本文共 15534 字，大约阅读时间需要 51 分钟。

Numpy练习题列表

1. 导入numpy库并取别名为np

import numpy as np

2. 打印numpy的版本和配置信息

print(np.__version__)print(np.show_config())

3. 创建一个长度为10的空向量

Z = np.zeros(10)print(Z)

4. 找到任何一个数组的内存大小

Z = np.zeros((10,10))print("%d bytes" % (Z.size * Z.itemsize))

5. 从命令行得到numpy中add函数的说明文档

import numpy as npnp.info(np.add)

6. 创建一个长度为10并且除了第五个值为1的空向量

Z = np.zeros(10)Z[4] = 1print(Z)

7. 创建一个值域范围从10到49的向量

Z = np.arange(10,50)print(Z)

8. 反转一个向量（第一个元素变为最后一个）

Z = np.arange(50)Z = Z[::-1]print(Z)

9. 创建一个3x3并且值从0到8的矩阵

Z = np.arange(9).reshape(3,3)print(Z)

10. 找到数组[1,2,0,0,4,0]中非0元素的位置索引

nz = np.nonzero([1,2,0,0,4,0])print(nz)

11. 创建一个3x3的单位矩阵

Z = np.eye(3)print(Z)

12. 创建一个3x3x3的随机数组

Z = np.random.random((3,3,3))print(Z)

13. 创建一个10x10的随机数组并找到它的最大值和最小值

Z = np.random.random((10,10))Zmin, Zmax = Z.min(), Z.max()print(Zmin, Zmax)

14. 创建一个长度为30的随机向量并找到它的平均值

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

15. 创建一个二维数组，其中边界值为1，其余值为0

Z = np.ones((10,10))Z[1:-1,1:-1] = 0print(Z)

16. 对于一个存在在数组，如何添加一个用0填充的边界

Z = np.ones((5,5))Z = np.pad(Z, pad_width=1, mode='constant', constant_values=0)print(Z)

17. 下面表达式运行的结果是什么？

print(0 * np.nan)  # nanprint(np.nan == np.nan)  # Falseprint(np.inf > np.nan)  # Falseprint(np.nan - np.nan)  # nanprint(0.3 == 3 * 0.1)  # False

18. 创建一个5x5的矩阵，并设置值1,2,3,4落在其对角线下方位置

Z = np.diag(1 + np.arange(4), k=-1)print(Z)

19. 创建一个8x8的矩阵，并且设置成棋盘样式

Z = np.zeros((8,8), dtype=int)Z[1::2,::2] = 1Z[::2,1::2] = 1print(Z)

20. 考虑一个(6,7,8)形状的数组，其第100个元素的索引(x,y,z)是什么？

print(np.unravel_index(100, (6,7,8)))

21. 用tile函数去创建一个8x8的棋盘样式矩阵

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

22. 对一个5x5的随机矩阵做归一化

Z = np.random.random((5,5))Zmax, Zmin = Z.max(), Z.min()Z = (Z - Zmin)/(Zmax - Zmin)print(Z)

23. 创建一个将颜色描述为(RGBA)四个无符号字节的自定义dtype？

color = np.dtype([("r", np.ubyte, 1), ("g", np.ubyte, 1), ("b", np.ubyte, 1), ("a", np.ubyte, 1)])print(color)

24. 一个5x3的矩阵与一个3x2的矩阵相乘，实矩阵乘积是什么？

Z = np.dot(np.ones((5,3)), np.ones((3,2)))print(Z)

25. 给定一个一维数组，对其在3到8之间的所有元素取反

Z = np.arange(11)Z[(3 < Z) & (Z <= 8)] *= -1print(Z)

26. 下面的脚本运行后的结果是什么？

print(sum(range(5), -1))  # 9

27. 考虑一个整数向量Z，下列表达合法的是哪个？

Z**Z                        # True2 << Z > 2                  # FalseZ << Z                      # True1j*Z                        # TrueZ / 1 / 1                   # TrueZ                       # False

28. 下面表达式的结果是什么？

np.array(0) / np.array(0)        # nannp.array([np.nan]).astype(int).astype(float)  # -2.14748365e+09

29. 如何从零位开始舍入浮点数组？

Z = np.random.uniform(-10, 10, 10)print(np.copysign(np.ceil(np.abs(Z)), Z))

30. 如何找出两个数组公共的元素？

Z1 = np.random.randint(0, 10, 10)Z2 = np.random.randint(0, 10, 10)print(np.intersect1d(Z1, Z2))

31. 如何忽略所有的numpy警告（尽管不建议这么做）？

ondefaults = np.seterr(all="ignore")Z = np.ones(1) / 0# Back to sanity_ = np.seterr(**defaults)

32. 下面的表达式是否为真？

np.sqrt(-1) == np.emath.sqrt(-1)  # False

33. 如何获得昨天、今天和明天的日期？

yesterday = np.datetime64('today', 'D') - np.timedelta64(1, 'D')today = np.datetime64('today', 'D')tomorrow = today + np.timedelta64(1, 'D')print(yesterday, today, tomorrow)

34. 怎么获得所有与2016年7月的所有日期？

Z = np.arange('2016-07', '2016-08', dtype='datetime64[D]')print(Z)

35. 如何计算 ((A+B)*(-A/2))（不使用中间变量）？

A = np.ones(3) * 1B = np.ones(3) * 1C = np.ones(3) * 1np.add(A, B, out=C)np.divide(A, 2, out=A)np.negative(A, out=A)np.multiply(A, B, out=A)print(A)

36. 用5种不同的方法提取随机数组中的整数部分

Z = np.random.uniform(0, 10, 10)print(Z - Z % 1)print(np.floor(Z))print(np.ceil(Z) - 1)print(Z.astype(int))print(np.trunc(Z))

37. 创建一个5x5的矩阵且每一行的值范围为从0到4

Z = np.zeros((5, 5))Z += np.arange(5)print(Z)

38. 如何用一个生成10个整数的函数来构建数组？

def generate():    for x in range(10):        yield xZ = np.fromiter(generate(), dtype=float, count=-1)print(Z)

39. 创建一个大小为10的向量，值域为0到1，不包括0和1

Z = np.linspace(0, 1, 12)[1:-1]print(Z)

40. 创建一个大小为10的随机向量并把它排序

Z = np.random.random(10)Z.sort()print(Z)

41. 对一个小数组进行求和有没有办法比np.sum更快？

Z = np.arange(10)np.add.reduce(Z)

42. 如何判断两和随机数组相等？

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

43. 把数组变为只读

Z = np.zeros(5)Z.flags.writeable = FalseZ[0] = 1

44. 将一个10x2的笛卡尔坐标矩阵转换为极坐标

Z = np.random.random((10, 2))X, Y = Z[:, 0], Z[:, 1]R = np.sqrt(X**2 + Y**2)T = np.arctan2(Y, X)print(R)print(T)

45. 创建一个大小为10的随机向量并且将该向量中最大的值替换为0

Z = np.random.random(10)Z[Z.argmax()] = 0print(Z)

46. 创建一个结构化数组，其中x和y坐标覆盖[0,1]x[1,0]区域

Z = np.zeros((5,5), [('x', float, 1), ('y', float, 1)])Z['x'], Z['y'] = np.meshgrid(np.linspace(0, 1, 5), np.linspace(0, 1, 5))print(Z)

47. 给定两个数组X和Y，构造柯西矩阵C

X = np.arange(8)Y = X + 0.5C = 1.0 / np.subtract.outer(X, Y)print(C)print(np.linalg.det(C))

48. 打印每个numpy类型的最小和最大可表示值

for dtype in [np.int8, np.int32, np.int64]:    print(np.iinfo(dtype).min)    print(np.iinfo(dtype).max)for dtype in [np.float32, np.float64]:    print(np.finfo(dtype).min)    print(np.finfo(dtype).max)    print(np.finfo(dtype).eps)

49. 如何打印数组中所有的值？

np.set_printoptions(threshold=np.nan)Z = np.zeros((16,16))print(Z)

50. 如何在数组中找到与给定标量接近的值？

Z = np.arange(100)v = np.random.uniform(0, 100)index = (np.abs(Z - v)).argmin()print(Z[index])

51. 创建表示位置(x, y)和颜色(r, g, b, a)的结构化数组

Z = np.zeros(10, [('position', [('x', float, 1), ('y', float, 1)]), ('color', [('r', float, 1), ('g', float, 1), ('b', float, 1)])])print(Z)

52. 思考形状为(100, 2)的随机向量，求出点与点之间的距离

Z = np.random.random((100, 2))X, Y = np.atleast_2d(Z[:, 0], Z[:, 1])D = np.sqrt((X - X.T)**2 + (Y - Y.T)**2)print(D)

53. 如何将类型为float(32位)的数组类型转换为integer(32位)?

Z = np.arange(10, dtype=np.int32)Z = Z.astype(np.float32, copy=False)print(Z)

54. 如何读取下面的文件？

'''1, 2, 3, 4, 56, , , 7, 8 , , , 9,10,11'''# 保存到example.txt中Z = np.genfromtxt("example.txt", delimiter=",")print(Z)

55. numpy数组枚举的等价操作？

Z = np.arange(9).reshape(3,3)for index, value in np.ndenumerate(Z):    print(index, value)for index in np.ndindex(Z.shape):    print(index, Z[index])

56. 构造一个二维高斯矩阵

X, Y = np.meshgrid(np.linspace(-1, 1, 10), np.linspace(-1, 1, 10))D = np.sqrt(X**2 + Y**2)sigma, mu = 1.0, 0.0G = np.exp(-( (D - mu)**2 / (2.0*sigma**2) ))print(G)

57. 如何在二维数组的随机位置放置p个元素？

n = 10p = 3Z = np.zeros((n,n))np.put(Z, np.random.choice(range(n*n), p, replace=False), 1)print(Z)

58. 减去矩阵每一行的平均值

X = np.random.rand(5, 10)Y = X - X.mean(axis=1, keepdims=True)print(Y)

59. 如何对数组通过第n列进行排序？

Z = np.random.randint(0,10,(3,3))print(Z)print(Z[ Z[:,1].argsort() ])

60. 如何判断一个给定的二维数组存在空列？

Z = np.random.randint(0,3,(3,10))print((~Z.any(axis=0)).any())

61. 从数组中找出与给定值最接近的值

Z = np.random.uniform(0,1,10)z = 0.5m = Z.flat[np.abs(Z - z)].argmin()print(m)

62. 思考形状为(1,3)和(3,1)的两个数组形状，如何使用迭代器计算它们的和？

A = np.arange(3).reshape(3, 1)B = np.arange(3).reshape(1, 3)it = np.nditer([A, B, None])for x, y, z in it:    z[...] = x + yprint(it.operands[2])

63. 创建一个具有name属性的数组类

class NameArray(np.ndarray):    def __new__(cls, array, name="no name"):        obj = np.asarray(array).view(cls)        obj.name = name        return obj    def __array_finalize__(self, obj):        if obj is None:            return        self.info = getattr(obj, 'name', "no name")Z = NameArray(np.arange(10), "range_10")print(Z.name)

64. 给定一个向量，如何让在第二个向量索引的每个元素加1（注意重复索引）？

Z = np.ones(10)I = np.random.randint(0, len(Z), 20)Z += np.bincount(I, minlength=len(Z))print(Z)# 另一个解决方案np.add.at(Z, I, 1)print(Z)

65. 如何根据索引列表I将向量X的元素累加到数组F？

X = [1,2,3,4,5,6]I = [1,3,9,3,4,1]F = np.bincount(I, X)print(F)

66. 思考(dtype = ubyte)的(w, h, 3)图像，计算唯一颜色的值

w, h = 16,16I = np.random.randint(0,2,(h,w,3)).astype(np.ubyte)F = I[...,0]*256*256 + I[...,1]*256 + I[...,2]n = len(np.unique(F))print(np.unique(I))

67. 怎样求一个四维数组最后两个轴的数据和？

A = np.random.randint(0,10,(3,4,3,4))sum = A.sum(axis=(-2,-1))print(sum)# 将最后两个维度压缩为一个sum = A.reshape(A.shape[:-2] + (-1,)).sum(axis=-1)print(sum)

68. 考虑一维向量D，如何使用相同大小的向量S来计算D的子集的均值，其描述子集索引？

D = np.random.uniform(0,1,100)S = np.random.randint(0,10,100)D_sums = np.bincount(S, weights=D)D_counts = np.bincount(S)D_means = D_sums / D_countsprint(D_means)# Pandas解决方案作为参考import pandas as pdprint(pd.Series(D).groupby(S).mean())

69. 如何获得点积的对角线？

A = np.random.uniform(0,1,(5,5))B = np.random.uniform(0,1,(5,5))# 慢速版本np.diag(np.dot(A, B))# 快速版本np.sum(A * B.T, axis=1)# 更快版本np.einsum("ij,ji->i", A, B)print(np.diag(np.dot(A, B)))

70. 考虑向量[1,2,3,4,5]，如何建立一个新的向量，在每个值之间交错有3个连续的零？

Z = np.array([1,2,3,4,5])nz = 3Z0 = np.zeros(len(Z) + (len(Z)-1)*(nz))Z0[::nz+1] = Zprint(Z0)

71. 考虑一个维度(5,5,3)的数组，如何将其与一个(5,5)的数组相乘？

A = np.ones((5,5,3))B = 2 * np.ones((5,5))print(A * B[:,:,None])

72. 如何对一个数组中任意两行做交换？

A = np.arange(25).reshape(5,5)A[[0,1]] = A[[1,0]]print(A)

73. 思考描述10个三角形（共享顶点）的一组10个三元组，找到组成所有三角形的唯一线段集

faces = np.random.randint(0,100,(10,3))F = np.roll(faces.repeat(2,axis=1),-1,axis=1)F = F.reshape(len(F)*3,2)F = np.sort(F,axis=1)G = F.view(dtype=[('p0',F.dtype),('p1',F.dtype)])G = np.unique(G)print(G)

74. 给定一个二进制的数组C，如何生成一个数组A满足np.bincount(A)==C？

C = np.bincount([1,1,2,3,4,4,6])A = np.repeat(np.arange(len(C)), C)print(A)

75. 如何通过滑动窗口计算一个数组的平均数？

def moving_average(a, n=3):    ret = np.cumsum(a, dtype=float)    ret[n:] = ret[n:] - ret[:-n]    return ret[n-1:]Z = np.arange(20)print(moving_average(Z, n=3))

76. 思考一个数组Z，构建一个二维数组，其第一行是(Z[0],Z[1],Z[2])，然后每一行移动一位，最后一行为(Z[-3],Z[-2],Z[-1])

from numpy.lib import stride_tricksdef rolling(a, window):    shape = (a.size - window + 1, window)    strides = (a.itemsize, a.itemsize)    return stride_tricks.as_strided(a, shape=shape, strides=strides)Z = rolling(np.arange(10), 3)print(Z)

77. 如何对布尔值取反，或改变浮点数的符号(sign)?

Z = np.random.randint(0,2,100)np.logical_not(Z, out=Z)Z = np.random.uniform(-1.0,1.0,100)np.negative(Z, out=Z)print(Z)

78. 思考两组点集P0和P1去描述一组线(二维)和一个点p，如何计算点p到每一条线 i (P0[i],P1[i])的距离？

def distance(P0, P1, p):    T = P1 - P0    L = (T**2).sum(axis=1)    U = -((P0[:,0]-p[...,0])*T[:,0] + (P0[:,1]-p[...,1])*T[:,1]) / L    U = U.reshape(len(U),1)    D = P0 + U*T - p    return np.sqrt((D**2).sum(axis=1))P0 = np.random.uniform(-10,10,(10,2))P1 = np.random.uniform(-10,10,(10,2))p = np.random.uniform(-10,10,(1,2))print(distance(P0, P1, p))

79. 考虑两组点集P0和P1去描述一组线(二维)和一组点集P，如何计算每一个点 j(P[j]) 到每一条线 i (P0[i],P1[i])的距离？

P0 = np.random.uniform(-10, 10, (10,2))P1 = np.random.uniform(-10,10,(10,2))p = np.random.uniform(-10, 10, (10,2))print(np.array([distance(P0, P1, p_i) for p_i in p]))

80. 思考一个任意的数组，编写一个函数，该函数提取一个具有固定形状的子部分，并以一个给定的元素为中心（在该部分填充值）

Z = np.random.randint(0,10,(10,10))shape = (5,5)fill = 0position = (1,1)R = np.ones(shape, dtype=Z.dtype)*fillP = np.array(list(position)).astype(int)Rs = np.array(list(R.shape)).astype(int)Zs = np.array(list(Z.shape)).astype(int)R_start = np.zeros((len(shape),)).astype(int)R_stop = np.array(list(shape)).astype(int)Z_start = (P - Rs//2)Z_stop = (P + Rs//2) + Rs%2R_start = (R_start - np.minimum(Z_start,0)).tolist()Z_start = (np.maximum(Z_start,0)).tolist()R_stop = np.maximum(R_start, (R_stop - np.maximum(Z_stop-Zs,0))).tolist()Z_stop = (np.minimum(Z_stop, Zs)).tolist()r = [slice(start,stop) for start,stop in zip(R_start,R_stop)]z = [slice(start,stop) for start,stop in zip(Z_start,Z_stop)]R[r] = Z[z]print(Z)print(R)

81. 考虑一个数组Z = [1,2,3,4,5,6,7,8,9,10,11,12,13,14]，如何生成一个数组R = [[1,2,3,4], [2,3,4,5], [3,4,5,6], ...,[11,12,13,14]]？

Z = np.arange(1,15,dtype=np.uint32)R = stride_tricks.as_strided(Z,(11,4),(4,4))print(R)

82. 计算矩阵的秩

Z = np.random.uniform(0,1,(10,10))U, S, V = np.linalg.svd(Z)rank = np.sum(S > 1e-10)print(rank)

83. 如何找出数组中出现频率最高的值？

Z = np.random.randint(0,10,50)print(np.bincount(Z).argmax())

84. 从一个10x10的矩阵中提取出连续的3x3区块

Z = np.random.randint(0,5,(10,10))n = 3i = 1 + (Z.shape[0]-3)j = 1 + (Z.shape[1]-3)C = stride_tricks.as_strided(Z, shape=(i, j, n, n), strides=Z.strides + Z.strides)print(C)

85. 创建一个满足 Z[i,j] == Z[j,i] 的二维数组子类

class Symetric(np.ndarray):    def __setitem__(self, index, value):        i,j = index        super(Symetric, self).__setitem__((i,j), value)        super(Symetric, self).__setitem__((j,i), value)def symetric(Z):    return np.asarray(Z + Z.T - np.diag(Z.diagonal())).view(Symetric)S = symetric(np.random.randint(0,10,(5,5)))S[2,3] = 42print(S)

86. 考虑p个 nxn 矩阵和一组形状为(n,1)的向量，如何直接计算p个矩阵的乘积(n,1)?

p, n = 10, 20M = np.ones((p,n,n))V = np.ones((p,n,1))S = np.tensordot(M, V, axes=[[0, 2], [0, 1]])print(S)

87. 对于一个16x16的数组，如何得到一个区域的和（区域大小为4x4）

Z = np.ones((16,16))k = 4S = np.add.reduceat(np.add.reduceat(Z, np.arange(0, Z.shape[0], k), axis=0), np.arange(0, Z.shape[1], k), axis=1)print(S)

88. 如何利用numpy数组实现Game of Life?

def iterate(Z):    # Count neighbours    N = (Z[0:-2,0:-2] + Z[0:-2,1:-1] + Z[0:-2,2:] +          Z[1:-1,0:-2]                + Z[1:-1,2:] +          Z[2:  ,0:-2] + Z[2:  ,1:-1] + Z[2:  ,2:])    # Apply rules    birth = (N==3) & (Z[1:-1,1:-1]==0)    survive = ((N==2) | (N==3)) & (Z[1:-1,1:-1]==1)    Z[...] = 0    Z[1:-1,1:-1][birth | survive] = 1    return ZZ = np.random.randint(0,2,(50,50))for i in range(100):    Z = iterate(Z)print(Z)

89. 如何找到一个数组的第n个最大值？

Z = np.arange(10000)np.random.shuffle(Z)n = 5print(Z[np.argsort(Z)[-n:]])  # Slowprint(Z[np.argpartition(-Z, n)[:n]])  # Fast

90. 给定任意个数向量，创建笛卡尔积（每一个元素的每一种组合）

def cartesian(arrays):    arrays = [np.asarray(a) for a in arrays]    shape = (len(x) for x in arrays)    ix = np.indices(shape, dtype=int)    ix = ix.reshape(len(arrays), -1).T    for n, arr in enumerate(arrays):        ix[:, n] = arrays[n][ix[:, n]]    return ixprint(cartesian(([1, 2, 3], [4, 5], [6, 7])))

91. 如何从一个常规数组中创建记录数组(record array)?

Z = np.array([("Hello", 2.5, 3), ("World", 3.6, 2)])R = np.core.records.fromarrays(Z.T, names='col1, col2, col3', formats = 'S8, f8, i8')print(R)

92. 思考一个大向量Z，用三种不同的方法计算它的立方

x = np.random.rand(5e7)%timeit np.power(x,3)%timeit x*x*x%timeit np.einsum('i,i,i->i', x, x, x)

93. 考虑两个形状分别为(8,3) 和(2,2)的数组A和B，如何在数组A中找到满足包含B中元素的行？（不考虑B中每行元素顺序）

A = np.random.randint(0,5,(8,3))B = np.random.randint(0,5,(2,2))C = (A[..., np.newaxis, np.newaxis] == B)rows = np.where(C.any((3,1)).all(1))[0]print(rows)

94. 思考一个10x3的矩阵，如何分解出有不全相同值的行（如 [2,2,3]）

Z = np.random.randint(0,5,(10,3))print(Z)# solution for arrays of all dtypes (including string arrays and record arrays)E = np.all(Z[:,1:] == Z[:,:-1], axis=1)U = Z[~E]print(U)# solution for numerical arrays only, will work for any number of columns in ZU = Z[Z.max(axis=1) != Z.min(axis=1),:]print(U)

95. 将一个整数向量转换为二进制矩阵

I = np.array([0, 1, 2, 3, 15, 16, 32, 64, 128])B = ((I.reshape(-1,1) & (2**np.arange(8))) != 0).astype(int)print(B[:,::-1])I = np.array([0, 1, 2, 3, 15, 16, 32, 64, 128], dtype=np.uint8)print(np.unpackbits(I[:, np.newaxis], axis=1))

96. 给定一个二维数组，如何提取出唯一的行？

Z = np.random.randint(0,2,(6,3))T = np.ascontiguousarray(Z).view(np.dtype((np.void, Z.dtype.itemsize * Z.shape[1])))_, idx = np.unique(T, return_index=True)uZ = Z[idx]print(uZ)

97. 考虑两个向量A和B，写出用einsum等式对应的inner, outer, sum, mul函数

A = np.random.uniform(0,1,10)B = np.random.uniform(0,1,10)np.einsum('i->', A)       # np.sum(A)np.einsum('i,i->i', A, B) # A * Bnp.einsum('i,i->i', A, B) # np.inner(A, B)np.einsum('i,j->ij', A, B) # np.outer(A, B)

98. 考虑一个由两个向量描述的路径(X,Y)，如何用等距样例对其进行采样？

phi = np.arange(0, 10*np.pi, 0.1)a = 1x = a*phi*np.cos(phi)y = a*phi*np.sin(phi)dr = (np.diff(x)**2 + np.diff(y)**2)**0.5r = np.zeros_like(x)r[1:] = np.cumsum(dr)r_int = np.linspace(0, r.max(), 200)x_int = np.interp(r_int, r, x)y_int = np.interp(r_int, r, y)print(x_int)print(y_int)

99. 给定一个整数n 和一个二维数组X，从X中选择可以被解释为从多n度的多项分布式的行，即这些行只包含整数对n的和。

X = np.asarray([[1.0, 0.0, 3.0, 8.0],               [2.0, 0.0, 1.0, 1.0],               [1.5, 2.5, 1.0, 0.0]])n = 4M = np.logical_and.reduce(np.mod(X, 1) == 0, axis=-1)M &= (X.sum(axis=-1) == n)print(X[M])

100. 对于一个一维数组X，计算它boostrapped之后的95%置信区间的平均值。

X = np.random.randn(100)N = 1000idx = np.random.randint(0, X.size, (N, X.size))means = X[idx].mean(axis=1)confint = np.percentile(means, [2.5, 97.5])print(confint)

转载地址：http://twnfk.baihongyu.com/