NumPy学的还不错?来试试这20题!

点击上方“Python爬虫与数据挖掘”,进行关注

回复“书籍”即可获赠Python从入门到进阶共10本电子书

巧啭岂能无本意?良辰未必有佳期。

大家好,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!

01

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)

02

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)

03

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

04

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)

05

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

06

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))

07

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:

08

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()

09

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]

10

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))

11

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) )

12

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)

13

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, :])

14

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))

15

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)

16

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)

17

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)])

18

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]))

19

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))

20

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!

------------------- End -------------------

往期精彩文章推荐:

  • 手把手用Python教你如何发现隐藏wifi

  • 手把手教你用Python做个可视化的“剪刀石头布”小游戏

  • Python基础语法——代码规范&判断语句&循环语句

欢迎大家点赞,留言,转发,转载,感谢大家的相伴与支持

想加入Python学习群请在后台回复【入群

万水千山总是情,点个【在看】行不行

/今日留言主题/

随便说一两句吧~~

你可能感兴趣的:(数据挖掘,协方差,numpy,xhtml,3d)