chap1-warmup

时间:2020-07-11
本文章向大家介绍chap1-warmup,主要包括chap1-warmup使用实例、应用技巧、基本知识点总结和需要注意事项,具有一定的参考价值,需要的朋友可以参考一下。

1.numpy的array操作

 1 #1.导入numpy
 2 import numpy as np
 3 import matplotlib.pyplot as plt 
 4 
 5 #2.建立一个一维数组 a 初始化为[4,5,6]
 6 #(1)输出a 的类型(type)(2)输出a的各维度的大小(shape)(3)输出 a的第一个元素(值为4)
 7 a=np.array([4,5,6])
 8 print(type(a))         
 9 print(a.shape)
10 print(a[0])
11 
12 
13 #3.建立一个二维数组 b,初始化为 [ [4, 5, 6],[1, 2, 3]] 
14 #(1)输出各维度的大小(shape)(2)输出 b(0,0),b(0,1),b(1,1) 这三个元素(对应值分别为4,5,2)
15 b=np.array([[4,5,6],[1,2,3]])
16 print(b.shape)
17 print(b[0,0],b[0,1],b[1,1])
18 
19 
20 #4.(1)建立一个全0矩阵 a, 大小为 3x3; 类型为整型(提示: dtype = int)
21 a=np.zeros((3,3),dtype=int)
22 #(2)建立一个全1矩阵b,大小为4x5;
23 b=np.ones((4,5))
24 #(3)建立一个单位矩阵c,大小为4x4注意参数是n,而非shape  
25 c=np.eye(4)             
26 #(4)生成一个随机数矩阵d,大小为 3x2
27 d=np.random.randn(3,2)
28 
29 
30 #5.建立一个数组 a,(值为[[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]] ) 
31 #(1)打印a; (2)输出下标为(2,3),(0,0)这两个数组元素的值
32 a=np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]])
33 print(a)
34 print(a[2,3],a[0,0])
35 
36 
37 #6.把上一题的 a数组的 0到1行 2到3列,放到b里面去(直接调用a)
38 #(1)输出b;(2)输出b的(0,0)这个元素的值¶
39 b=a[:2,1:4]
40 print(b)
41 print(b[0,0])
42 
43 #7.把第5题中数组a的最后两行所有元素放到c中
44 #(1)输出 c ; (2)输出c中第一行的最后一个元素
45 c=a[-2:,:]
46 print(c)
47 print(c[0,-1])
48 
49 
50 #8.建立数组a,初始化a为[[1, 2], [3, 4], [5, 6]],输出(0,0)(1,1)(2,0)这三个元素
51 a=np.array([[1, 2], [3, 4], [5, 6]])
52 print(a[[0, 1, 2], [0, 1, 0]])          #[[输出索引的第一个参数集合],[输出索引的第二个参数集合]]
53 
54 
55 #9.建立矩阵a,初始化为[[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12]],输出(0,0),(1,2),(2,0),(3,1) 
56 a=np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12]])
57 print(a[np.arange(4), np.array([0, 2, 0, 1])])
58 
59 
60 #10.对9中输出的那四个元素,每个都加上10,然后重新输出矩阵a.
61 a[np.arange(4), np.array([0, 2, 0, 1])] += 10
62 print(a)

2.array的数学操作

 1 #1.执行 x = np.array([1, 2]),然后输出x的数据类型
 2 x=np.array([1, 2])
 3 print(x.dtype)
 4 
 5 
 6 #2.执行 x = np.array([1.0, 2.0]) ,然后输出x的数据类类型
 7 x=np.array([1.0, 2.0])
 8 print(x.dtype)
 9 
10 
11 #3.执行 x = np.array([[1, 2], [3, 4]], dtype=np.float64) ,y = np.array([[5, 6], [7, 8]], dtype=np.float64),然后输出 x+y和np.add(x,y)
12 x = np.array([[1, 2], [3, 4]], dtype=np.float64)
13 y = np.array([[5, 6], [7, 8]], dtype=np.float64)
14 print(x+y)
15 print(np.add(x,y))
16 
17 
18 #4.利用3题目中的x,y 输出 x-y 和 np.subtract(x,y)
19 print(x-y)
20 print(np.subtract(x,y))
21 
22 
23 #5.利用3题目中的x,y 输出 x*y,和 np.multiply(x, y)还有np.dot(x,y),比较差异。然后自己换一个不是方阵的试试
24 print(x*y)                   #对应元素相乘
25 print(np.multiply(x,y))      #对应元素相乘
26 print(np.dot(x,y))           #矩阵乘法
27 #不是方阵,如果x.shape=y.shape,可以执行x*y和np.multiply(x,y),维度符合矩阵乘法要求的可以进行矩阵乘法
28 
29 
30 #6.利用3题目中的x,y,输出 x / y
31 print(np.divide(x,y))
32 print(x/y)
33 
34 
35 #7.利用3题目中的x,输出x的开方。
36 print(np.sqrt(x))
37 print(x**0.5)
38 
39 #8.利用3题目中的x,y,执行 print(x.dot(y)) 和 print(np.dot(x,y)),结果相同
40 print(x.dot(y))       
41 print(np.dot(x,y))
42 
43 
44 #9利用3题目中的x,进行求和。
45 #输出三种求和 (1)print(np.sum(x)): (2)print(np.sum(x,axis =0 )); (3)print(np.sum(x,axis = 1))
46 print(np.sum(x))          #10.0全部元素和
47 print(np.sum(x,axis=0))   #[4. 6.] 把行压缩掉,就是对每列相加
48 print(np.sum(x,axis=1))   #[3. 7.] 每行相加
49 
50 
51 #10.利用3题目中的x,进行求平均数(跟9含义一样,只是sum操作改为mean操作)
52 #输出三种平均数(1)print(np.mean(x)) (2)print(np.mean(x,axis = 0))(3) print(np.mean(x,axis =1)))
53 print(np.mean(x)) 
54 print(np.mean(x,axis = 0))
55 print(np.mean(x,axis =1))
56 
57 
58 #11利用3题目中的x,对x进行矩阵转置,然后输出转置后的结果
59 print(x.T)
60 
61 
62 #12.利用3题目中的x,求e的指数
63 print(np.exp(x))
64 
65 
66 #13.利用3题目中的x,求值最大的下标
67 #(1)print(np.argmax(x)),(2) print(np.argmax(x, axis =0))(3)print(np.argmax(x,axis =1))
68 print(np.argmax(x))             #平摊之后的最大值索引
69 print(np.argmax(x,axis =0))     #每一列的最大值索引
70 print(np.argmax(x,axis =1))     #每一行的最大值索引
71 
72 
73 #14.画图,y=x*x 其中 x = np.arange(0, 100, 0.1) 
74 x = np.arange(0, 100, 0.1) 
75 plt.plot(x,x*x)
76 plt.show()
77 
78 #15.画图。画正弦函数和余弦函数, x = np.arange(0, 3 * np.pi, 0.1)
79 x = np.arange(0, 3 * np.pi, 0.1)
80 plt.plot(x,np.sin(x))
81 plt.plot(x,np.cos(x))
82 plt.show()

14,15对应图:

原文地址:https://www.cnblogs.com/cxq1126/p/13285637.html