【NumPy基础】100道numpy练习——初学与入门篇

【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,zmax0.014230501632 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 m0.362299527973>>> A = np.random.randint(0,2,5)>>> B = np.random.randint(0,2,5)>>> equal = np.allclose(A,B)>>> print equalFalse</span>

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

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