NumPy基础及取值操作（三）

@R星校长

第3关：基础操作

算术运算

如果想要对ndarray对象中的元素做elementwise(逐个元素地)的算术运算非常简单，加减乘除即可。代码如下：

import numpy as np

a = np.array([0, 1, 2, 3])

# a中的所有元素都加2，结果为[2, 3, 4, 5]
b = a + 2

# a中的所有元素都减2，结果为[-2, -1, 0, 1]
c = a - 2

# a中的所有元素都乘以2，结果为[0, 2, 4, 6]
d = a * 2

# a中的所有元素都平方，结果为[0, 1, 4, 9]
e = a ** 2

# a中的所有元素都除以2，结果为[0, 0.5, 1, 1.5]
f = a / 2

# a中的所有元素都与2比，结果为[True, True, False, False]
g = a < 2

矩阵运算

相同shape的矩阵A与矩阵B之间想要做elementwise运算也很简单，加减乘除即可。代码如下：

import numpy as np

a = np.array([[0, 1], [2, 3]])
b = np.array([[1, 1], [3, 2]])

# a与b逐个元素相加，结果为[[1, 2], [5, 5]]
c = a + b

# a与b逐个元素相减，结果为[[-1, 0], [-1, 1]]
d = a - b

# a与b逐个元素相乘，结果为[[0, 1], [6, 6]]
e = a * b

# a的逐个元素除以b的逐个元素，结果为[[0., 1.], [0.66666667, 1.5]]
f = a / b

# a与b逐个元素做幂运算，结果为[[0, 1], [8, 9]]
g = a ** b

# a与b逐个元素相比较，结果为[[True, False], [True, False]]
h = a < b

细心的同学应该发现了，*只能做elementwise运算，如果想做真正的矩阵乘法运算显然不能用*。NumPy提供了@和dot函数来实现矩阵乘法。代码如下：

import numpy as np

A = np.array([[1, 1], [0, 1]])
B = np.array([[2, 0], [3, 4]])

# @表示矩阵乘法，矩阵A乘以矩阵B，结果为[[5, 4], [3, 4]]
print(A @ B)

# 面向对象风格，矩阵A乘以矩阵B，结果为[[5, 4], [3, 4]]
print(A.dot(B))

# 面向过程风格，矩阵A乘以矩阵B，结果为[[5, 4], [3, 4]]
print(np.dot(A, B))

简单统计

有的时候想要知道ndarray对象中元素的和是多少，最小值是多少，最小值在什么位置，最大值是多少，最大值在什么位置等信息。这个时候可能会想着写一个循环去遍历ndarray对象中的所有元素来进行统计。NumPy为了解放我们的双手，提供了sum，min，max，argmin，argmax等函数来实现简单的统计功能，代码如下：

import numpy as np

a = np.array([[-1, 1, 2, 3], [4, 5, 6, 7], [8, 9, 10, 13]])

# 计算a中所有元素的和，结果为67
print(a.sum())

# 找出a中最大的元素，结果为13
print(a.max())

# 找出a中最小的元素，结果为-1
print(a.min())

# 找出a中最大元素在a中的位置，由于a中有12个元素，位置从0开始计，所以结果为11
print(a.argmax())

# 找出a中最小元素在a中位置，结果为0
print(a.argmin())

有的时候，我们在统计时需要根据轴来统计。举个例子，公司员工的基本工资，绩效工资，年终奖的信息如下：

工号	基本工资	绩效工资	年终奖
1	3000	4000	20000
2	2700	5500	25000
3	2800	3000	15000

这样一个表格很明显，可以用ndarray来存储。代码如下：

import numpy as np

info = np.array([[3000, 4000, 20000], [2700, 5500, 25000], [2800, 3000, 15000]])

info实例化之后就有了维度和轴的概念，很明显info是个二维数组，所以它的维度是2。维度为2换句话来说就是info有两个轴：0号轴与1号轴（轴的编号从0开始算）。轴所指的方向如下图所示：

如果想要统计下这3位员工中基本工资、绩效工资与年终奖的最小值与最大值（也就是说分别统计出每一列中的最小与最大值）。我们可以沿着0号轴来统计。想要实现沿着哪个轴来统计，只需要修改axis即可，代码如下：

import numpy as np

info = np.array([[3000, 4000, 20000], [2700, 5500, 25000], [2800, 3000, 15000]])

# 沿着0号轴统计，结果为[2700, 3000, 15000]
print(info.min(axis=0))

# 沿着0号轴统计，结果为[3000, 5500, 25000]
print(info.max(axis=0))

PS:当没有修改axis时，axis的值默认为None。意思是在统计时会把ndarray对象中所有的元素都考虑在内。

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 *********#

记得看清楚题目，要求的不是最大值，而是最大值的位置
吃亏在没看请题目要求，浪费了些时间

加粗样式