numpy是一款功能强大的python库,通常被用来存储和处理大型矩阵。numpy可以支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库 。相信大家在数据分析过程中一定少不了numpy的帮助，为了帮助大家巩固numpy的学习和实用成果，一起来跟小编做下边的20道题吧.

以下内容来源： 早起Python

作者：刘早起

大家好，又到了NumPy进阶修炼专题。

NumPy大家应该不陌生了，看了太多的原理讲解之后，用刷题来学习是最有效的方法，本文将带来20个NumPy经典问题，附赠20段实用代码，拿走就用，建议打开Jupyter Notebook边敲边看！

01数据查找

问：如何获得两个数组之间的相同元素

输入：

import numpy as np
import pandas as pd
import warnings
warnings.filterwarnings("ignore")
arr1 = np.random.randint(10,6,6)
arr2 = np.random.randint(10,6,6)

答案：

arr1 = np.random.randint(10,6,6)
arr2 = np.random.randint(10,6,6)
print("arr1: %s"%arr1)
print("arr2: %s"%arr2)
np.intersect1d(arr1,arr2)

02数据修改

问：如何从一个数组中删除另一个数组存在的元素

输入：

arr1 = np.random.randint(10,6,6)
arr2 = np.random.randint(10,6,6)

答案：

arr1 = np.random.randint(1,10,10)
arr2 = np.random.randint(1,10,10)
print("arr1: %s"%arr1)
print("arr2: %s"%arr2)
np.setdiff1d(arr1,arr2)

03数据修改

问：如何修改一个数组为只读模式

输入：

arr1 = np.random.randint(1,10,10)

答案：

arr1 = np.random.randint(1,10,10)
arr1.flags.writeable = False

04数据转换

问：如何将list转为numpy数组

输入：

a = [1,2,3,4,5]

答案：

a = [1,2,3,4,5]
np.array(a)

05数据转换

问：如何将pd.DataFrame转为numpy数组

输入：

df = pd.DataFrame({'A':[1,2,3],'B':[4,5,6],'C':[7,8,9]})

答案：

df.values

06数据分析

问：如何使用numpy进行描述性统计分析

输入：

arr1 = np.random.randint(1,10,10)
arr2 = np.random.randint(1,10,10)

答案：

arr1 = np.random.randint(1,10,10)
arr2 = np.random.randint(1,10,10)

print("arr1的平均数为:%s" %np.mean(arr1))
print("arr1的中位数为:%s" %np.median(arr1))
print("arr1的方差为:%s" %np.var(arr1))
print("arr1的标准差为:%s" %np.std(arr1))
print("arr1,arr的相关性矩阵为:%s" %np.cov(arr1,arr2))
print("arr1,arr的协方差矩阵为:%s" %np.corrcoef(arr1,arr2))

07数据抽样

问：如何使用numpy进行概率抽样

arr = np.array([1,2,3,4,5])

输入：

arr = np.array([1,2,3,4,5])
np.random.choice(arr,10,p = [0.1,0.1,0.1,0.1,0.6])

答案：

08数据创建

问：如何为数据创建副本

输入：

arr = np.array([1,2,3,4,5])

答案：

#对副本数据进行修改，不会影响到原始数据
arr = np.array([1,2,3,4,5])
arr1 = arr.copy()

09数据切片

问：如何对数组进行切片

输入：

arr = np.arange(10)

备注：从索引2开始到索引8停止，间隔为2

答案：

arr = np.arange(10)
a = slice(2,8,2)
arr[a] #等价于arr[2:8:2]

10字符串操作

问：如何使用NumPy操作字符串

输入：

str1 = ['I love']
str2 = [' Python']

答案：

#拼接字符串
str1 = ['I love']
str2 = [' Python']
print(np.char.add(str1,str2))

#大写首字母
str3 = np.char.add(str1,str2)
print(np.char.title(str3))

11数据修改

问：如何对数据向上/下取整

输入：

arr = np.random.uniform(0,10,10)

答案：

arr = np.random.uniform(0,10,10)
print(arr)
###向上取整
print(np.ceil(arr))
###向下取整
print(np.floor(arr) )

12格式修改

问：如何取消默认科学计数显示数据

答案：

np.set_printoptions(suppress=True)

13数据修改

问：如何使用NumPy对二维数组逆序

输入：

arr = np.random.randint(1,10,[3,3])

答案：

arr = np.random.randint(1,10,[3,3])
print(arr)
print('列逆序')
print(arr[:, -1::-1])
print('行逆序')
print(arr[-1::-1, :])

14数据查找

问：如何使用NumPy根据位置查找元素

输入：

arr1 = np.random.randint(1,10,5)
arr2 = np.random.randint(1,20,10)

备注：在arr2中根据arr1中元素以位置查找

答案：

arr1 = np.random.randint(1,10,5)
arr2 = np.random.randint(1,20,10)
print(arr1)
print(arr2)
print(np.take(arr2,arr1))

15数据计算

问：如何使用numpy求余数

输入：

a = 10
b = 3

答案：

np.mod(a,b)

16数据计算

问：如何使用NumPy进行矩阵SVD分解

输入：

A = np.random.randint(1,10,[3,3])

答案：

np.linalg.svd(A)

17数据筛选

问：如何使用NumPy多条件筛选数据

输入：

arr = np.random.randint(1,20,10)

答案：

arr = np.random.randint(1,20,10)
print(arr[(arr>1)&(arr<7)&(arr%2==0)])

18数据修改

问：如何使用NumPy对数组分类

备注：将大于等于7，或小于3的元素标记为1，其余为0

输入：

arr = np.random.randint(1,20,10)

答案：

arr = np.random.randint(1,20,10)
print(arr)
print(np.piecewise(arr, [arr < 3, arr >= 7], [-1, 1]))

19数据修改

问：如何使用NumPy压缩矩阵

备注：从数组的形状中删除单维度条目，即把shape中为1的维度去掉

输入：

arr = np.random.randint(1,10,[3,1])

答案：

arr = np.random.randint(1,10,[3,1])
print(arr)
print(np.squeeze(arr))

20数据计算

问：如何使用numpy求解线性方程组

输入：

A = np.array([[1, 2, 3], [2, -1, 1], [3, 0, -1]])
b = np.array([9, 8, 3])

备注：求解Ax=b

答案：

A = np.array([[1, 2, 3], [2, -1, 1], [3, 0, -1]])
b = np.array([9, 8, 3])
x = np.linalg.solve(A, b)
print(x)

以上就是我总结的NumPy经典20题，你都会吗？并且每题我都只给出了一种解法，而事实上每题都有多种解法，所以你应该思考是否有更好的思路！

走到这里，NumPy80题就结束了，完整版80题将会在近期发布，尽情期待！