NumPy学的还不错？来试试这20题
来源 | 早起Python（ID: zaoqi-python）
又到了NumPy进阶修炼专题。NumPy大家应该不陌生了，看了太多的原理讲解之后，用刷题来学习是最有效的方法，本文将带来20个NumPy经典问题，附赠20段实用代码，拿走就用，建议打开Jupyter Notebook边敲边看。
数据查找
问：如何获得两个数组之间的相同元素
输入：
import numpy as np
import pandas as pd
import warnings
warnings.filterwarnings("ignore")
arr1 = np.random.randint(10,6,6)
arr2 = np.random.randint(10,6,6)
答案：
arr1 = np.random.randint(10,6,6)
arr2 = np.random.randint(10,6,6)
print("arr1: %s"%arr1)
print("arr2: %s"%arr2)
np.intersect1d(arr1,arr2)
数据修改
问：如何从一个数组中删除另一个数组存在的元素
输入：
arr1 = np.random.randint(10,6,6)
arr2 = np.random.randint(10,6,6)
答案：
arr1 = np.random.randint(1,10,10)
arr2 = np.random.randint(1,10,10)
print("arr1: %s"%arr1)
print("arr2: %s"%arr2)
np.setdiff1d(arr1,arr2)
数据修改
问：如何修改一个数组为只读模式
输入：
arr1 = np.random.randint(1,10,10)
答案：
arr1 = np.random.randint(1,10,10)
arr1.flags.writeable = False
数据转换
问：如何将list转为numpy数组
输入：
a = [1,2,3,4,5]
答案：
a = [1,2,3,4,5]
np.array(a)
数据转换
问：如何将pd.DataFrame转为numpy数组
输入：
df = pd.DataFrame({'A':[1,2,3],'B':[4,5,6],'C':[7,8,9]})
答案：
df.values
数据分析
问：如何使用numpy进行描述性统计分析
输入：
arr1 = np.random.randint(1,10,10)
arr2 = np.random.randint(1,10,10)
答案：
arr1 = np.random.randint(1,10,10)
arr2 = np.random.randint(1,10,10)
print("arr1的平均数为:%s" %np.mean(arr1))
print("arr1的中位数为:%s" %np.median(arr1))
print("arr1的方差为:%s" %np.var(arr1))
print("arr1的标准差为:%s" %np.std(arr1))
print("arr1,arr的相关性矩阵为:%s" %np.cov(arr1,arr2))
print("arr1,arr的协方差矩阵为:%s" %np.corrcoef(arr1,arr2))
数据抽样
问：如何使用numpy进行概率抽样
arr = np.array([1,2,3,4,5])
输入：
arr = np.array([1,2,3,4,5])
np.random.choice(arr,10,p = [0.1,0.1,0.1,0.1,0.6])
答案：
数据创建
问：如何为数据创建副本
输入：
arr = np.array([1,2,3,4,5])
答案：
#对副本数据进行修改，不会影响到原始数据
arr = np.array([1,2,3,4,5])
arr1 = arr.copy()
数据切片
问：如何对数组进行切片
输入：
arr = np.arange(10)
备注：从索引2开始到索引8停止，间隔为2
答案：
arr = np.arange(10)
a = slice(2,8,2)
arr[a] #等价于arr[2:8:2]
字符串操作
问：如何使用NumPy操作字符串
输入：
str1 = ['I love']
str2 = [' Python']
答案：
#拼接字符串
str1 = ['I love']
str2 = [' Python']
print(np.char.add(str1,str2))
#大写首字母
str3 = np.char.add(str1,str2)
print(np.char.title(str3))
数据修改
问：如何对数据向上/下取整
输入：
arr = np.random.uniform(0,10,10)
答案：
arr = np.random.uniform(0,10,10)
print(arr)
###向上取整
print(np.ceil(arr))
###向下取整
print(np.floor(arr) )
格式修改
问：如何取消默认科学计数显示数据
答案：
np.set_printoptions(suppress=True)
数据修改
问：如何使用NumPy对二维数组逆序
输入：
arr = np.random.randint(1,10,[3,3])
答案：
arr = np.random.randint(1,10,[3,3])
print(arr)
print('列逆序')
print(arr[:, -1::-1])
print('行逆序')
print(arr[-1::-1, :])
数据查找
问：如何使用NumPy根据位置查找元素
输入：
arr1 = np.random.randint(1,10,5)
arr2 = np.random.randint(1,20,10)
备注：在arr2中根据arr1中元素以位置查找
答案：
arr1 = np.random.randint(1,10,5)
arr2 = np.random.randint(1,20,10)
print(arr1)
print(arr2)
print(np.take(arr2,arr1))
数据计算
问：如何使用numpy求余数
输入：
a = 10
b = 3
答案：
np.mod(a,b)
数据计算
问：如何使用NumPy进行矩阵SVD分解
输入：
A = np.random.randint(1,10,[3,3])
答案：
np.linalg.svd(A)
数据筛选
问：如何使用NumPy多条件筛选数据
输入：
arr = np.random.randint(1,20,10)
答案：
arr = np.random.randint(1,20,10)
print(arr[(arr>1)&(arr<7)&(arr%2==0)])
数据修改
问：如何使用NumPy对数组分类
备注：将大于等于7，或小于3的元素标记为1，其余为0
输入：
arr = np.random.randint(1,20,10)
答案：
arr = np.random.randint(1,20,10)
print(arr)
print(np.piecewise(arr, [arr < 3, arr >= 7], [-1, 1]))
数据修改
问：如何使用NumPy压缩矩阵
备注：从数组的形状中删除单维度条目，即把shape中为1的维度去掉
输入：
arr = np.random.randint(1,10,[3,1])
答案：
arr = np.random.randint(1,10,[3,1])
print(arr)
print(np.squeeze(arr))
数据计算
问：如何使用numpy求解线性方程组
输入：
A = np.array([[1, 2, 3], [2, -1, 1], [3, 0, -1]])
b = np.array([9, 8, 3])
备注：求解Ax=b
答案：
A = np.array([[1, 2, 3], [2, -1, 1], [3, 0, -1]])
b = np.array([9, 8, 3])
x = np.linalg.solve(A, b)
print(x)
以上就是我总结的NumPy经典20题，你都会吗？并且每题我都只给出了一种解法，而事实上每题都有多种解法，所以你应该思考是否有更好的思路。
更多精彩推荐
☞机器学习算法易受攻击？阿里“安全基建”这样应对AI的不安全
☞代码恒久远，GitHub 永流传
☞腾讯员工每天在岗不足 8 小时被辞？背后原因可能不止你看到的这些
☞5G：新基建的压舱石，如何为新基建按下“加速键”？
☞中国人工智能市场破 50 亿！你还不了解 AI 云服务吗？
☞员工导致Twitter陷入史诗级加密黑客风暴？官方回应来了
点分享点点赞点在看