作者：代码律动
链接：https://zhuanlan.zhihu.com/p/36303821
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

挑战 1：引入 numpy 并查看 numpy 的版本。

要求：这是第一步，以后我们使用 numpy 时都将用别名 np。

  1. # 答案
  2. import numpy as np
  3. print(np.__version__)
  4. #> 1.13.3

挑战 2：创建数组

要求：创建一维数组，内容为从 0 到 9。

  1. # 输入数组
  2. arr = np.arange(10)

挑战 3：创建布尔数组

要求：数组大小为 3*3，全部为 True。

  1. # 答案一：
  2. np.full((3, 3), True, dtype=bool)
  3. # 答案二：
  4. np.ones((3,3), dtype=bool)

挑战 4：按要求抽取数组中的元素

要求：原数组为一维数组，内容为从 0 到 9，抽取出所有奇数。

  1. # 输入数组
  2. arr = np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])  
  4. # 答案
  5. arr[arr % 2 == 1]
  6. #> array([1, 3, 5, 7, 9])

挑战 5：按要求修改数组中的元素（原地修改）

要求：原数组为一维数组，内容为从 0 到 9，将所有奇数原地修改为 -1。

  1. # 输入数组
  2. arr = np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
  4. # 答案
  5. arr[arr % 2 == 1] = -1
  6. #> array([ 0, -1,  2, -1,  4, -1,  6, -1,  8, -1])

挑战 6：按要求修改数组中的元素（返回新数组）

要求：原数组为一维数组，内容为从 0 到 9，返回一个该数组的拷贝，其中奇数修改为 -1。

  1. # 输入数组
  2. arr = np.arange(10) 
  4. # 答案
  5. out = np.where(arr % 2 == 1, -1, arr)
  6. #> array([ 0, -1,  2, -1,  4, -1,  6, -1,  8, -1])

挑战 7：修改数组的形状

要求：将给定的一维数组 reshape 为二维数组，其中新数组的行数为2。

  1. # 输入数组
  2. arr = np.arange(10) 
  4. # 答案
  5. arr.reshape(2, -1)  # -1 表示自动计算该维度的大小
  6. #> array([[0, 1, 2, 3, 4],  [5, 6, 7, 8, 9]])

挑战 8：合并数组（列方向）

要求：将给定数组在列方向上合并。

  1. # 输入数组
  2. a = np.arange(10).reshape(2,-1) b = np.repeat(1, 10).reshape(2,-1)
  4. # 答案 1:
  5. np.concatenate([a, b], axis=0)
  6. # 答案 2:
  7. np.vstack([a, b])
  8. # 答案 3:
  9. np.r_[a, b]
  10. #> array([[0, 1, 2, 3, 4],
  11. #>        [5, 6, 7, 8, 9],
  12. #>        [1, 1, 1, 1, 1],
  13. #>        [1, 1, 1, 1, 1]])

挑战 9：合并数组（水平方向）

要求：将给定数组在水平方向上合并。

  1. # 输入数组
  2. a = np.arange(10).reshape(2,-1)
  3. b = np.repeat(1, 10).reshape(2,-1) 
  5. # 答案 1:
  6. np.concatenate([a, b], axis=1)
  7. # 答案 2:
  8. np.hstack([a, b])
  9. # 答案 3:
  10. np.c_[a, b]
  11. #> array([[0, 1, 2, 3, 4, 1, 1, 1, 1, 1],
  12. #>        [5, 6, 7, 8, 9, 1, 1, 1, 1, 1]])

挑战 10：创建数组（进阶）

要求：不用硬编码，使用内置方法，从给定数组 a 生成数组 b。

  1. # 输入数组
  2. a = np.array([1,2,3])
  3. b = np.array([1, 1, 1, 2, 2, 2, 3, 3, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3])
  5. # 答案
  6. np.r_[np.repeat(a, 3), np.tile(a, 3)]

挑战 11：返回公共元素

要求：给定两个数组，要求返回这两个数组元素的交集。

  1. # 输入数组
  2. a = np.array([1,2,3,2,3,4,3,4,5,6])
  3. b = np.array([7,2,10,2,7,4,9,4,9,8]) 
  5. # 答案：
  6. np.intersect1d(a,b)
  7. #> array([2, 4])

挑战 12：删除元素

要求：给定两个数组 a、b，从数组 a 中删除 b 中出现的元素。

  1. # 输入数组
  2. a = np.array([1,2,3,4,5])
  3. b = np.array([5,6,7,8,9])  
  5. # 答案
  6. np.setdiff1d(a,b)
  7. #> array([1, 2, 3, 4])

挑战 13：找出相同元素

要求：给定两个数组 a、b，返回两数组中相同元素的下标。

  1. # 输入数
  2. a = np.array([1,2,3,2,3,4,3,4,5,6])
  3. b = np.array([7,2,10,2,7,4,9,4,9,8])  
  5. # 答案：
  6. np.where(a == b)
  7. #> (array([1, 3, 5, 7]),)

挑战 14：按要求取出元素

要求：从数组中取出大于等于 5 且小于等于 10 的元素。

  1. # 输入数组
  2. a = np.arange(15) 
  4. # 答案 1:
  5. index = np.where((a >= 5) & (a <= 10))
  6. a[index]  
  8. # 答案 2:
  9. index = np.where(np.logical_and(a>=5, a<=10))
  10. a[index] 
  12. # 答案 3:
  13. a[(a >= 5) & (a <= 10)]
  14. #> (array([6, 9, 10]),)

挑战 15：实现 max 的 numpy 版

要求：给定长度相同的数组 a、b，返回一个新数组，数组上的每一个元素为 max(a_i, b_i)。

若 pair_max 为满足要求的函数，则对于 a 和 b，期望输出如下：

  1. # 输入数组
  2. a = np.array([5, 7, 9, 8, 6, 4, 5])
  3. b = np.array([6, 3, 4, 8, 9, 7, 1])
  4. pair_max(a, b)
  6. #> 期望输出：array([ 6.,  7.,  9.,  8.,  9.,  7.,  5.])
  8. # 答案:
  9. def maxx(x, y):
  10.     """Get the maximum of two items"""
  11.     if x >= y:
  12.         return x
  13.     else:
  14.         return y
  16. pair_max = np.vectorize(maxx, otypes=[float])
  18. a = np.array([5, 7, 9, 8, 6, 4, 5])
  19. b = np.array([6, 3, 4, 8, 9, 7, 1])
  21. pair_max(a, b)

挑战 16：交换二维数组的列

要求：交换数组的第一第二列。

  1. # 输入数组
  2. arr = np.arange(9).reshape(3,3) 
  4. # 答案:
  5. arr[:, [1,0,2]]
  6. #> array([[1, 0, 2],
  7. #>        [4, 3, 5],
  8. #>        [7, 6, 8]])

挑战 17：交换二维数组的行

要求：交换二维数组的第一第二行。

  1. # 输入数组
  2. arr = np.arange(9).reshape(3,3)  
  4. # 答案
  5. arr[[1,0,2], :]
  6. #> array([[3, 4, 5],
  7. #>        [0, 1, 2],
  8. #>        [6, 7, 8]])

挑战 18：将一个数组按行反序

要求：数组 arr 为二维数组，将其行反序。

  1. # 输入数组
  2. arr = np.arange(9).reshape(3,3)
  4. # 答案:
  5. arr[::-1]

挑战 19：将一个数组按列反序

要求：数组 arr 为二维数组，将其列反序。

  1. # 输入数组
  2. arr = np.arange(9).reshape(3,3)
  4. # 答案:
  5. arr[:, ::-1]

挑战 20：创建随机数组

要求：创建一个 5*3 的数组，数组元素为 5 到 10 的随机浮点数。

  1. # 答案 1:
  2. rand_arr = np.random.randint(low=5, high=10, size=(5,3)) + np.random.random((5,3))
  3. # print(rand_arr)
  4. # 答案 2:
  5. rand_arr = np.random.uniform(5,10, size=(5,3))
  6. print(rand_arr)
  7. #> [[ 8.50061025  9.10531502  6.85867783]
  8. #>  [ 9.76262069  9.87717411  7.13466701]
  9. #>  [ 7.48966403  8.33409158  6.16808631]
  10. #>  [ 7.75010551  9.94535696  5.27373226]
  11. #>  [ 8.0850361   5.56165518  7.31244004]]

挑战 21：按要求打印数组（一）

要求：数组元素输出时保留 3 位小数。

  1. # 输入数组
  2. rand_arr = np.random.random([5,3]) 
  4. # 答案：
  5. # 设置保留 3 位小数
  6. np.set_printoptions(precision=3)
  7. rand_arr[:4]
  8. #> array([[ 0.443,  0.109,  0.97 ],
  9. #>        [ 0.388,  0.447,  0.191],
  10. #>        [ 0.891,  0.474,  0.212],
  11. #>        [ 0.609,  0.518,  0.403]])

挑战 22：按要求打印数组（二）

要求：数组为小数，使用小数点的形式来打印，而不是科学记数法（如1e-4）。

  1. # 输入数组
  2. np.random.seed(100)
  3. rand_arr = np.random.random([3,3])/1e3
  4. rand_arr
  5. #> array([[  5.434049e-04,   2.783694e-04,   4.245176e-04],
  6. #>        [  8.447761e-04,   4.718856e-06,   1.215691e-04],
  7. #>        [  6.707491e-04,   8.258528e-04,   1.367066e-04]])
  9. # 答案:
  10. np.set_printoptions(suppress=True, precision=6)  # precision 是可选项
  11. rand_arr
  12. #> array([[ 0.000543,  0.000278,  0.000425],
  13. #>        [ 0.000845,  0.000005,  0.000122],
  14. #>        [ 0.000671,  0.000826,  0.000137]])

挑战 23：按要求打印数组（三）

要求：打印时省略中间元素，限制显示数组元素的个数为 6。

  1. # 输入数组
  2. a = np.arange(15)
  3. #> 原输出 ：[ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14]
  4. #> 目标输出：[ 0  1  2 ..., 12 13 14] array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14])
  6. # 答案:
  7. np.set_printoptions(threshold=6)
  8. a
  9. #> array([ 0,  1,  2, ..., 12, 13, 14])

挑战 24：加载特殊矩阵

要求：著名的 iris 数据集是包含兰花属性和种类的数据集，其中每行属性有数字和文字，用 numpy 来加载他们。

  1. # 答案
  2. url = 'https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data'
  3. iris = np.genfromtxt(url, delimiter=',', dtype='object')
  4. names = ('sepallength', 'sepalwidth', 'petallength', 'petalwidth', 'species')
  5. # 输出前三行
  6. iris[:3]
  7. #> array([[b'5.1', b'3.5', b'1.4', b'0.2', b'Iris-setosa'],
  8. #>        [b'4.9', b'3.0', b'1.4', b'0.2', b'Iris-setosa'],
  9. #>        [b'4.7', b'3.2', b'1.3', b'0.2', b'Iris-setosa']], dtype=object)

挑战 25：重定义数组的元素范围

要求：将 iris 数组集的第一个列的数据范围缩放为 0 到 1。

  1. # Input url = 'https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data'
  2. sepallength = np.genfromtxt(url, delimiter=',', dtype='float', usecols=[0])  
  4. # 答案
  5. Smax, Smin = sepallength.max(), sepallength.min()
  6. S = (sepallength - Smin)/(Smax - Smin)
  7. # or
  8. S = (sepallength - Smin)/sepallength.ptp()
  9. print(S)
  10. #> [ 0.222  0.167  0.111  0.083  0.194  0.306  0.083  0.194  0.028  0.167
  11. #>   0.306  0.139  0.139  0.     0.417  0.389  0.306  0.222  0.389  0.222
  12. #>   0.306  0.222  0.083  0.222  0.139  0.194  0.194  0.25   0.25   0.111
  13. #>   0.139  0.306  0.25   0.333  0.167  0.194  0.333  0.167  0.028  0.222
  14. #>   0.194  0.056  0.028  0.194  0.222  0.139  0.222  0.083  0.278  0.194
  15. #>   0.75   0.583  0.722  0.333  0.611  0.389  0.556  0.167  0.639  0.25
  16. #>   0.194  0.444  0.472  0.5    0.361  0.667  0.361  0.417  0.528  0.361
  17. #>   0.444  0.5    0.556  0.5    0.583  0.639  0.694  0.667  0.472  0.389
  18. #>   0.333  0.333  0.417  0.472  0.306  0.472  0.667  0.556  0.361  0.333
  19. #>   0.333  0.5    0.417  0.194  0.361  0.389  0.389  0.528  0.222  0.389
  20. #>   0.556  0.417  0.778  0.556  0.611  0.917  0.167  0.833  0.667  0.806
  21. #>   0.611  0.583  0.694  0.389  0.417  0.583  0.611  0.944  0.944  0.472
  22. #>   0.722  0.361  0.944  0.556  0.667  0.806  0.528  0.5    0.583  0.806
  23. #>   0.861  1.     0.583  0.556  0.5    0.944  0.556  0.583  0.472  0.722
  24. #>   0.667  0.722  0.417  0.694  0.667  0.667  0.556  0.611  0.528  0.444]

挑战 26：根据百分比大小返回元素

要求：返回数组中按从小到大排序，位置为 5% 和 95% 的数。

  1. # 输入数组
  2. url = 'https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data'
  3. sepallength = np.genfromtxt(url, delimiter=',', dtype='float', usecols=[0])  
  5. # 答案:
  6. np.percentile(sepallength, q=[5, 95])
  7. #> array([ 4.6  ,  7.255])

挑战 27：找出数组的缺失值

要求：数组中有多处缺失值（答案nan），找出他们的位置。

  1. # 输入数组
  2. url = 'https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data'
  3. iris_2d = np.genfromtxt(url, delimiter=',', dtype='float', usecols=[0,1,2,3]) iris_2d[np.random.randint(150, size=20), np.random.randint(4, size=20)] = np.nan  
  5. # 答案:
  6. print("Number of missing values: \n", np.isnan(iris_2d[:, 0]).sum())
  7. print("Position of missing values: \n", np.where(np.isnan(iris_2d[:, 0])))
  8. #> Number of missing values:
  9. #>  5
  10. #> Position of missing values:
  11. #>  (array([ 39,  88,  99, 130, 147]),)

挑战 28：数组缺失值判断

要求：返回数组是否具有缺失值。

  1. # 输入数组
  2. url = 'https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data'
  3. iris_2d = np.genfromtxt(url, delimiter=',', dtype='float', usecols=[0,1,2,3])
  4. iris_2d[np.random.randint(150, size=20), np.random.randint(4, size=20)] = np.nan
  6. # 答案：
  7. np.isnan(iris_2d).any()
  8. #> False

挑战 29：数组缺失值处理

要求：替换数组中的缺失值为0。

  1. # 输入数组
  2. url = 'https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data'
  3. iris_2d = np.genfromtxt(url, delimiter=',', dtype='float', usecols=[0,1,2,3])
  4. iris_2d[np.random.randint(150, size=20), np.random.randint(4, size=20)] = np.nan
  6. # 答案
  7. iris_2d[np.isnan(iris_2d)] = 0
  8. iris_2d[:4]
  9. #> array([[ 5.1,  3.5,  1.4,  0. ],
  10. #>        [ 4.9,  3. ,  1.4,  0.2],
  11. #>        [ 4.7,  3.2,  1.3,  0.2],
  12. #>        [ 4.6,  3.1,  1.5,  0.2]])

挑战 30：数组的 unique 元素

要求：返回数组中出现的所有元素集合

  1. # 输入数组
  2. url = 'https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data'
  3. iris = np.genfromtxt(url, delimiter=',', dtype='object') 
  5. # 答案:
  6. species = np.array([row.tolist()[4] for row in iris])
  7. np.unique(species, return_counts=True)
  8. #> (array([b'Iris-setosa', b'Iris-versicolor', b'Iris-virginica'],
  9. #>        dtype='|S15'), array([50, 50, 50]))

挑战 31：二维数组排序

要求：根据第一列排序二维数组

  1. # 输入数组
  2. url = 'https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data'
  3. iris = np.genfromtxt(url, delimiter=',', dtype='object')
  5. # 答案:
  6. print(iris[iris[:,0].argsort()][:5])
  7. #> [[b'4.3' b'3.0' b'1.1' b'0.1' b'Iris-setosa']
  8. #>  [b'4.4' b'3.2' b'1.3' b'0.2' b'Iris-setosa']
  9. #>  [b'4.4' b'3.0' b'1.3' b'0.2' b'Iris-setosa']
  10. #>  [b'4.4' b'2.9' b'1.4' b'0.2' b'Iris-setosa']
  11. #>  [b'4.5' b'2.3' b'1.3' b'0.3' b'Iris-setosa']

挑战 32：出现最频繁的元素

要求：返回数组中出现最多的元素。

  1. # 输入数组:
  2. url = 'https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data'
  3. iris = np.genfromtxt(url, delimiter=',', dtype='object') 
  5. # 答案:
  6. vals, counts = np.unique(iris[:, 2], return_counts=True)
  7. print(vals[np.argmax(counts)])
  8. #> b'1.5'

挑战 33：找出数组中某元素满足第一次大于某数的下标

要求：在 iris 数据集中，返回第一个元素的下标，满足第4列属性大于1.0。

  1. # 输入数组:
  2. url = 'https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data'
  3. iris = np.genfromtxt(url, delimiter=',', dtype='object') 
  5. # 答案:
  6. np.argwhere(iris[:, 3].astype(float) > 1.0)[0]
  7. #> 50

挑战 34：设定数组元素的上下限

要求：给定数组 a，将数组中大于 30 的数截断为 30，小于 10 的数截断为 10。

  1. # 输入数组
  2. np.set_printoptions(precision=2)
  3. np.random.seed(100)
  4. a = np.random.uniform(1,50, 20)
  5. # 答案 1:
  6. np.clip(a, a_min=10, a_max=30)
  7. # 答案 2:
  8. print(np.where(a < 10, 10, np.where(a > 30, 30, a)))
  9. #> [ 27.63  14.64  21.8   30.    10.    10.    30.    30.    10.    29.18  30.
  10. #>   11.25  10.08  10.    11.77  30.    30.    10.    30.    14.43]

挑战 35：去掉所有缺失值

要求：给定一维数组 a 包含缺失值，去掉他们。

  1. # 输入数组
  2. a = np.array([1,2,3,np.nan,5,6,7,np.nan])
  4. # 答案:
  5. a[~np.isnan(a)]
  6. #> array([ 1.,  2.,  3.,  5.,  6.,  7.])

numpy 中不常用的一些方法的更多相关文章

  1. JavaScript中Number常用属性和方法

    title: JavaScript中Number常用属性和方法 toc: false date: 2018-10-13 12:31:42 Number.MAX_VALUE--1.79769313486 ...

  2. （数据科学学习手札131）pandas中的常用字符串处理方法总结

    本文示例代码及文件已上传至我的Github仓库https://github.com/CNFeffery/DataScienceStudyNotes 1 简介 在日常开展数据分析的过程中,我们经常需要对 ...

  3. Python中最常用的字符串方法！

    字符串是字符序列.Python中内置的string类代表基于Unicode国际字符集的字符串.除了Python中常见的操作外,字符串还有一些专属于它们的附加方法.下图显示了所有这些可用的方法: Pyt ...

  4. numpy 中 shape_base提供的tile方法

    tile函数 来自于numpy.lib.shape_base 功能:重复某个数组. 比如说tile(A, n), 功能是将数组A重复n次,构成一个新的数组(行数只有1个) 比如说tile(A, n, ...

  5. oracle中的常用函数1-------decode方法

    DECODE函数是ORACLE PL/SQL是功能强大的函数之一,目前还只有ORACLE公司的SQL提供了此函数,其他数据库厂商的SQL实现还没有此功能.DECODE有什么用途呢? 先构造一个例子,假 ...

  6. iOS中UITextField常用设置和方法

    //初始化textField并设置位置及大小 UITextField *text = [[UITextField alloc]initWithFrame:CGRectMake(, , , )]; // ...

  7. numpy中一些常用函数的用法总结

    先简单记录一下,后续补充详细的例子   1. strip()函数 s.strip(rm):s为字符串,rm为要删除的字符序列 只能删除开头或是结尾的字符或者字符串.不能删除中间的字符或是字符串 当rm ...

  8. JS面向对象组件(三)--面向对象中的常用属性和方法

    图片的由来看下面: 1.hasOwnProperty:看是不是对象自身下面的属性 var arr = []; arr.num = ; Array.prototype.num2 = ; //所有的数组对 ...

  9. numpy函数库中一些常用函数的记录

    ##numpy函数库中一些常用函数的记录 最近才开始接触Python,python中为我们提供了大量的库,不太熟悉,因此在<机器学习实战>的学习中,对遇到的一些函数的用法进行记录. (1) ...

随机推荐

  1. IntelliJ IDEA全局内容搜索和替换

      在做项目时,有时会在整个项目里或指定文件夹下进行全局搜索和替换,这是一个很方便功能.使用方法如下: 一.全局搜索 1.使用快捷键Ctrl+Shift+F打开搜索窗口,或者通过点击Edit–> ...

  2. Eclipse 4.5.0 离线安装 Veloeclipse 插件

    下载 Veloeclipse 在 Eclipse eclipse-jee-mars-R-win32-x86_64 版本 4.5.0,Build id 为 20150621-1200,离线安装 Velo ...

  3. 最经典的常用拍照姿势大全，顶级POSE

    伸出手遮阳光.   捂住一只眼睛.   手放在最旁.这是一个极具诱惑的姿势 站立,背对镜头,扭过来,仰角拍, 俩手按在头两边,歪头,或者直头,表情一般都困惑,迷茫,咬下嘴唇效果更佳.         ...

  4. swift3 单例写法

    import UIKit class SingleOnce { // 单例 static let shared = SingleOnce.init() private init(){} // 其他方法 ...

  5. 【C#】详解C#异常

    目录结构: contents structure [+] 异常处理机制 try块 catch块 finally块 自定义异常 CLS异常和非CLS异常 在这篇文章中,笔者会阐述C#中的异常.C#是一门 ...

  6. ES 插入十万条数据耗时1573秒

  7. SNF快速开发平台MVC-审核流，审核完成后会给下一个审核人发邮件，下一个审核人可以不登录系统，在邮件里进行审核处理

    审核流设计和使用参考以下资料: 审核流设计 http://www.cnblogs.com/spring_wang/p/4874531.html 审核流实例 http://www.cnblogs.com ...

  8. python工具 - alert弹框输出姓名年龄、求和

    使用python自带的tkinter库进行GUI编程,完成两个功能: (1)要求用户输入姓名和年龄然后打印出来 (2)要求用户输入一个数字,然后计算1到该数字之间的和 代码部分: # 导入tkinte ...

  9. ORGANISING THE TEST CASES

    ORGANISING THE TEST CASES -Test note of “Essential Software Test Design” 2015-09-24 目录 22.1 Test Cas ...

  10. ios开发：一个音乐播放器的设计与实现

    github地址:https://github.com/wzpziyi1/MusicPlauer 这个Demo,关于歌曲播放的主要功能都实现了的.下一曲.上一曲,暂停,根据歌曲的播放进度动态滚动歌词, ...