- 下面脚本运行后的结果是什么?(提示: np.sum)
sum(range(5), -1) # 9 #元组计算总和后再减1。1+2+3+4-1=9
np.sum(range(5), -1) # 10 axis=-1，为负数，则从最后一个到第一个轴计数
- 考虑一个整数向量Z,下列表达合法的是哪个?
Z = np.arange(5) # [0 1 2 3 4]
t1 = Z ** Z # [ 1 1 4 27 256] 0^0=1，1^1=1，2^2=4，3^3=27，4^4=256
t2 = 2 << Z >> 2 # [0 1 2 4 8] 以3为例先2<<3=16 16>>2=16/2^2=4
t3 = Z < - Z # legal [False False False False False]
t4 = 1j * Z # legal [0.+0.j 0.+1.j 0.+2.j 0.+3.j 0.+4.j] 复数域
t5 = Z / 1 / 1 # legal [0. 1. 2. 3. 4.]
t6 = Z < Z > Z # false 报错
- 下列表达式的结果分别是什么?
n1 = np.array(0) / np.array(0) # 报错，n1=nan
n2 = np.array(0) // np.array(0) # 报错，n2=0
n3 = np.array([np.nan]).astype(int).astype(float) # [-2.14748365e+09]
- 如何从零位对浮点数组做舍入 ?(提示: np.uniform, np.copysign, np.ceil, np.abs)
# 从一个均匀分布[low,high)中随机采样，注意定义域是左闭右开，即包含low，不包含high.
Z = np.random.uniform(-10, +10, 10)
Z1 = np.copysign(np.ceil(np.abs(Z)), Z) # 先取绝对值，再取标量的上界，最后赋予之前同样的正负号
- 如何找到两个数组中的共同元素?(提示: np.intersect1d)
Z1 = np.random.randint(0, 10, 10)
Z2 = np.random.randint(0, 10, 10)
result = np.intersect1d(Z1, Z2)
- 如何忽略所有的 numpy 警告(尽管不建议这么做)?(提示: np.seterr, np.errstate)
# defaults=np.seterr(all="ignore")
# Z=np.ones(1) /0
# _=np.seterr(**defaults)
with np.errstate(divide='ignore'):
Z = np.ones(1) / 0
- 下面的表达式是正确的吗?(提示: imaginary number)
t = (np.sqrt(-1) == np.emath.sqrt(-1)) # 警告，False
- 如何得到昨天，今天，明天的日期?(提示: np.datetime64, np.timedelta64)
yesterday = np.datetime64('today', 'D') - np.timedelta64(1, 'D')
today = np.datetime64('today', 'D')
tomorrow = np.datetime64('today', 'D') + np.timedelta64(1, 'D')
import datetime
now = datetime.datetime.now() #打印当前时间
now.strftime('%Y-%m-%d %H:%M:%S')
- 如何得到所有与2016年7月对应的日期？(提示: np.arange(dtype=datetime64['D']))
Z = np.arange('2016-07', '2016-08', dtype='datetime64[D]')
- 如何直接在位计算(A+B)*(-A/2)(不建立副本)?(提示: np.add(out=), np.negative(out=), np.multiply(out=), np.divide(out=))
A = np.ones(3) * 1
B = np.ones(3) * 2
np.add(A, B, out=B)
np.divide(A, 2, out=A)
np.negative(A, out=A)
np.multiply(A, B, out=A)
- 用五种不同的方法去提取一个随机数组的整数部分(提示: %, np.floor, np.ceil, astype, np.trunc)
Z = np.random.uniform(0, 10, 10)
Z1 = Z - Z % 1 # 浮点数减去小数部分
Z2 = np.floor(Z) # 取其下界
Z3 = np.ceil(Z) - 1 # 取其上界减1
Z4 = Z.astype(int) # 浮点数类型设置为整数类型
Z5 = np.trunc(Z) # 取整使其更靠近0，-1.6->-1，1.6->1
- 创建一个5x5的矩阵，其中每行的数值范围从0到4(提示: np.arange)
'''
matrix=np.arange(0,5)
matrix=np.tile(matrix,(5,1))
'''
Z = np.zeros((5, 5))
Z += np.arange(5)
- 通过考虑一个可生成10个整数的函数，来构建一个数组(提示: np.fromiter)
'''
iterable = [i for i in range(10)]
Z = np.fromiter(iterable,float)
'''
def generate():
for x in range(10):
yield x
# 关于yield关键字的解释博客https://blog.csdn.net/mieleizhi0522/article/details/82142856
Z = np.fromiter(generate(), dtype=float, count=-1)
- 创建一个长度为10的随机向量，其值域范围从0到1，但是不包括0和1(提示: np.linspace)
Z = np.linspace(0, 1, 11, endpoint=False)[1:]
- 创建一个长度为10的随机向量，并将其排序(提示: sort)
Z = np.random.random(10)
Zsort = Z.sort()
41.对于一个小数组，如何用比 np.sum更快的方式对其求和？(提示: np.add.reduce)
Z = np.arange(10)
t = np.add.reduce(Z)
- 对于两个随机数组A和B，检查它们是否相等(提示: np.allclose, np.array_equal)
A = np.random.randint(0, 2, 5)
B = np.random.randint(0, 2, 5)
#方法一 可以容忍一定的误差
# Assuming identical shape of the arrays and a tolerance for the comparison of values
equal = np.allclose(A, B)
# 方法2 要求每个元素严格相等
# Checking both the shape and the element values, no tolerance (values have to be exactly equal)
equal = np.array_equal(A, B)
- 创建一个只读数组(read-only)(提示: flags.writeable)
Z = np.zeros(10)
Z.flags.writeable = False
Z[0] = 1 # 报错 assignment destination is read-only
- 将笛卡尔坐标下的一个10x2的矩阵转换为极坐标形式(hint: np.sqrt, np.arctan2)
Z = np.random.random((10, 2))
X, Y = Z[:, 0], Z[:, 1]
R = np.sqrt(X ** 2 + Y ** 2) # 半径
T = np.arctan2(Y, X) # 弧度
angle = np.arctan2(Y, X) * 180 / np.pi # 角度
- 创建一个长度为10的向量，并将向量中最大值替换为1(提示: argmax)
Z = np.random.random(10)
index = np.argmax(Z)
Z[index] = 1
- 创建一个结构化数组，并实现 x 和 y 坐标覆盖 [0,1]x[0,1] 区域(提示: np.meshgrid)
'''
Z = np.zeros((5, 5), [('x', float), ('y', float)])
X = np.arange(0, 0.5, 0.1)
Y = np.arange(0, 0.5, 0.1)
Z['x'], Z['y'] = np.meshgrid(X, Y)
'''
Z = np.zeros((5, 5), [('x', float), ('y', float)])
Z['x'], Z['y'] = np.meshgrid(np.linspace(0, 1, 5), np.linspace(0, 1, 5))
- 给定两个数组X和Y，构造Cauchy矩阵(柯西矩阵)C (Cij =1/(xi - yj))(提示: np.subtract.outer)
X = np.arange(8)
Y = X + 0.5
C = 1.0 / np.subtract.outer(X, Y)
- 打印每个numpy标量类型的最小值和最大值？(提示: np.iinfo, np.finfo, eps)
for dtype in [np.int8, np.int32, np.int64]:
print(np.iinfo(dtype).min)
print(np.iinfo(dtype).max)
for dtype in [np.float32, np.float64]:
print(np.finfo(dtype).min)
print(np.finfo(dtype).max)
print(np.finfo(dtype).eps)
- 如何打印一个数组中的所有数值?(提示: np.set_printoptions)
np.set_printoptions(threshold=1000)
Z = np.arange(256).reshape(16, 16)
- 给定标量时，如何找到数组中最接近标量的值？(提示: argmin)
Z = np.random.randint(0, 50, 10)
print(Z)
scalar = 8
# 数组减去该值再取绝对值表示每个元素与标量的距离，取最小值则为最接近的值
index = np.argmin(np.abs(Z - scalar))
print(Z[index])
网友评论