作者：刘早起

来源：早起Python

大家好，这篇是接上篇《numpy学得还不错？来试试这20题（上）》，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，本文将将接下来的10个NumPy经典问题和实用代码附上，建议打开Jupyter Notebook边敲边看！

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！

CDA学员免费下载查看报告全文：2026全球数智化人才指数报告【CDA数据科学研究院】.pdf