python实践课程作业Numpy初体验

第1关：Numpy创建数组

任务描述
本关的小目标是，使用 Numpy 创建一个多维数组。

相关知识
在 Python 中创建数组有许多的方法，这里我们使用 Numpy 中的arange方法快速的新建一个数组：

import numpy as np
a = np.arange(5)
其中import numpy as np是指引入Numpy这个库，并取别名为np。之所以取别名，是为了代码编写的方便。a=np.arange(5)是指将数值0 1 2 3 4赋值给a这个变量，这样我们就快速的创建了一个一维数组。

创建多维数组的方法是:

import numpy as np
b = np.array([np.arange(6),np.arange(6)])
这里，我们使用两个arange方法，创建了两个1x6的一维数组，然后使用numpy的array方法，将两个一维数组组合成一个2x6的二维数组。从而达到了创建多维数组的目的。

numpy创建的数组可以直接复制，具体代码示例如下：

import numpy as np
x = [y for y in range(6)]
b=np.array([x]4)
该段代码会创建一个46的数组。

编程要求
本关的任务是，补全右侧编辑器中 Begin-End 区间的代码，以实现创建一个m*n的多维数组的功能。具体要求如下：

函数接受两个参数，然后创建与之对应的的多维数组；

# 引入numpy库
import numpy as np

# 定义cnmda函数
def cnmda(m,n):
    '''
    创建numpy数组
    参数：
           m:第一维的长度
           n: 第二维的长度
    返回值:
        ret: 一个numpy数组
    '''
    
    ret = 0
    
    # 请在此添加创建多维数组的代码并赋值给ret
    #********** Begin *********#
    b=np.arange(n);
    ret = np.array([b]*m)
    #********** End **********#
    
    return ret

第2关：Numpy数组的基本运算

任务描述
本关的小目标是，学会Numpy二维数组的一些基本操作。

相关知识
Numpy库可以直接进行一些四则运算，快速的处理两个Numpy数组：

a = np.array([[1,2,3],[4,5,6]])
b = np.array([[4,5,6],[1,2,3]])
向量与向量之间
1.加法
In:np.add(a,b) 或 a+b
Out:array([[5, 7, 9],
[5, 7, 9]])
2.减法
In:np.subt\fract(a,b) 或 a-b
Out:array([[-3, -3, -3],
[ 3, 3, 3]])
3.乘法（X乘）
In:np.multiply(a,b) 或 a * b
Out:array([[ 4, 10, 18],
[ 4, 10, 18]])
4.乘法（点乘）
a = np.array([[1,2,3],[4,5,6]])
b = np.array([4,5,6])
In: np.dot(a,b)
Out:array([32, 77])
5.除法
a = np.array([[1,2,3],[4,5,6]])
b = np.array([[4,5,6],[1,2,3]])
In:np.divide(a,b) 或 a/b
Out:array([[ 0.25, 0.4 , 0.5 ],
[ 4. , 2.5 , 2. ]])
向量与标量之间
a = np.array([[1,2,3],[4,5,6]])

1.加法
In: a +1
Out:array([[2, 3, 4],
[5, 6, 7]])
2.减法
In: a -1
Out:array([[0, 1, 2],
[3, 4, 5]])
3.乘法
In: a*2
Out:array([[ 2, 4, 6],
[ 8, 10, 12]])
4.除法
In: a/2
Out:array([[ 0.5, 1. , 1.5],
[ 2. , 2.5, 3. ]])
5.求余
In:a%2
Out:array([[1, 0, 1],
[0, 1, 0]])
6.矩阵转置
In:a.T
Out:array([[1, 4],
[2, 5],
[3, 6]])
7.矩阵的逆
矩阵可逆的充要条件是矩阵满秩。

import numpy as np
import numpy.linalg as lg
a = np.array([[1,2,3],[4,5,6],[7,8,9]])
In:lg.inv(a)
Out:array([[ 3.15251974e+15, -6.30503948e+15, 3.15251974e+15],
[ -6.30503948e+15, 1.26100790e+16, -6.30503948e+15],
[ 3.15251974e+15, -6.30503948e+15, 3.15251974e+15]])
编程要求
本关的任务是，补全右侧编辑器中 Begin-End 区间的代码，以实现向量与标量相加和相乘的的功能。具体要求如下：

函数接受三个参数，然后进行向量与标量之间的运算；

# 引入numpy库
import numpy as np
# 定义opeadd函数
def opeadd(m,b,n):
    '''
    参数：
    m:是一个数组
    b:是一个列表
    n:是列表中的索引
    你需要做的是 m+b[n]
    返回值:
    ret: 一个numpy数组
    '''    
    ret = 0

    #********** Begin *********#
    '''y=np.array(b[n])
    ret=np.add(m,y)'''
    ret=m+b[n]
      #********** End **********#

    return ret
# 定义opemul函数
def opemul(m,b,n):
    '''
    参数：
    m:是一个数组
    b:是一个列表
    n:是列表中的索引
    你需要做的是 m*b[n]
    返回值:
    ret: 一个numpy数组
    '''
    ret = 0

    #********** Begin *********#
    ret=m*b[n]
    #********** End **********#
    return ret

第3关：Numpy数组的切片与索引

任务描述
本关的小目标是，从数组中选择指定的元素。

相关知识
一维Numpy数组的切片操作与Python列表的切片一样。下面首先来定义数字0 1 2直到8的数组，然后通过指定下标3到7来选择数组的部分元素，这实际上就是提取数组中值为3到6的元素。

In: import numpy as np
In: a = np.arange(9)
In: a[3:7]
Out: array([3,4,5,6])
同时用下标选择元素，下标范围从0到7，并且下标每次递增2，如下所示：

In: a[:7:2]
Out:array([0,2,4,6])
也可以像Python数组一样，用负值下标来反转数组：

In: a[::-1]
Out: array([8,7,6,5,4,3,2,1,0])
对于二维数组的索引，类似与Python数组的列表：

In: a=np.array([[1,2,3],[4,3,2]])
In: a[1][0]
Out:array([4])
In:a[1,:2]
Out:array([4, 3])
编程要求
本关的任务是，右侧编辑器中 Begin-End 区间的代码，以实现Numpy数组的索引功能的功能。具体要求如下：

函数接受两个参数，然后返回切片找出的指定元素；

# 引入numpy库
import numpy as np
# 定义cnmda函数
def ce(a,m,n):
    '''
    参数：
    a:是一个Numpy数组
    m:是第m维数组的索引
    n:第m维数组的前n个元素的索引
    返回值:
    ret: 一个numpy数组
    '''
    
    # 请在此添加切片的代码,实现找出多维数组a中第m个数组的前n个元素 并赋值给ret
    #********** Begin *********#
    ret =a[m,:n]

    #********** End **********#
    return ret

第4关：Numpy数组的堆叠

# 引入numpy库
import numpy as np
# 定义varray函数
def  varray(m,n):
    '''
    参数：
    m：是第一个数组
    n：是第二个数组
    返回值:
    ret: 一个numpy数组
    '''
    ret = 0
    # 请在此添加代码实现数组的垂直叠加并赋值给ret
    #********** Begin *********#
    ret=np.vstack((m,n))

    #********** End **********#
    return ret
# 定义darray函数
def  darray(m,n):
    '''
    参数：
    m：是第一个数组
    n：是第二个数组
    返回值:
    ret: 一个numpy数组
    '''
    ret = 0
    # 请在此添加代码实现数组的深度叠加并赋值给ret
    #********** Begin *********#
    ret=np.dstack((m,n))

    #********** End **********#
    return ret
 # 定义harray函数
def  harray(m,n):
    '''
    参数：
    m：是第一个数组
    n：是第二个数组
    返回值:
    ret: 一个numpy数组
    '''
    ret = 0
    # 请在此添加代码实现数组的水平叠加并赋值给ret
    #********** Begin *********#
    ret=np.hstack((m,n))

    #********** End **********#
    return ret

第5关：Numpy的拆分

# 引入numpy库
import numpy as np
# 定义varray函数
def  vsarray(m,n):
    '''
    参数：
    m：是第一个数组
    n：是需要拆分到的维度
    返回值:
    ret: 一个numpy数组
    '''
    ret = 0
    # 请在此添加代码实现数组的纵向拆分并赋值给ret
    #********** Begin *********#
    
    ret=np.vsplit(m,n)

    #********** End **********#
    return ret
# 定义darray函数
def  dsarray(m,n):
    '''
    参数：
    m：是第一个数组
    n：是需要拆分到的维度
    返回值:
    ret: 一个numpy数组
    '''
    ret = 0
    # 请在此添加代码实现数组的深度拆分并赋值给ret
    #********** Begin *********#
    ret=np.dsplit(m,n)

    #********** End **********#
    return ret
 # 定义harray函数
def  hsarray(m,n):
    '''
    参数：
    m：是第一个数组
    n：是需要拆分到的维度
    返回值:
    ret: 一个numpy数组
    '''
    ret = 0
    # 请在此添加代码实现数组的水平拆分并赋值给ret
    #********** Begin *********#
    ret=np.hsplit(m,n)

    #********** End **********#
    return ret