【NumPy基础】100道numpy练习——初学与入门篇
来源:互联网 发布:ztree check源码 编辑:程序博客网 时间:2024/05/29 15:47
【NumPy基础】100道numpy练习——初学与入门篇
@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
- <span style="font-size:18px;">>>> import numpy as np</span>
2、查看numpy版本和配置信息
- <span style="font-size:18px;">>>> print np.__version__
- >>> np.__config__.show()</span>
3、创建零向量,zeros函数
- <span style="font-size:18px;">>>> z=np.zeros((2,3))
- >>> print z
- [[ 0. 0. 0.]
- [ 0. 0. 0.]]</span>
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。
- <span style="font-size:18px;">>>>z[1,2]=1
- >>> print z
- [[ 0. 0. 0.]
- [ 0. 0. 1.]]</span>
5、arange函数,创建一个在给定范围的向量。
- <span style="font-size:18px;">>>> z=np.arange(1,101) %1~100范围,注意不包括101
- >>> print z</span>
6、reshape函数,将array变形为矩阵
- <span style="font-size:18px;">>>> Z = np.arange(9).reshape(3,3)
- >>> print Z
- [[0 1 2]
- [3 4 5]
- [6 7 8]]</span>
7、nonzero函数,寻找非0元素的下标
- <span style="font-size:18px;">>>> nz=np.nonzero([1,2,3,0,0,4,0])
- >>> nz
- (array([0, 1, 2, 5]),)</span>
8、eye函数,生成单位向量
- <span style="font-size:18px;">>>> z=np.eye(3)
- >>> print z
- [[ 1. 0. 0.]
- [ 0. 1. 0.]
- [ 0. 0. 1.]]</span>
9、diag函数,diagonal对角线。
- <span style="font-size:18px;">>>> 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]]</span>
10、random模块的random函数,生成随机数
- <span style="font-size:18px;">>>> 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]]</span>
二、入门级10道
1、创建一个8*8的“棋盘”矩阵。
- <span style="font-size:18px;">>>> 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]]</span>
2、min()、max()函数
- <span style="font-size:18px;">>>> z=np.random.random((10,10))
- >>> zmin,zmax=z.min(),z.max()
- >>> print zmin,zmax
- 0.014230501632 0.99548760299</span>
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:- <span style="font-size:18px;">>>> 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]]</span>
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。
- <span style="font-size:18px;">>>> 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
-
- ]]</span>
5、矩阵点乘- <span style="font-size:18px;">>>> z=np.dot(np.ones((5,3)),np.ones((3,2)))
- >>> print z
- [[ 3. 3.]
- [ 3. 3.]
- [ 3. 3.]
- [ 3. 3.]
- [ 3. 3.]]</span>
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
- <span style="font-size:18px;">>>> 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.]]</span>
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)
- <span style="font-size:18px;">>>> Z = np.linspace(0,10,11,endpoint=True, retstep=False)
- >>> print Z
- [ 0. 1. 2. 3. 4. 5. 6. 7. 8. 9. 10.]</span>
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。
- <span style="font-size:18px;">>>> 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]</span>
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。
- <span style="font-size:18px;">A = np.random.randint(0,2,5)
- B = np.random.randint(0,2,5)
- equal = np.allclose(A,B)
- print equal</span>
10、mean函数,求平均值
- <span style="font-size:18px;">>>> 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
- </span>
注:randint(min,max,num)生成大小为num的array,数值范围min~max
----------------------------2015/1/15-------------------------------
0 0