100道numpy练习

时间：2015-01-16 22:22:57 阅读：353 评论：0 收藏：0 [点我收藏+]

100道numpy练习

@author：wepon

@blog：http://blog.csdn.net/u012162613/article/details/42784403

今天在deeplearning.net上看theano tutorial，发现一个numpy-100-exercise，介绍numpy一些基本用法的，不过不是很具体，我利用闲暇时间照着敲了一些，权且当作翻译吧，增加函数的原型和详细介绍。持续更新。

一、初学者10道

1、在python环境中导入numpy包，并命名为np

>>> import numpy as np

2、查看numpy版本和配置信息

>>> print np.__version__
>>> np.__config__.show()

3、创建零向量，zeros函数

>>> z=np.zeros((2,3))
>>> print z
[[ 0.  0.  0.]
 [ 0.  0.  0.]]

4、将上面的零向量的第二行第三列元素置为1。注意python中行列下班是从0开始。

>>>z[1,2]=1
>>> print z
[[ 0.  0.  0.]
 [ 0.  0.  1.]]

5、arange函数，创建一个在给定范围的向量。

>>> z=np.arange(1,101)    %1～100范围，注意不包括101
>>> print z

6、reshape函数，将array变形为矩阵

>>> Z = np.arange(9).reshape(3,3)
>>> print Z
[[0 1 2]
 [3 4 5]
 [6 7 8]]

7、nonzero函数，寻找非0元素的下标

>>> nz=np.nonzero([1,2,3,0,0,4,0])
>>> nz
(array([0, 1, 2, 5]),)

8、eye函数，生成单位向量

>>> z=np.eye(3)
>>> print z
[[ 1.  0.  0.]
 [ 0.  1.  0.]
 [ 0.  0.  1.]]

9、diag函数，diagonal对角线。

>>> z=np.diag([1,2,3,4],k=0)   %k=0，以[1,2,3,4]为对角线
>>> print z
[[1 0 0 0]
 [0 2 0 0]
 [0 0 3 0]
 [0 0 0 4]]

>>> z=np.diag([1,2,3,4],k=1)   %k=1，[1,2,3,4]在对角线上一行
>>> print z
[[0 1 0 0 0]
 [0 0 2 0 0]
 [0 0 0 3 0]
 [0 0 0 0 4]
 [0 0 0 0 0]]

>>> z=np.diag([1,2,3,4],k=-1)  %k=-1，[1,2,3,4]在对角线下一行
>>> print z
[[0 0 0 0 0]
 [1 0 0 0 0]
 [0 2 0 0 0]
 [0 0 3 0 0]
 [0 0 0 4 0]]

10、random模块的random函数，生成随机数

>>> Z = np.random.random((3,3))
>>> print Z
[[ 0.95171484  0.61394126  0.38864802]
 [ 0.41943918  0.9398714   0.31608202]
 [ 0.9993507   0.91717093  0.73002723]]

二、入门级10道

1、创建一个8*8的“棋盘”矩阵。

>>> z=np.zeros((8,8),dtype=int)
>>> z[1::2,::2]=1     %1、3、5、7行&&0、2、4、6列的元素置为1
>>> print z
[[0 0 0 0 0 0 0 0]
 [1 0 1 0 1 0 1 0]
 [0 0 0 0 0 0 0 0]
 [1 0 1 0 1 0 1 0]
 [0 0 0 0 0 0 0 0]
 [1 0 1 0 1 0 1 0]
 [0 0 0 0 0 0 0 0]
 [1 0 1 0 1 0 1 0]]
>>> z[::2,1::2]=1
>>> print z
[[0 1 0 1 0 1 0 1]
 [1 0 1 0 1 0 1 0]
 [0 1 0 1 0 1 0 1]
 [1 0 1 0 1 0 1 0]
 [0 1 0 1 0 1 0 1]
 [1 0 1 0 1 0 1 0]
 [0 1 0 1 0 1 0 1]
 [1 0 1 0 1 0 1 0]]

2、min()、max()函数

>>> z=np.random.random((10,10))
>>> zmin,zmax=z.min(),z.max()
>>> print zmin,zmax
0.014230501632 0.99548760299

3、函数tile(A,reps),reps即重复的次数，不仅可以是数字，还可以是array。比如构造棋盘矩阵：

>>> z=np.tile(np.array([[0,1],[0,1]]),(4,4))
>>> print z
[[0 1 0 1 0 1 0 1]
 [0 1 0 1 0 1 0 1]
 [0 1 0 1 0 1 0 1]
 [0 1 0 1 0 1 0 1]
 [0 1 0 1 0 1 0 1]
 [0 1 0 1 0 1 0 1]
 [0 1 0 1 0 1 0 1]
 [0 1 0 1 0 1 0 1]]

4、归一化，将矩阵规格化到0～1，即最小的变成0，最大的变成1，最小与最大之间的等比缩放。

>>> Z = np.random.random((5,5))
>>> Zmax,Zmin = Z.max(), Z.min()
>>> Z = (Z - Zmin)/(Zmax - Zmin)
>>> print Z
[[ 0.          0.32173291  0.17607851  0.6270374   

0.95000808]
 [ 0.49153473  0.70465605  0.61930085  0.00303294  1.        

]
 [ 0.4680561   0.88742782  0.29899683  0.80704789  

0.12300414]
 [ 0.05094248  0.23065875  0.82776775  0.07873239  

0.50644422]
 [ 0.27417053  0.78679222  0.517819    0.5649124   0.4716856 

]]

5、矩阵点乘

>>> z=np.dot(np.ones((5,3)),np.ones((3,2)))
>>> print z
[[ 3.  3.]
 [ 3.  3.]
 [ 3.  3.]
 [ 3.  3.]
 [ 3.  3.]]

6、矩阵相加，5*5矩阵+1*5的向量，相当于每一行都加上1*5矩阵

>>> Z = np.zeros((5,5))
>>> Z += np.arange(5)
>>> print Z
[[ 0.  1.  2.  3.  4.]
 [ 0.  1.  2.  3.  4.]
 [ 0.  1.  2.  3.  4.]
 [ 0.  1.  2.  3.  4.]
 [ 0.  1.  2.  3.  4.]]

7、linspace函数，在给定区间中生成均匀分布的给定个数。
函数原型 linspace(start, stop, num=50, endpoint=True, retstep=False)

>>> Z = np.linspace(0,10,11,endpoint=True, retstep=False)
>>> print Z
[  0.   1.   2.   3.   4.   5.   6.   7.   8.   9.  10.]

生成0~10之间均匀分布的11个数，包括0和1。
若endpoint=False,则10不包括在里面。
若retstep=False，会同时返回均匀区间中每两个数的间隔。

8、sort函数。调用random模块中的random函数生成10个随机数，然后sort排序。

>>> Z = np.random.random(10)
>>> Z.sort()
>>> print Z
[ 0.15978787  0.28050494  0.35865916  0.40047826  0.45141311  

0.4828367
  0.66133575  0.66775779  0.69278544  0.98095989]

9、allclose函数，判断两个array在误差范围内是否相等
函数原型allclose(a, b, rtol=1e-05, atol=1e-08)，若absolute(a - b) <= (atol + rtol * absolute(b))则相等。

A = np.random.randint(0,2,5)
B = np.random.randint(0,2,5)
equal = np.allclose(A,B)
print equal

10、mean函数，求平均值

>>> Z = np.random.random(30)
>>> m = Z.mean()
>>> print m
0.362299527973

>>> A = np.random.randint(0,2,5)
>>> B = np.random.randint(0,2,5)
>>> equal = np.allclose(A,B)
>>> print equal
False

注：randint(min,max,num)生成大小为num的array，数值范围min～max

----------------------------2015/1/15-------------------------------

100道numpy练习

标签：numpy python

原文地址：http://blog.csdn.net/u012162613/article/details/42784403

踩

(0)

评论一句话评论（0）

分享档案

更多>

2021年07月29日 (22)
2021年07月28日 (40)
2021年07月27日 (32)
2021年07月26日 (79)
2021年07月23日 (29)
2021年07月22日 (30)
2021年07月21日 (42)
2021年07月20日 (16)
2021年07月19日 (90)
2021年07月16日 (35)

周排行