[educoder]1、NumPy基础及取值操作

NumPy(Numerical Python) 是 Python 语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。是在学习机器学习、深度学习之前应该掌握的一个非常基本且实用的Python库。

本实训将介绍 NumPy 的一些基础知识以及常用的一些基本功能。实训通关后您将学会 NumPy 的基础使用技能，并为后续的 进阶部分 与 综合练习部分打好基础。

PS：若需要更加详细的查阅NumPy所提供的接口，可以查阅 官方文档 。

第1关：ndarray对象

编程要求
根据提示，在右侧编辑器Begin-End中填充代码，根据测试用例的输入，实例化出对应的ndarray对象并打印。

具体要求请参见后续测试样例。
请先仔细阅读右侧上部代码编辑区内给出的代码框架，再开始你的编程工作！

测试说明
平台会对你编写的代码进行测试，对比你输出的数值与实际正确的数值，只有所有数据全部计算正确才能进入下一关。

shape：为需要实例化出来的ndarray对象的shape；

data：表示需要实例化出来的ndarray对象中元素的值。

例如：{‘shape’:[1, 2], ‘data’:[[1, 2]]}表示ndarray对象的形状为1行2列，第1行第1列的值为1，第1行第2列的值为2。

测试输入：
{‘shape’:[1, 2], ‘data’:[[1, 2]]}

预期输出：
[[1 2]]

开始你的任务吧，祝你成功！

import numpy as np


def print_ndarray(input_data):
    '''
    实例化ndarray对象并打印
    :param input_data: 测试用例，类型为字典类型
    :return: None
    '''

    #********* Begin *********#
    a = np.array(input_data['data'])
    print(a)
    #********* End *********#

第2关：形状操作

编程要求
根据提示，在右侧编辑器Begin-End中填充代码，根据测试用例的输入，将列表转换成ndarray后变形成一维数组并将其打印。

具体要求请参见后续测试样例。
请先仔细阅读右侧上部代码编辑区内给出的代码框架，再开始你的编程工作！

测试说明
平台会对你编写的代码进行测试，对比你输出的数值与实际正确的数值，只有所有数据全部计算正确才能进入下一关。

测试输入：
[[1, 2, 3], [4, 5, 6]]
预期输出：
[1, 2, 3, 4, 5, 6]

import numpy as np
a = np.zeros((3, 4))  
``````python  
import numpy as np
a = np.zeros((3, 4))  
``````python  
import numpy as np
a = np.zeros((3, 4))  

开始你的任务吧，祝你成功！

import numpy as np


def reshape_ndarray(input_data):
    '''
    将ipnut_data转换成ndarray后将其变形成一位数组并打印
    :param input_data: 测试用例，类型为list
    :return: None
    '''

    #********* Begin *********#
    after_reshape = np.array(input_data).reshape(-1)
    print(after_reshape)
    #********* End *********#

第3关：基础操作

编程要求
根据提示，在右侧编辑器Begin-End处补充代码，根据测试用例的输入，打印每行的最大值的位置。

具体要求请参见后续测试样例。
请先仔细阅读右侧上部代码编辑区内给出的代码框架，再开始你的编程工作！

测试说明
平台会对你编写的代码进行测试，对比你输出的数值与实际正确的数值，只有所有数据全部计算正确才能进入下一关。

测试输入：
[[0.2, 0.7, 0.1], [0.1, 0.3, 0.6]]
预期输出：
[1 2]

开始你的任务吧，祝你成功！

import numpy as np


def get_answer(input_data):
    '''
    将input_data转换成ndarray后统计每一行中最大值的位置并打印
    :param input_data: 测试用例，类型为list
    :return: None
    '''

    #********* Begin *********#
    print(np.array(input_data).argmax(axis = 1))
    #********* End *********#

第4关：随机数生成

编程要求
根据提示，在右侧编辑器Begin-End处补充代码，将测试用例输入打乱顺序并返回打乱结果。

具体要求请参见后续测试样例。
注意：评测程序内部已经设置好了随机种子，为了顺利评测，请使用np.random.choice()函数来实现打乱顺序。

请先仔细阅读右侧上部代码编辑区内给出的代码框架，再开始你的编程工作！

测试说明
平台会对你编写的代码进行测试，对比你输出的数值与实际正确的数值，只有所有数据全部计算正确才能进入下一关。

测试输入：
[1, 2, 3, 4, 5, 6]
预期输出：
[4, 3, 5, 1, 2, 6]

开始你的任务吧，祝你成功！

import numpy as np


def shuffle(input_data):
    '''
    打乱input_data并返回打乱结果
    :param input_data: 测试用例输入，类型为list
    :return: result，类型为list
    '''

    # 保存打乱的结果
    result = []
    #********* Begin *********#
    result = list(np.random.choice(a=input_data,size=len(input_data),replace=False))
    #********* End *********#
    return result

第5关：索引与切片

编程要求
在图像处理中，我们通常会将我们感兴趣的区域提取出来再进行处理，而这个感兴趣区域成为ROI(Region Of Interest)。本关的任务是根据提示，在右侧编辑器Begin-End处补充代码，根据测试用例的输入将ROI的提取并返回(ROI是一个矩阵)。

具体要求请参见后续测试样例。
请先仔细阅读右侧上部代码编辑区内给出的代码框架，再开始你的编程工作！

测试说明
平台会对你编写的代码进行测试。你只需按要求完成get_roi(data, x, y, w, h)函数即可。其中：

data：待提取ROI的原始图像数据(其实就是个二维数组)，类型为ndarray；

x: ROI的左上角顶点的行索引，类型为int；

y: ROI的左上角顶点的列索引，类型为int；

w: ROI的宽，类型为int；

h: ROI的高，类型为int。

测试用例是一个字典，字典中image部分表示原始图像的像素数据，x部分表示ROI的左上角顶点的行索引，y部分表示ROI的左上角顶点的列索引，w部分表示ROI的宽，h部分表示ROI的高。

测试输入：
{‘image’:[[1, 2, 255, 255, 0], [255, 255, 0, 0, 3]], ‘x’:0, ‘y’:1, ‘w’:2, ‘h’:1}

预期输出：

[[ 2 255 255] [255 0 0]]

开始你的任务吧，祝你成功！

import numpy as np

def get_roi(data, x, y, w, h):
    '''
    提取data中左上角顶点坐标为(x, y)宽为w高为h的ROI
    :param data: 二维数组，类型为ndarray
    :param x: ROI左上角顶点的行索引，类型为int
    :param y: ROI左上角顶点的列索引，类型为int
    :param w: ROI的宽，类型为int
    :param h: ROI的高，类型为int
    :return: ROI，类型为ndarray
    '''

    #********* Begin *********#
    b = data[x:x+h+1,y:y+w+1]
    return b
    #********* End *********#