ 1.  1.  1.  1.  1.  1.  1.  1.  1.  1.]
An array of 10 fives:
[ 5.  5.  5.  5.  5.  5.  5.  5.  5.  5.]     
'''

15、使用并迭代创建一个3X4数组

编写一个NumPy程序来创建一个3x4矩阵，其中填充了从10到21的值。

import numpy as np
a = np.arange(10,22).reshape((3, 4))
print("Original array:")
print(a)
print("Each element of the array is:")
for x in np.nditer(a):
  print(x,end=" ")
'''
Original array:
[[10 11 12 13]
 [14 15 16 17]
 [18 19 20 21]]
Each element of the array is:
10 11 12 13 14 15 16 17 18 19 20 21    
'''

【1】nditer：使用nditer可以完成逐个访问数组中的元素。

【2】end=" "：表示循环输出的元素后面以空格进行分割。