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
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
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!
数据分析咨询请扫描二维码
CDA数据分析师在中国航信高科技产业园进行了面向测试度量的数据分析培训课程,培训人数近2 ...
2024-05-01CDA数据分析师走进深圳迈瑞生物医疗电子股份有限公司,在迈瑞总部展开了为期两天的培训,本次课程参训人员线上及线下近百人, ...
2024-05-01CDA数据分析师在合肥市对合肥阳光新能源科技有限公司开展了为期8天的企业内训。 合肥阳光新能源科技 ...
2024-05-01CDA数据分析师走进海尔大学,进行了《数据治理与数据中台建设的道与术》专题培训,培训现场爆满,近百人参加了此次培训。 ...
2024-05-01在中国银行苏州分行培训中心开始数据分析师培训,此次培训课程共10天内容,包括Excel、MySQL、概率论与数理统计、SPSS等内容, ...
2024-05-01从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,探讨数据挖掘、机器学习模型在金融领域的应用,包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面,形成 ...
2024-05-01本次培训课程为线上+线下的模式,由于学员编程能力不一、部分学员没有编程基础,故提供统计学、python基 ...
2024-05-01华夏银行信用卡中心-机器学习培训 1、课程亮点 取材于业界一流企业和顶级咨询公司的行业实践;已经被证明是人人 ...
2024-05-01主 题:数据中台建设及数据分析应用主题分享 1. 数据中台市场洞察 2. 主流数据中台产品比较 3. 某企业数据中 ...
2024-05-01围绕“数据驱动”战略,全力打造我行 300 人数字化人才梯队,着力培养数字化管理人才、大数据专业团队 ...
2024-05-01在当今数据驱动的商业环境中,数据分析成为了企业决策的重要依据。通过对大量数据的收集、处理和分析,企业能够更好地理解市场 ...
2024-04-29在人工智能(AI)的世界里,提示词(Prompt)是一种强大的工具,它能够引导AI按照用户的需求产生特定的输出。本文将深入探讨AI ...
2024-04-29CDA立足未来职场,拓展前沿视野——对外经贸大学保险学院举办“三全育人大讲堂”分享行业最新动态。 ...
2024-04-294月2日,CDA数据分析师创始发起人兼协会理事长赵坚毅博士受邀在浙江万里学院举办了一场以“数字化能力在职场中的作用” ...
2024-04-29随机森林(Random Forests)现在机器学习中比较火的一个算法,是一种基于Bagging的集成学习方法,能够很好地处理分类和回归的问 ...
2022-12-23方差分析是数据分析中常用的一种统计分析方法,接下来让我们简单了解一下方差分析的基本思想和原理吧。 方差分析(Analysis ...
2022-12-23来源:关于数据分析与可视化 关于streamlit-aggrid 数据排序 表格样式的调整 数据 ...
2022-08-03作者:麦叔 定义 「把上面晦涩的概念汇成一句话就是:」 ❝ 回调函数就是一个被作为参 ...
2022-08-03现今,高学历人群日益增多,物以稀为贵的高学历光环淡去。无论本科生还是研究生,甚至博士生,求职竞争力都大不如前,就业压力越来越大。
2022-06-01某家企业10个人面试,有9个本科生……如何脱颖而出,除得体的举止和良好的沟通力外,证书成重要筹码,这也是很多人考证的关键所在。
2022-04-14