
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
若不方便扫码,搜微信号:CDAshujufenxi
用 SQL 生成逆向回滚 SQL:数据操作的 “后悔药” 指南 在数据库操作中,误删数据、错改字段或误执行批量更新等问题时有发生。 ...
2025-07-14如何考取数据分析师证书:以 CDA 为例 在数字化浪潮席卷各行各业的当下,数据分析师已然成为企业挖掘数据价值、驱动决策的 ...
2025-07-14t检验与Wilcoxon检验的选择:何时用t.test,何时用wilcox.test? t 检验与 Wilcoxon 检验的选择:何时用 t.test,何时用 wilcox. ...
2025-07-14AI 浪潮下的生存与进阶: CDA数据分析师—开启新时代职业生涯的钥匙(深度研究报告、发展指导白皮书) 发布机构:CDA数据科 ...
2025-07-13LSTM 模型输入长度选择技巧:提升序列建模效能的关键 在循环神经网络(RNN)家族中,长短期记忆网络(LSTM)凭借其解决长序列 ...
2025-07-11CDA 数据分析师报考条件详解与准备指南 在数据驱动决策的时代浪潮下,CDA 数据分析师认证愈发受到瞩目,成为众多有志投身数 ...
2025-07-11数据透视表中两列相乘合计的实用指南 在数据分析的日常工作中,数据透视表凭借其强大的数据汇总和分析功能,成为了 Excel 用户 ...
2025-07-11尊敬的考生: 您好! 我们诚挚通知您,CDA Level I和 Level II考试大纲将于 2025年7月25日 实施重大更新。 此次更新旨在确保认 ...
2025-07-10BI 大数据分析师:连接数据与业务的价值转化者 在大数据与商业智能(Business Intelligence,简称 BI)深度融合的时代,BI ...
2025-07-10SQL 在预测分析中的应用:从数据查询到趋势预判 在数据驱动决策的时代,预测分析作为挖掘数据潜在价值的核心手段,正被广泛 ...
2025-07-10数据查询结束后:分析师的收尾工作与价值深化 在数据分析的全流程中,“query end”(查询结束)并非工作的终点,而是将数 ...
2025-07-10CDA 数据分析师考试:从报考到取证的全攻略 在数字经济蓬勃发展的今天,数据分析师已成为各行业争抢的核心人才,而 CDA(Certi ...
2025-07-09【CDA干货】单样本趋势性检验:捕捉数据背后的时间轨迹 在数据分析的版图中,单样本趋势性检验如同一位耐心的侦探,专注于从单 ...
2025-07-09year_month数据类型:时间维度的精准切片 在数据的世界里,时间是最不可或缺的维度之一,而year_month数据类型就像一把精准 ...
2025-07-09CDA 备考干货:Python 在数据分析中的核心应用与实战技巧 在 CDA 数据分析师认证考试中,Python 作为数据处理与分析的核心 ...
2025-07-08SPSS 中的 Mann-Kendall 检验:数据趋势与突变分析的有力工具 在数据分析的广袤领域中,准确捕捉数据的趋势变化以及识别 ...
2025-07-08备战 CDA 数据分析师考试:需要多久?如何规划? CDA(Certified Data Analyst)数据分析师认证作为国内权威的数据分析能力认证 ...
2025-07-08LSTM 输出不确定的成因、影响与应对策略 长短期记忆网络(LSTM)作为循环神经网络(RNN)的一种变体,凭借独特的门控机制,在 ...
2025-07-07统计学方法在市场调研数据中的深度应用 市场调研是企业洞察市场动态、了解消费者需求的重要途径,而统计学方法则是市场调研数 ...
2025-07-07CDA数据分析师证书考试全攻略 在数字化浪潮席卷全球的当下,数据已成为企业决策、行业发展的核心驱动力,数据分析师也因此成为 ...
2025-07-07