NNDL 实验一 numpy

神经网络与深度学习——numpy基础知识

新学期,依照教书先生的要求,发表这篇博客,诸多纰漏,还望指正。

一、numpy 的array操作

1.导入numpy库

import numpy

2.建立一个一维数组 a 初始化为[4,5,6], (1)输出a 的类型(type)(2)输出a的各维度的大小(shape)(3)输出 a的第一个元素(值为4)

a = np.array([4, 5, 6])
print(type(a))
print(a.shape)
print(a[0])

输出如下:
在这里插入图片描述

3.建立一个二维数组 b,初始化为 [ [4, 5, 6],[1, 2, 3]] (1)输出各维度的大小(shape)(2)输出 b(0,0),b(0,1),b(1,1) 这三个元素(对应值分别为4,5,2)

b = np.array([[4, 5, 6],
              [1, 2, 3]])
print(type(b))
print(b.shape)
print(b[0, 0], b[0, 1], b[1, 1])

输出如下:
在这里插入图片描述

4. (1)建立一个全0矩阵 a, 大小为 3x3; 类型为整型(提示: dtype = int)(2)建立一个全1矩阵b,大小为4x5; (3)建立一个单位矩阵c ,大小为4x4; (4)生成一个随机数矩阵d,大小为 3x2.

a = np.zeros((3, 3), dtype=int)  # 零矩阵
b = np.ones((4, 5))  # 全1矩阵
c = np.eye(4)  # 单位矩阵
d = np.random.rand(3, 2)  # 随机矩阵

5. 建立一个数组 a,(值为[[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]] ) ,(1)打印a; (2)输出 下标为(2,3),(0,0) 这两个数组元素的值

a = np.array([[1, 2, 3, 4],
              [5, 6, 7, 8],
              [9, 10, 11, 12]])
print(a)
print(a[2, 3], a[0, 0])

输出如下:
NNDL 实验一 numpy_第1张图片

6.把上一题的 a数组的 0到1行 2到3列,放到b里面去,(此处不需要从新建立a,直接调用即可)(1),输出b;(2) 输出b 的(0,0)这个元素的值

b = a[0:1, 2:3]
print(b)
print(b[0, 0])

输出如下:
在这里插入图片描述

7. 把第5题中数组a的最后两行所有元素放到 c中,(提示: a[1:2, :])(1)输出 c ; (2) 输出 c 中第一行的最后一个元素(提示,使用 -1 表示最后一个元素)

c = a[-2:]
print(c)
print(c[-1, -1])

输出如下:
在这里插入图片描述

8.建立数组a,初始化a为[[1, 2], [3, 4], [5, 6]],输出 (0,0)(1,1)(2,0)这三个元素(提示: 使用 print(a[[0, 1, 2], [0, 1, 0]]) )

a = np.array([[1, 2],
              [3, 4],
              [5, 6]])
print(a[[0, 1, 2], [0, 1, 0]])

输出如下:
在这里插入图片描述

9.建立矩阵a ,初始化为[[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12]],输出(0,0),(1,2),(2,0),(3,1) (提示使用 b = np.array([0, 2, 0, 1]) print(a[np.arange(4), b]))

a = np.array([[1, 2, 3],
              [4, 5, 6],
              [7, 8, 9],
              [10, 11, 12]])
b = np.array([0, 2, 0, 1])
print(a[np.arange(4), b])

输出如下:
在这里插入图片描述

10.对9 中输出的那四个元素,每个都加上10,然后重新输出矩阵a.(提示: a[np.arange(4), b] += 10 )

print('     10')
a[np.arange(4), b] += 10
print(a)

输出如下:
NNDL 实验一 numpy_第2张图片

二、array 的数学运算

11. 执行 x = np.array([1, 2]),然后输出 x 的数据类型

x = np.array([1, 2])
print(x.dtype)

输出如下:
在这里插入图片描述

12.执行 x = np.array([1.0, 2.0]) ,然后输出 x 的数据类类型

x = np.array([1.0, 2.0])
print(x.dtype)

输出如下:
在这里插入图片描述

13.执行 x = np.array([[1, 2], [3, 4]], dtype=np.float64) ,y = np.array([[5, 6], [7, 8]], dtype=np.float64),然后输出 x+y ,和 np.add(x,y)

x = np.array([[1, 2],
              [3, 4]], dtype=np.float64)
y = np.array([[5, 6],
              [7, 8]], dtype=np.float64)
print('x+y:', x + y)
print('add(x,y):', np.add(x, y))

输出如下:
NNDL 实验一 numpy_第3张图片

14. 利用 13题目中的x,y 输出 x-y 和 np.subtract(x,y)

print('x-y', x - y)
print('subtract(x,y)', np.subtract(x, y))

输出如下:
NNDL 实验一 numpy_第4张图片

15. 利用13题目中的x,y 输出 x*y ,和 np.multiply(x, y) 还有 np.dot(x,y),比较差异。然后自己换一个不是方阵的试试。

print('x+y', x * y)
print('multiply(test1, test2):', np.multiply(x, y))
print('dot(test1, test2):', np.dot(x, y))
test1 = np.array([1, 2, 3])
test2 = np.array([2, 3, 4])
print('multiply(test1, test2):', np.multiply(test1, test2))
print('dot(test1, test2):', np.dot(test1, test2))
'''multiply是对数组执行对应位置相乘,输出与相乘矩阵或数组相同,
   而dot是执行矩阵乘法'''

输出如下:
NNDL 实验一 numpy_第5张图片

16. 利用13题目中的x,y,输出 x / y .(提示 : 使用函数 np.divide())

print(np.divide(x, y))

输出如下:
在这里插入图片描述

17. 利用13题目中的x,输出 x的 开方。(提示: 使用函数 np.sqrt() )

print(np.sqrt(x))

输出如下:
在这里插入图片描述

18.利用13题目中的x,y ,执行 print(x.dot(y)) 和 print(np.dot(x,y))

print('x.dot(y):', x.dot(y))
print('np.dot(x, y):', np.dot(x, y))

输出如下:
NNDL 实验一 numpy_第6张图片

19.利用13题目中的 x,进行求和。提示:输出三种求和 (1)print(np.sum(x)): (2)print(np.sum(x,axis =0 )); (3)print(np.sum(x,axis = 1))

print("first", np.sum(x))
print("second", np.sum(x, axis=0))  # 列方向求和
print("third", np.sum(x, axis=1))  # 横方向求和

输出如下:
在这里插入图片描述

20.利用13题目中的 x,进行求平均数(提示:输出三种平均数(1)print(np.mean(x)) (2)print(np.mean(x,axis = 0))(3) print(np.mean(x,axis =1)))

print("first:", np.mean(x))
print("second:", np.mean(x, axis=0))  # 列方向求平均
print("third:", np.mean(x, axis=1))  # 横方向求平均

输出如下:
在这里插入图片描述

21.利用13题目中的x,对x 进行矩阵转置,然后输出转置后的结果,(提示: x.T 表示对 x 的转置)

print(x.T)

输出如下:
在这里插入图片描述

22.利用13题目中的x,求e的指数(提示: 函数 np.exp())

print(np.exp(x))

输出如下:
在这里插入图片描述

23.利用13题目中的 x,求值最大的下标(提示(1)print(np.argmax(x)) ,(2) print(np.argmax(x, axis =0))(3)print(np.argmax(x),axis =1))

print("first:", np.argmax(x))
print("second:", np.argmax(x, axis=0))  # 各个列方向值最大的下标
print("third:", np.argmax(x, axis=1))  # 各个横方向方向值最大的下标

输出如下:
在这里插入图片描述

24,画图,y=x*x 其中 x = np.arange(0, 100, 0.1) (提示这里用到 matplotlib.pyplot 库)

import matplotlib.pyplot as plt
x = np.arange(0, 100, 0.1)
y = x * x
plt.plot(x, y)
plt.title("y=x^2")  # 设置标题
plt.show()  # 展示

输出如下:

NNDL 实验一 numpy_第7张图片

25.画图。画正弦函数和余弦函数, x = np.arange(0, 3 * np.pi, 0.1)(提示:这里用到 np.sin() np.cos() 函数和 matplotlib.pyplot 库)

x = np.arange(0, 3 * np.pi, 0.1)
y1 = np.sin(x)
y2 = np.cos(x)
# 画sinx
plt.plot(x, y1)
plt.title("y=sinx")  # 设置标题
plt.show()  # 展示
# 画cosx
plt.plot(x, y2)
plt.title("y=cosx")  # 设置标题
plt.show()  # 展示

输出如下:
NNDL 实验一 numpy_第8张图片
NNDL 实验一 numpy_第9张图片
全部代码

# 1.导入numpy库
import numpy as np

# 2.建立一个一维数组 a 初始化为[4,5,6], (1)输出a 的类型(type)(2)输出a的各维度的大小(shape)(3)输出 a的第一个元素(值为4)
print('     2')
a = np.array([4, 5, 6])
print(type(a))
print(a.shape)
print(a[0])
# 3.建立一个二维数组 b,初始化为 [ [4, 5, 6],[1, 2, 3]] (1)输出各维度的大小(shape)(2)输出 b(0,0),b(0,1),b(1,1) 这三个元素(对应值分别为4,5,2)
print('     3')
b = np.array([[4, 5, 6],
              [1, 2, 3]])
print(type(b))
print(b.shape)
print(b[0, 0], b[0, 1], b[1, 1])
# 4. (1)建立一个全0矩阵 a, 大小为 3x3; 类型为整型(提示: dtype = int)(2)建立一个全1矩阵b,大小为4x5; (3)建立一个单位矩阵c ,大小为4x4; (4)生成一个随机数矩阵d,大小为 3x2.
import random

print('     4')
a = np.zeros((3, 3), dtype=int)
b = np.ones((4, 5))
c = np.eye(4)
d = np.random.rand(3, 2)
# 5. 建立一个数组 a,(值为[[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]] ) ,(1)打印a; (2)输出 下标为(2,3),(0,0) 这两个数组元素的值
print('     5')
a = np.array([[1, 2, 3, 4],
              [5, 6, 7, 8],
              [9, 10, 11, 12]])
print(a)
print(a[2, 3], a[0, 0])
# 6.把上一题的 a数组的 0到1行 2到3列,放到b里面去,(此处不需要从新建立a,直接调用即可)(1),输出b;(2) 输出b 的(0,0)这个元素的值
print('     6')
b = a[0:1, 2:3]
print(b)
print(b[0, 0])
# 7. 把第5题中数组a的最后两行所有元素放到 c中,(提示: a[1:2, :])(1)输出 c ; (2) 输出 c 中第一行的最后一个元素(提示,使用 -1 表示最后一个元素)
print('     7')
c = a[-2:]
print(c)
print(c[-1, -1])
# 8.建立数组a,初始化a为[[1, 2], [3, 4], [5, 6]],输出 (0,0)(1,1)(2,0)这三个元素(提示: 使用 print(a[[0, 1, 2], [0, 1, 0]])
print('     8')
a = np.array([[1, 2],
              [3, 4],
              [5, 6]])
print(a[[0, 1, 2], [0, 1, 0]])
# 9.建立矩阵a ,初始化为[[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12]],输出(0,0),(1,2),(2,0),(3,1) (提示使用 b = np.array([0, 2, 0,1]) print(a[np.arange(4), b]))
print('     9')
a = np.array([[1, 2, 3],
              [4, 5, 6],
              [7, 8, 9],
              [10, 11, 12]])
b = np.array([0, 2, 0, 1])
print(a[np.arange(4), b])
# 10.对9 中输出的那四个元素,每个都加上10,然后重新输出矩阵a.(提示: a[np.arange(4), b] += 10 )
print('     10')
a[np.arange(4), b] += 10
print(a)
# array 的数学运算
# 11. 执行 x = np.array([1, 2]),然后输出 x 的数据类型
print('     11')
x = np.array([1, 2])
print(x.dtype)
# 12.执行 x = np.array([1.0, 2.0]) ,然后输出 x 的数据类类型
print('     12')
x = np.array([1.0, 2.0])
print(x.dtype)
# 13.执行 x = np.array([[1, 2], [3, 4]], dtype=np.float64) ,y = np.array([[5, 6], [7, 8]], dtype=np.float64),然后输出 x+y ,和 np.add(x,y)
print('     13')
x = np.array([[1, 2],
              [3, 4]], dtype=np.float64)
y = np.array([[5, 6],
              [7, 8]], dtype=np.float64)
print('x+y:', x + y)
print('add(x,y):', np.add(x, y))
# 14. 利用 13题目中的x,y 输出 x-y 和 np.subtract(x,y)
print('     14')
print('x-y', x - y)
print('subtract(x,y)', np.subtract(x, y))
# 15. 利用13题目中的x,y 输出 x*y ,和 np.multiply(x, y) 还有 np.dot(x,y),比较差异。然后自己换一个不是方阵的试试。
print('     15')
print('x+y', x * y)
print('multiply(test1, test2):', np.multiply(x, y))
print('dot(test1, test2):', np.dot(x, y))
test1 = np.array([1, 2, 3])
test2 = np.array([2, 3, 4])
print('multiply(test1, test2):', np.multiply(test1, test2))
print('dot(test1, test2):', np.dot(test1, test2))
'''multiply是对数组执行对应位置相乘,输出与相乘矩阵或数组相同,
   而dot是执行矩阵乘法'''
# 16. 利用13题目中的x,y,输出 x / y .(提示 : 使用函数 np.divide())
print('     16')
print(np.divide(x, y))
# 17. 利用13题目中的x,输出 x的 开方。(提示: 使用函数 np.sqrt() )
print('     17')
print(np.sqrt(x))
# 18.利用13题目中的x,y ,执行 print(x.dot(y)) 和 print(np.dot(x,y))
print('     18')
print('x.dot(y):', x.dot(y))
print('np.dot(x, y):', np.dot(x, y))
# 19.利用13题目中的 x,进行求和。提示:输出三种求和 (1)print(np.sum(x)): (2)print(np.sum(x,axis =0 )); (3)print(np.sum(x,axis = 1))
print('     19')
print("first", np.sum(x))
print("second", np.sum(x, axis=0))  # 列方向求和
print("third", np.sum(x, axis=1))  # 横方向求和
# 20.利用13题目中的 x,进行求平均数(提示:输出三种平均数(1)print(np.mean(x)) (2)print(np.mean(x,axis = 0))(3) print(np.mean(x,axis =1)))
print('      20')
print("first:", np.mean(x))
print("second:", np.mean(x, axis=0))  # 列方向求平均
print("third:", np.mean(x, axis=1))  # 横方向求平均
# 21.利用13题目中的x,对x 进行矩阵转置,然后输出转置后的结果,(提示: x.T 表示对 x 的转置)
print('      21')
print(x.T)
# 22.利用13题目中的x,求e的指数(提示: 函数 np.exp())
print('      22')
print(np.exp(x))
# 23.利用13题目中的 x,求值最大的下标(提示(1)print(np.argmax(x)) ,(2) print(np.argmax(x, axis =0))(3)print(np.argmax(x),axis =1))
print('      23')
print("first:", np.argmax(x))
print("second:", np.argmax(x, axis=0))  # 各个列方向值最大的下标
print("third:", np.argmax(x, axis=1))  # 各个横方向方向值最大的下标
# 24,画图,y=x*x 其中 x = np.arange(0, 100, 0.1) (提示这里用到 matplotlib.pyplot 库)
import matplotlib.pyplot as plt
x = np.arange(0, 100, 0.1)
y = x * x
plt.plot(x, y)
plt.title("y=x^2")  # 设置标题
plt.show()  # 展示
# 25.画图。画正弦函数和余弦函数, x = np.arange(0, 3 * np.pi, 0.1)(提示:这里用到 np.sin() np.cos() 函数和 matplotlib.pyplot 库)
x = np.arange(0, 3 * np.pi, 0.1)
y1 = np.sin(x)
y2 = np.cos(x)
# 画sinx
plt.plot(x, y1)
plt.title("y=sinx")  # 设置标题
plt.show()  # 展示
# 画cosx
plt.plot(x, y2)
plt.title("y=cosx")  # 设置标题
plt.show()  # 展示

以上就是今天的全部内容了,希望能过帮助到各位,以后会持续更新。若读者诸君不吝指出其中错误,将不胜感激。
这里是我们老师发布的原题目https://blog.csdn.net/qq_38975453/article/details/126490881?spm=1001.2014.3001.5502,大家可以一起做一遍,共同进步。

你可能感兴趣的:(numpy,python,机器学习)