一、numpy
1.ndarry的特性
多维性
python
复制代码
import numpy as np
from numpy.ma.core import arange
python
复制代码
arr = np.array(5) #创建0维的ndarray数组
print(arr)
print('arr的维度是：',arr.ndim) #数组的维度 number of dimension
复制代码
5
arr的维度是： 0
python
复制代码
arr = np.array([1,2,3]) #创建1维的ndarray数组
print(arr)
print('arr的维度是：',arr.ndim) #数组的维度 number of dimension
复制代码
[1 2 3]
arr的维度是： 1
python
复制代码
arr = np.array([[1,2,3],[4,5,6]]) #创建0维的ndarray数组
print(arr)
print('arr的维度是：',arr.ndim) #数组的维度 number of dimension
复制代码
[[1 2 3]
[4 5 6]]
arr的维度是： 2
同质性
python
复制代码
arr = np.array([1,'hello']) #不同的数据类型会被强制转换成相同的数据类型
print(arr)
复制代码
['1' 'hello']
python
复制代码
arr = np.array([1,2.5]) #不同的数据类型会被强制转换成相同的数据类型
print(arr)
复制代码
[1. 2.5]
2.ndarray的属性
python
复制代码
arr = np.array(1) # 0维数组
print(arr)
print('数组的形状：',arr.shape)
print('数组的维度：',arr.ndim)
print('元素的个数：',arr.size)
print('元素的数据类型：',arr.dtype)
print('元素的转置：',arr.T)
复制代码
1
数组的形状： ()
数组的维度： 0
元素的个数： 1
元素的数据类型： int64
元素的转置： 1
python
复制代码
arr = np.array([1,2,3]) # 1维数组
print(arr)
print('数组的形状：',arr.shape)
print('数组的维度：',arr.ndim)
print('元素的个数：',arr.size)
print('元素的数据类型：',arr.dtype)
print('元素的转置：',arr.T)
复制代码
[1 2 3]
数组的形状： (3,)
数组的维度： 1
元素的个数： 3
元素的数据类型： int64
元素的转置： [1 2 3]
python
复制代码
arr = np.array([[1,2,3],[4,5,6]]) # 2维数组
print(arr)
print('数组的形状：',arr.shape)
print('数组的维度：',arr.ndim)
print('元素的个数：',arr.size)
print('元素的数据类型：',arr.dtype)
print('元素的转置：',arr.T)
3.ndarray的创建
python
复制代码
# 基础的创建方法
list1 = [4,5,6]
arr = np.array(list1,dtype=np.float64) #np.array的参数就是列表，dtype用来指定数据类型
print('数组的维度:',arr.ndim)
print(arr)
复制代码
数组的维度: 1
[4. 5. 6.]
python
复制代码
# copy数组
arr1 = np.copy(arr) #元素跟原始的相同，但是不是同一个数组了
print(arr1)
arr1[0] = 8
print(arr1)
print(arr)
复制代码
[4. 5. 6.]
[8. 5. 6.]
[4. 5. 6.]
python
复制代码
# 预定义形状
# 全0 全1 未初始化 固定值
# 全0
arr = np.zeros((2,3),dtype=int) #预定义一个 2 行 3 列的全 0 二维数组，默认是浮点数类型，dtype=指定数据类型
print(arr)
print(arr.dtype)
复制代码
[[0 0 0]
[0 0 0]]
int64
python
复制代码
arr = np.zeros((10),dtype=int) #预定义一个全 0 一维数组，默认是浮点数类型，dtype=指定数据类型
print(arr)
复制代码
[0 0 0 0 0 0 0 0 0 0]
python
复制代码
# 全1
arr = np.ones((5,8),dtype=int)
print(arr)
复制代码
[[1 1 1 1 1 1 1 1]
[1 1 1 1 1 1 1 1]
[1 1 1 1 1 1 1 1]
[1 1 1 1 1 1 1 1]
[1 1 1 1 1 1 1 1]]
python
复制代码
# 未初始化
arr = np.empty((2,3)) #里面的值随机,执行效率更快，但不推荐
print(arr)
复制代码
[[0. 0. 0.]
[0. 0. 0.]]
python
复制代码
arr = np.empty((5,8)) #里面的值随机
print(arr)
复制代码
[[5.e-324 5.e-324 5.e-324 5.e-324 5.e-324 5.e-324 5.e-324 5.e-324]
[5.e-324 5.e-324 5.e-324 5.e-324 5.e-324 5.e-324 5.e-324 5.e-324]
[5.e-324 5.e-324 5.e-324 5.e-324 5.e-324 5.e-324 5.e-324 5.e-324]
[5.e-324 5.e-324 5.e-324 5.e-324 5.e-324 5.e-324 5.e-324 5.e-324]
[5.e-324 5.e-324 5.e-324 5.e-324 5.e-324 5.e-324 5.e-324 5.e-324]]
python
复制代码
# 指定其他数值的预定义形状的数组
arr = np.full((2,3),2025)
print(arr)
复制代码
[[2025 2025 2025]
[2025 2025 2025]]
python
复制代码
arr1 = np.zeros_like(arr) #定义一个形状跟 arr 一样的全0数组
print(arr1)
arr1 = np.empty_like(arr) #定义一个形状跟 arr 一样的未初始化数组
print(arr1)
arr1 = np.ones_like(arr) #定义一个形状跟 arr 一样的全1数组
print(arr1)
arr1 = np.full_like(arr,2026) #定义一个形状跟 arr 一样的指定数值数组
print(arr1)
复制代码
[[0 0 0]
[0 0 0]]
[[0 0 0]
[0 0 0]]
[[1 1 1]
[1 1 1]]
[[2026 2026 2026]
[2026 2026 2026]]
python
复制代码
# 等差数列去创建数组
arr = np.arange(1,10,2) # satart,end,step(步长),注意不包括end
print(arr)
复制代码
[1 3 5 7 9]
python
复制代码
# 等间隔数列
arr = np.linspace(0,100,5,dtype=int) # start,end,份数
print(arr)
# 跟以下效果相同
arr = np.arange(0,101,25) # satart,end,step(步长),注意不包括end
print(arr)
复制代码
[ 0 25 50 75 100]
[ 0 25 50 75 100]
python
复制代码
# 对数间隔数列
arr = np.logspace(0,4,3,base=2) # start,end,份数，底（不写的话默认10为底）
print(arr) # 2的0次方，2的2次方，2的4次方
复制代码
[ 1. 4. 16.]
python
复制代码
# 可以先求出每一份的指数
arr = np.linspace(0,4,3)
print(arr)
复制代码
[0. 2. 4.]
python
复制代码
# 然后根据base求出对应的对数间隔数列
arr = np.logspace(0,4,3,base=2)
print(arr)
复制代码
[ 1. 4. 16.]
python
复制代码
# 特殊矩阵
# 单位矩阵：主对角线上的数字为1，其他的数字为0
# arr = np.eye(3,dtype=int) #默认创建一个3行3列的单位矩阵
arr = np.eye(3,4,dtype=int)
print(arr)
复制代码
[[1 0 0 0]
[0 1 0 0]
[0 0 1 0]]
python
复制代码
# 对角矩阵：主对角线上元素不为0，其他元素全为0
arr = np.diag([1,2,3,4])
print(arr)
复制代码
[[1 0 0 0]
[0 2 0 0]
[0 0 3 0]
[0 0 0 4]]
python
复制代码
# 随机数组的生成
# 生成0到1之间的随机浮点数（均匀分布）
arr = np.random.rand(2,3) # 2行3列
print(arr)
复制代码
[[0.70317436 0.57025222 0.0601977 ]
[0.91897225 0.91744315 0.37134452]]
python
复制代码
# 生成指定范围区间的随机浮点数
arr = np.random.uniform(3,6,(2,3)) # start,end,(形状)
print(arr)
复制代码
[[3.20459793 3.64600605 4.01665429]
[5.28415385 4.62987287 5.19604319]]
python
复制代码
# 生成指定范围区间的随机整数
arr = np.random.randint(3,30,(2,3)) # start,end,(形状)
print(arr)
复制代码
[[19 18 11]
[26 3 10]]
python
复制代码
# 生成随机数列（正态分布）（大部分是-3到3之间，取到0附近的值的概率较大）
# 两边概率小，中间概率大。eg:成年人身高一米六以下和两米以上的偏少，一米七的偏多
arr = np.random.randn(2,3)
print(arr)
复制代码
[[-0.31779482 0.41740706 1.42661521]
[-1.61462848 -0.74389413 -0.60266806]]
python
复制代码
# 设置随机种子（一个种子确定一个对应的数组）
np.random.seed(20)
arr = np.random.randint(1,10,(2,5))
print(arr)
复制代码
[[4 5 7 8 3]
[1 7 9 6 4]]
4.ndarray的数据类型
布尔类型 bool
整数类型 int unit
浮点数 float
复数 complex
python
复制代码
arr = np.array([1,0,127,0],dtype=bool) #或者 dtype=np.bool
print(arr)
复制代码
[ True False True False]
python
复制代码
arr = np.array([1,0,1000,0],dtype=int) #不用担心范围问题
print(arr)
复制代码
[ 1 0 1000 0]
python
复制代码
arr = np.array([1,0,127,0],dtype=np.int8) #注意只能写 -128到127的范围的值
print(arr)
5.索引与切片
python
复制代码
# 一维数组的索引与切片
arr = np.random.randint(1,100,20) # start,end,份数
python
复制代码
print(arr)
复制代码
[17 63 17 8 99 7 27 14 76 59 26 4 75 76 62 78 84 58 95 33]
python
复制代码
print(arr[0])
print(arr[:]) #获取全部元素
print(arr[2:5]) # 获取左闭右开区间的所有元素
print(arr[slice(2,15,3)]) # 切片，start,end,step ,同上条语句差不多
print(arr[ (arr>10) & (arr<70) ]) # 布尔索引，获取arr数组里 >10 & <70 的数据，支持 & 、 | 逻辑运算符
复制代码
17
[17 63 17 8 99 7 27 14 76 59 26 4 75 76 62 78 84 58 95 33]
[17 8 99]
[17 7 76 4 62]
[17 63 17 27 14 59 26 62 58 33]
python
复制代码
# 二维数组的索引和切片
arr = np.random.randint(1,100,(4,8))
print(arr)
复制代码
[[11 7 76 19 4 78 18 44]
[17 19 80 91 60 72 76 30]
[46 7 64 79 25 19 94 34]
[79 43 95 4 19 71 53 23]]
python
复制代码
print(arr[1,3]) # ,逗号分隔行和列索引
print(arr[1,2:5]) # 获取第1行第2到4列的元素（索引从0开始）
print(arr[0:2,2:5]) # 获取第0到1行，2到4列的元素
print(arr[2],[ arr[2] >50]) #获取第2行，且第2行中大于50的元素
print(arr[2,:],[ arr[2] >50]) #获取第2行，且第2行中大于50的元素
print(arr[:,3]) #获取第3列的所有元素
6.ndarray的运算
python
复制代码
# 算术运算(对应位置进行算术操作）
# 一维数组之间的算术运算
a = np.array([1,2,3])
b = np.array([4,5,6])
print(a+b)
print(a-b)
print(a*b)
print(a/b)
print(a**2)
复制代码
[5 7 9]
[-3 -3 -3]
[ 4 10 18]
[0.25 0.4 0.5 ]
[1 4 9]
python
复制代码
# 原生的python列表是不支持直接运算的
c = [1,2,3]
d = [4,5,6]
# print(c+d) # 把两个列表拼接起来了：[1, 2, 3, 4, 5, 6]
for i in range(len(c)):
d[i] = d[i] + c[i]
print(d)
复制代码
[5, 7, 9]
python
复制代码
#二维数组之间的算术运算，同理
a = np.array([[1,2,3],[4,5,6],[7,8,9]])
b = np.array([[4,5,6],[7,8,9],[9,10,11]])
print(a+b)
print(a-b)
print(a*b)
print(a/b)
print(a**2)
复制代码
[[ 5 7 9]
[11 13 15]
[16 18 20]]
[[-3 -3 -3]
[-3 -3 -3]
[-2 -2 -2]]
[[ 4 10 18]
[28 40 54]
[63 80 99]]
[[0.25 0.4 0.5 ]
[0.57142857 0.625 0.66666667]
[0.77777778 0.8 0.81818182]]
[[ 1 4 9]
[16 25 36]
[49 64 81]]
python
复制代码
# 数组与数字之间的算术运算
a = np.array([[1,2,3],[4,5,6],[7,8,9]])
print(a+3) # 数组的每一个元素都 +3
print(a-3)
print(a*3)
复制代码
[[ 4 5 6]
[ 7 8 9]
[10 11 12]]
[[-2 -1 0]
[ 1 2 3]
[ 4 5 6]]
[[ 3 6 9]
[12 15 18]
[21 24 27]]
python
复制代码
# 广播机制：1.获取形状 2.是否可广播
# 同一维度（行/列）：相同长度、或其中一个为1
a = np.array([1,2,3]) # 1*3
b = np.array([[4],[5],[6]]) #3*1
print(b-a)
'''
a (扩展成3行，因为b为3行）
1 2 3
1 2 3
1 2 3
b (扩展成3列，因为a为3列）
4 4 4
5 5 5
6 6 6
最后数组对应位置进行算术运算
'''
复制代码
[[3 2 1]
[4 3 2]
[5 4 3]]
'\na (扩展成3行，因为b为3行）\n1 2 3\n1 2 3\n1 2 3\n\nb (扩展成3列，因为a为3列） \n4 4 4\n5 5 5\n6 6 6\n\n最后数组对应位置进行算术运算\n'
python
复制代码
# 错误示例：不能广播
a = np.array([1,2,3]) #1*3
b = np.array([4,5]) #1*2
python
复制代码
# 矩阵运算
a = np.array([[1,2,3],[4,5,6],[7,8,9]])
b = np.array([[4,5,6],[7,8,9],[9,10,11]])
print(a @ b) #与普通乘法对应位置相乘不同（可去了解线性代数矩阵的乘法）
复制代码
[[ 45 51 57]
[105 120 135]
[165 189 213]]
二、numpy中的常用函数
1.基本数学函数
python
复制代码
# 计算平方根
print(np.sqrt(9))
print(np.sqrt([1,4,9])) # 传个列表
arr = np.array([1,25,81])
print(np.sqrt(arr)) #传个数组，返回的结果都是浮点数
复制代码
3.0
[1. 2. 3.]
[1. 5. 9.]
python
复制代码
# 计算指数 e^x = y
print(np.exp(1)) #默认以 e 为底
复制代码
2.718281828459045
python
复制代码
# 计算自然对数 ln y = x
print(np.log(2.71)) #默认以 e 为底
复制代码
0.9969486348916096
python
复制代码
# 计算正弦值、余弦值
print(np.sin(np.pi/2))
print(np.cos(np.pi))
复制代码
1.0
-1.0
python
复制代码
# 计算绝对值
arr = np.array([-1,1,2,-3])
print(np.abs(arr))
复制代码
[1 1 2 3]
python
复制代码
# 计算a的b次幂
print(np.power(arr,2))
复制代码
[1 1 4 9]
python
复制代码
# 四舍五入
print(np.round([3.2,4.5,8.1,9.6])) # 解释4.5->4. 四舍六入，五靠偶
复制代码
[ 3. 4. 8. 10.]
python
复制代码
# 向上取整，向下取整
arr = np.array([1.6,25.1,81.7])
print(np.ceil(arr))
print(np.floor(arr))
复制代码
[ 2. 26. 82.]
[ 1. 25. 81.]
python
复制代码
# 检测缺失值NaN
np.isnan([1,2,np.nan,3])
复制代码
array([False, False, True, False])
2.统计函数
求和、计算平均值、计算中位数、标准差、方差
查找最大值、最小值
计算分位数、累计和、累积差
python
复制代码
arr = np.random.randint(1,20,8)
print(arr)
复制代码
[ 5 9 17 17 11 7 10 1]
python
复制代码
# 求和
print(np.sum(arr))
复制代码
77
python
复制代码
# 计算平均值
print(np.mean(arr))
复制代码
9.625
python
复制代码
# 计算中位数
# 奇数：排序后中间的数值
# 偶数：中间的两个数的平均值
print(np.median([4,1,2]))
print(np.median([1,2,5,6]))
复制代码
2.0
3.5
python
复制代码
# 计算方差、标准差
# 1，2，3 的平均值为 2
# 方差：用来计算数据的离散程度：（ (1-2)^2 + (2-2)^2 + (3-2)^2 ) / 3 =0.6666
# 标准差：sqrt(方差)
print(np.var(arr))
print(np.var([1,2,3])) #方差
print(np.std([1,2,3])) #标准差
复制代码
26.734375
0.6666666666666666
0.816496580927726
python
复制代码
# 计算最大值、最小值
print(arr)
print(np.max(arr),np.argmax(arr)) #np.argmax(arr) 最大值索引
print(np.min(arr),np.argmin(arr))
复制代码
[ 5 9 17 17 11 7 10 1]
17 2
1 7
python
复制代码
# 分位数
print(np.percentile(arr,25)) # 前25%
复制代码
6.5
python
复制代码
# 累计和、累计乘
arr = np.array([1,2,3])
print(np.sum(arr)) # 普通求和
print(np.cumsum(arr)) # 累计和
print(np.cumprod(arr)) # 累积乘
复制代码
6
[1 3 6]
[1 2 6]
3.比较函数
比较是否大于、小于、等于
逻辑与、或、非
检查数组中是否有一个True，是否所有的都为True，自定义条件
python
复制代码
# 是否大于
print(np.greater([3,4,5,6,7],4))
# 是否小于
print(np.less([3,4,5,6,7,8],4))
# 是否等于
print(np.equal([3,4,5,6,7,8],4))
print(np.equal([3,4,5],[4,4,4])) #对应位置数值相比较，前提要保证矩阵形状相同
复制代码
[False False True True True]
[ True False False False False False]
[False True False False False False]
python
复制代码
# 逻辑与、或、非
print(np.logical_and([0,1],[1,1])) # 判断两个列表对应位置的数字中是否存在非0
print(np.logical_or([0,0],[1,0]))
print(np.logical_not([1,0])) #逻辑非：只对应一个矩阵来计算的
复制代码
[False True]
[ True False]
[False True]
python
复制代码
# 检查元素是否至少有一个为True
print(np.any([0,0,0,0,0])) # False
print(np.any([0,0,0,0,1])) # True
#检查是否全部元素为True
print(np.all([0,0,0,1])) # False
print(np.all([1,1,1,1])) # True
复制代码
False
True
False
True
python
复制代码
# 自定义条件
# print(np.where(条件,符合条件,不符合条件)
arr = np.array([1,2,3,4,5])
print(np.where(arr<3,arr,0))
复制代码
[1 2 0 0 0]
python
复制代码
arr = np.array([1,2,3,4,5])
print(np.where(arr<3,1,0)) # 也可用0，1做分类
复制代码
[1 1 0 0 0]
python
复制代码
# 实践
score = np.random.randint(50,100,20)
print(score)
print(np.where(score>=60,"及格","不及格"))
复制代码
[87 54 93 68 59 64 87 85 61 91 73 79 83 52 69 72 95 71 70 70]
['及格' '不及格' '及格' '及格' '不及格' '及格' '及格' '及格' '及格' '及格' '及格' '及格' '及格' '不及格'
'及格' '及格' '及格' '及格' '及格' '及格']
python
复制代码
# 嵌套使用
print(np.where(score<60,"不及格",np.where(
score<80,"良好","优秀"
)
))
复制代码
['优秀' '不及格' '优秀' '良好' '不及格' '良好' '优秀' '优秀' '良好' '优秀' '良好' '良好' '优秀' '不及格'
'良好' '良好' '优秀' '良好' '良好' '良好']
python
复制代码
# np.select(条件,返回的结果) === 同where嵌套使用
print(np.select([score>80,(score>=60) & (score <=80),score<60],['优秀','良好','不及格'],default='未知'))
复制代码
['优秀' '不及格' '优秀' '良好' '不及格' '良好' '优秀' '优秀' '良好' '优秀' '良好' '良好' '优秀' '不及格'
'良好' '良好' '优秀' '良好' '良好' '良好']
python
复制代码
# 排序函数
np.random.seed(0) # 设置随机种子，保证每次运行数据都不会变
arr = np.random.randint(1,100,20)
print(arr)
# arr.sort() # 原数组会改变
# print(arr)
print(np.sort(arr)) #原数组不会改变
print(np.argsort(arr)) #打印排序后元素对应的索引位置
print(arr)
复制代码
[45 48 65 68 68 10 84 22 37 88 71 89 89 13 59 66 40 88 47 89]
[10 13 22 37 40 45 47 48 59 65 66 68 68 71 84 88 88 89 89 89]
[ 5 13 7 8 16 0 18 1 14 2 15 3 4 10 6 9 17 11 12 19]
[45 48 65 68 68 10 84 22 37 88 71 89 89 13 59 66 40 88 47 89]
python
复制代码
# 去重函数（去重的同时进行排序了）
print(np.unique(arr))
复制代码
[10 13 22 37 40 45 47 48 59 65 66 68 71 84 88 89]
python
复制代码
# 数组的拼接
arr1 = np.array([1,2,3])
arr2 = np.array([4,5,6])
print(np.concatenate((arr1,arr2))) # 数组拼接
print(arr1+arr2) #数组对应值相加
复制代码
[1 2 3 4 5 6]
[5 7 9]
python
复制代码
# 数组的分割
print(np.split(arr,4)) # 切成 4 等份 ，必须确保是等分的，否则会报错
print(np.split(arr,[6,12,18])) # [6,12,18]：切割的索引位置
复制代码
[array([45, 48, 65, 68, 68], dtype=int32), array([10, 84, 22, 37, 88], dtype=int32), array([71, 89, 89, 13, 59], dtype=int32), array([66, 40, 88, 47, 89], dtype=int32)]
[array([45, 48, 65, 68, 68, 10], dtype=int32), array([84, 22, 37, 88, 71, 89], dtype=int32), array([89, 13, 59, 66, 40, 88], dtype=int32), array([47, 89], dtype=int32)]
python
复制代码
# 调整数组的形状（也要求等分）
print(np.reshape(arr,[2,10]))
# print(np.reshape(arr,(2,10)))
复制代码
[[45 48 65 68 68 10 84 22 37 88]
[71 89 89 13 59 66 40 88 47 89]]
3.numpy科学计算综合练习
python
复制代码
'''
题目 1：温度数据分析
某城市一周的最高气温℃为 [28,30,29,31,32,30,29]。
- 计算平均气温、最高气温和最低气温。
- 找出气温超过 30℃ 的天数
'''
python
复制代码
import numpy as np
arr = np.array([28,30,29,31,32,30,29])
# print("平均气温：",np.average(arr))
print("平均气温：","%.3f"%np.mean(arr)) #保留3位小数
print("最高气温：",np.max(arr))
print("最低气温：",np.min(arr))
print("气温超过30℃的天数：",len(arr[arr>30])) #布尔索引
print("气温超过30℃的天数：",np.cumsum(np.where(arr>30,1,0))[-1])
print("气温超过30℃的天数：",np.count_nonzero(arr>30))
复制代码
平均气温： 29.857
最高气温： 32
最低气温： 28
气温超过30℃的天数： 2
气温超过30℃的天数： 2
气温超过30℃的天数： 2
python
复制代码
'''
题目 2：学生成绩提及
某班级 5 名学生的数学成绩为 [85,90,78,92,88]
- 计算成绩的平均分、中位数和标准差
- 将成绩转换为（假设满分为10分）后的成绩
'''
python
复制代码
score = np.array([85,90,78,92,88])
print('平均分为：',np.mean(score))
print('中位数为：',np.median(score))
print('标准差为：','%.3f'%np.std(score))
print("转换后的成绩为：",score / 10)
复制代码
平均分为： 86.6
中位数为： 88.0
标准差为： 4.883
转换后的成绩为： [8.5 9. 7.8 9.2 8.8]
python
复制代码
'''
题目 3：矩阵运算
给定矩阵 A = [[1,2],[3,4]] 和 B = [[5,6],[7,8]]
- 计算 A + B 和 A * B （逐元素乘法）
- 计算 A 和 B 的矩阵乘法 （点积）
'''
python
复制代码
A = np.array([[1,2],[3,4]])
B = np.array([[5,6],[7,8]])
print("A+B=",A+B)
print("A*B=",A*B) #逐元素乘法
print("A@B=",A@B) #点积，矩阵乘法
print("A@B=",np.dot(A,B)) #点积，矩阵乘法
复制代码
A+B= [[ 6 8]
[10 12]]
A*B= [[ 5 12]
[21 32]]
A@B= [[19 22]
[43 50]]
A@B= [[19 22]
[43 50]]
python
复制代码
'''题目 4：随机数组生成
生成一个 (3,4) 的随机整数数组，范围 [0,10)
- 计算每列的最大值和每行的最小值
- 将数组中的所有奇数替换为 -1
'''
python
复制代码
np.random.seed(0)
arr = np.random.randint(0,10,(3,4))
print(arr)
print('每列的最大值：',np.max(arr,axis=0)) # axis=0,列 axis=1,行
print('每行的最小值：',np.min(arr,axis=1))
print('将奇数替换成-1后的矩阵为：')
print(np.where(arr%2==1,-1,arr))
# arr[arr%2==1]=-1 一样的效果
# print(arr)
复制代码
[[5 0 3 3]
[7 9 3 5]
[2 4 7 6]]
每列的最大值： [7 9 7 6]
每行的最小值： [0 3 2]
将奇数替换成-1后的矩阵为：
[[-1 0 -1 -1]
[-1 -1 -1 -1]
[ 2 4 -1 6]]
python
复制代码
'''
题目 5：数组得到变形
创建一个 1 到 12 的一维数组，并转换为 (3,4)的二维数组
- 计算每行的和与每列的平均值
- 将数组展平为一堆数组
'''
python
复制代码
arr = np.arange(1,13)
print(arr)
arr = np.reshape(arr,(3,4))
print(arr)
print('每行的和为：',np.sum(arr,axis=1))
print('每列的平均值为：',np.mean(arr,axis=0))
print('展平的数组为：',np.reshape(arr,(12)))
复制代码
[ 1 2 3 4 5 6 7 8 9 10 11 12]
[[ 1 2 3 4]
[ 5 6 7 8]
[ 9 10 11 12]]
每行的和为： [10 26 42]
每列的平均值为： [5. 6. 7. 8.]
展平的数组为： [ 1 2 3 4 5 6 7 8 9 10 11 12]
python
复制代码
'''
题目 6：布尔索引
生成一个 (5,5) 的随机数组，范围 [0,20)
- 找出数组中大于 10 的元素
- 将所有大于 10 的元素替换为 0
'''
python
复制代码
np.random.seed(0)
arr = np.random.randint(0,20,(5,5))
print(arr)
print('数组中大于10的元素：',arr[arr>10]) #布尔索引
# print('将大于10的元素替换为0：',np.where(arr>10,0,arr))
print('将大于10的元素替换为0：')
arr[arr>10] = 0
print(arr)
复制代码
[[12 15 0 3 3]
[ 7 9 19 18 4]
[ 6 12 1 6 7]
[14 17 5 13 8]
[ 9 19 16 19 5]]
数组中大于10的元素： [12 15 19 18 12 14 17 13 19 16 19]
将大于10的元素替换为0：
[[0 0 0 3 3]
[7 9 0 0 4]
[6 0 1 6 7]
[0 0 5 0 8]
[9 0 0 0 5]]
python
复制代码
'''
题目 7：统计函数应用
某公司 6 个月的销售额 （万元） 为 [120,135,110,125,130,140]
- 计算销售额的总和、均值和方差
- 找出销售额最高的月份和最低的月份
'''
python
复制代码
arr = np.array([120,135,110,125,130,140])
print('销售额的总和为：',np.sum(arr))
print('销售额的均值为：',np.mean(arr))
print('销售额的方差为：',np.var(arr))
print('销售额最高的月份为：',np.argmax(arr)+1)
print('销售额的最低的月份为：',np.argmin(arr)+1)
复制代码
销售额的总和为： 760
销售额的均值为： 126.66666666666667
销售额的方差为： 97.22222222222223
销售额最高的月份为： 6
销售额的最低的月份为： 3
python
复制代码
'''
题目 8：数组的拼接
给定 A = [1,2,3] 和 B = [4,5,6]
- 将 A 和 B 水平拼接为一个新数组
- 将 A 和 B 垂直拼接为一个新数组
'''
python
复制代码
A = np.array([1,2,3])
B = np.array([4,5,6])
C= np.concatenate((A,B))
print('水平拼接：',C)
C = np.reshape(C,(2,3))
print('垂直拼接：',C)
复制代码
水平拼接： [1 2 3 4 5 6]
垂直拼接： [[1 2 3]
[4 5 6]]
python
复制代码
'''
题目 9:唯一值与排序
给定数组 [2,1,2,3,1,4,3]
- 找出数组中的唯一值并排序
- 计算每个唯一值出现的次数
'''
python
复制代码
arr = np.array([2,1,2,3,1,4,3])
u_arr,counts = np.unique(arr,return_counts=True) # 同时返回唯一值数组和每一个唯一值出现的次数
print(u_arr)
print(counts)
# 打印唯一值出现的次数（循环法）
# d = []
# for i in range(len(u_arr)):
# d = d + [len(arr[arr==u_arr[i]])]
print(d)
复制代码
[1 2 3 4]
[2 2 2 1]
[2, 2, 2, 1]
python
复制代码
'''
题目 10：综合应用
某商店 5 天的销售额（万元）和成本（万元）如下：
销售额：[20,25,22,30,28]
成本：[15,18,16,22,20]
- 计算每天的利润（销售额 - 成本）
- 计算利润的平均值和标准差
- 找出利润最高的天数
'''
python
复制代码
turnover = np.array([20,25,22,30,28])
cost = np.array([15,18,16,22,20])
money = turnover-cost
print('每天的利润：',money)
print('利润的平均值：',np.mean(money))
print('利润的标准差：',np.std(money))
print('利润最高的天数：',len(money[money==np.max(money)]))
复制代码
每天的利润： [5 7 6 8 8]
利润的平均值： 6.8
利润的标准差： 1.16619037896906
利润最高的天数： 2