Numpy闯关100题，我闯了95关，你呢？
来源：https://github.com/rougier/numpy-100
1. 导入numpy库并取别名为np (★☆☆)
import numpy as np2. 打印输出numpy的版本和配置信息 (★☆☆)
print(np.__version__)print(np.show_config())
3. 创建一个长度为10的空向量 (★☆☆)
Z = np.zeros(10)print(Z)
4. 如何找到任何一个数组的内存大小？(★☆☆)
Z = np.zeros((10,10))print("%d bytes" % (Z.size * Z.itemsize))
5. 如何从命令行得到numpy中add函数的说明文档? (★☆☆)
import numpy as npnp.info(numpy.add)
6. 创建一个长度为10并且除了第五个值为1的空向量 (★☆☆)
Z = np.zeros(10)Z[4] = 1print(Z)
7. 创建一个值域范围从10到49的向量(★☆☆)
Z = np.arange(10,50)print(Z)
8. 反转一个向量(第一个元素变为最后一个) (★☆☆)
Z = np.arange(50)Z = Z[::-1]print(Z)
9. 创建一个 3x3 并且值从0到8的矩阵(★☆☆)
Z = np.arange(9).reshape(3,3)print(Z)
10. 找到数组[1,2,0,0,4,0]中非0元素的位置索引 (★☆☆)
nz = np.nonzero([1,2,0,0,4,0])print(nz)
11. 创建一个 3x3 的单位矩阵 (★☆☆)
Z = np.eye(3)print(Z)
12. 创建一个 3x3x3的随机数组 (★☆☆)
Z = np.random.random((3,3,3))print(Z)
13. 创建一个 10x10 的随机数组并找到它的最大值和最小值 (★☆☆)
Z = np.random.random((10,10))Zmin, Zmax = Z.min(), Z.max()print(Zmin, Zmax)
14. 创建一个长度为30的随机向量并找到它的平均值 (★☆☆)
Z = np.random.random(30)m = Z.mean()print(m)
15. 创建一个二维数组，其中边界值为1，其余值为0 (★☆☆)
Z = np.ones((10,10))Z[1:-1,1:-1] = 0print(Z)
16. 对于一个存在在数组，如何添加一个用0填充的边界? (★☆☆)
Z = np.ones((5,5))Z = np.pad(Z, pad_width=1, mode='constant', constant_values=0)print(Z)
17. 下面表达式运行的结果是什么？(★☆☆)
# 表达式 # 结果0 * np.nan nannp.nan == np.nan Falsenp.inf > np.nan Falsenp.nan - np.nan nan0.3 == 3 * 0.1 False
18. 创建一个 5x5的矩阵，并设置值1,2,3,4落在其对角线下方位置 (★☆☆)
Z = np.diag(1+np.arange(4),k=-1)print(Z)
19. 创建一个8x8 的矩阵，并且设置成棋盘样式 (★☆☆)
Z = np.zeros((8,8),dtype=int)Z[1::2,::2] = 1Z[::2,1::2] = 1print(Z)
20. 考虑一个 (6,7,8) 形状的数组，其第100个元素的索引(x,y,z)是什么?
print(np.unravel_index(100,(6,7,8)))
21. 用tile函数去创建一个 8x8的棋盘样式矩阵(★☆☆)
Z = np.tile( np.array([[0,1],[1,0]]), (4,4))print(Z)
22. 对一个5x5的随机矩阵做归一化(★☆☆)
Z = np.random.random((5,5))Zmax, Zmin = Z.max(), Z.min()Z = (Z - Zmin)/(Zmax - Zmin)print(Z)
23. 创建一个将颜色描述为(RGBA)四个无符号字节的自定义dtype？(★☆☆)
color = np.dtype([("r", np.ubyte, 1),("g", np.ubyte, 1),("b", np.ubyte, 1),("a", np.ubyte, 1)])color
24. 一个5x3的矩阵与一个3x2的矩阵相乘，实矩阵乘积是什么？(★☆☆)
Z = np.dot(np.ones((5,3)), np.ones((3,2)))print(Z)
25. 给定一个一维数组，对其在3到8之间的所有元素取反 (★☆☆)
Z = np.arange(11)Z[(3 < Z) & (Z <= 8)] *= -1print(Z)
26. 下面脚本运行后的结果是什么? (★☆☆)
# Author: Jake VanderPlas # 结果print(sum(range(5),-1)) #9from numpy import *print(sum(range(5),-1)) #10 #numpy.sum(a, axis=None)
27. 考虑一个整数向量Z,下列表达合法的是哪个? (★☆☆)
Z**Z #True2 << Z >> 2 #FalseZ <- Z #True1j*Z #True #复数Z/1/1 #TrueZ<Z>Z #False
28. 下面表达式的结果分别是什么？(★☆☆)
np.array(0) / np.array(0)np.array(0) // np.array(0) #0np.array([np.nan]).astype(int).astype(float) #-2.14748365e+09
29. 如何从零位开始舍入浮点数组？(★☆☆)
# Author: Charles R HarrisZ = np.random.uniform(-10,+10,10)print (np.copysign(np.ceil(np.abs(Z)), Z))
30. 如何找出两个数组公共的元素? (★☆☆)
Z1 = np.random.randint(0, 10, 10)Z2 = np.random.randint(0, 10, 10)print (np.intersect1d(Z1, Z2))
31. 如何忽略所有的 numpy 警告(尽管不建议这么做)? (★☆☆)
# Suicide mode ondefaults = np.seterr(all="ignore")Z = np.ones(1) / 0# Back to sanity_ = np.seterr(**defaults)# 另一个等价的方式， 使用上下文管理器（context manager）with np.errstate(divide='ignore'):Z = np.ones(1) / 0
32. 下面的表达式是否为真? (★☆☆)
np.sqrt(-1) == np.emath.sqrt(-1) #False
33. 如何获得昨天，今天和明天的日期? (★☆☆)
yesterday = np.datetime64('today', 'D') - np.timedelta64(1, 'D')today = np.datetime64('today', 'D')tomorrow = np.datetime64('today', 'D') + np.timedelta64(1, 'D')
34. 怎么获得所有与2016年7月的所有日期? (★★☆)
Z = np.arange('2016-07', '2016-08', dtype='datetime64[D]')print (Z)
35. 如何计算 ((A+B)*(-A/2)) (不使用中间变量)? (★★☆)
A = np.ones(3) * 1B = np.ones(3) * 1C = np.ones(3) * 1np.add(A, B, out=B)np.divide(A, 2, out=A)np.negative(A, out=A)np.multiply(A, B, out=A)
36. 用5种不同的方法提取随机数组中的整数部分 (★★☆)
Z = np.random.uniform(0, 10, 10)print(Z - Z % 1)print(np.floor(Z))print(np.cell(Z)-1)print(Z.astype(int))print(np.trunc(Z))
37. 创建一个5x5的矩阵且每一行的值范围为从0到4 (★★☆)
Z = np.zeros((5, 5))Z += np.arange(5)print(Z)
38. 如何用一个生成10个整数的函数来构建数组 (★☆☆)
def generate():for x in range(10):yield xZ = np.fromiter(generate(), dtype=float, count=-1)print(Z)
39. 创建一个大小为10的向量， 值域为0到1，不包括0和1 (★★☆)
Z = np.linspace(0, 1, 12, endpoint=True)[1: -1]print (Z)
40. 创建一个大小为10的随机向量，并把它排序 (★★☆)
Z = np.random.random(10)Z.sort()print (Z)
41. 对一个小数组进行求和有没有办法比np.sum更快? (★★☆)
Z = np.arange(10)np.add.reduce(Z)
42. 如何判断两和随机数组相等 (★★☆)
A = np.random.randint(0, 2, 5)B = np.random.randint(0, 2, 5)# 假设array的形状(shape)相同和一个误差容限（tolerance）equal = np.allclose(A,B)print(equal)# 检查形状和元素值，没有误差容限（值必须完全相等）equal = np.array_equal(A,B)print(equal)
43. 把数组变为只读 (★★☆)
Z = np.zeros(5)Z.flags.writeable = FalseZ[0] = 1
44. 将一个10x2的笛卡尔坐标矩阵转换为极坐标 (★★☆)
Z = np.random.random((10, 2))X, Y = Z[:, 0], Z[:, 1]R = np.sqrt(X**2 + Y**2)T = np.arctan2(Y, X)print (R)print (T)
45. 创建一个大小为10的随机向量并且将该向量中最大的值替换为0(★★☆)
Z = np.random.random(10)Z[Z.argmax()] = 0print (Z)
46. 创建一个结构化数组，其中x和y坐标覆盖[0, 1]x[1, 0]区域 (★★☆)
Z = np.zeros((5, 5), [('x', float), ('y', float)])Z['x'], Z['y'] = np.meshgrid(np.linspace(0, 1, 5), np.linspace(0, 1, 5))print (Z)
47. 给定两个数组X和Y，构造柯西(Cauchy)矩阵C () (★★☆)
X = np.arange(8)Y = X + 0.5C = 1.0 / np.subtract.outer(X, Y)print (C)print(np.linalg.det(C)) # 计算行列式
48. 打印每个numpy 类型的最小和最大可表示值 (★★☆)
for dtype in [np.int8, np.int32, np.int64]:print(np.iinfo(dtype).min)print(np.iinfo(dtype).max)for dtype in [np.float32, np.float64]:print(np.finfo(dtype).min)print(np.finfo(dtype).max)print(np.finfo(dtype).eps)
49. 如何打印数组中所有的值？(★★☆)
np.set_printoptions(threshold=np.nan)Z = np.zeros((16,16))print(Z)
50. 如何在数组中找到与给定标量接近的值? (★★☆)
Z = np.arange(100)v = np.random.uniform(0, 100)index = (np.abs(Z-v)).argmin()print(Z[index])
51. 创建表示位置(x, y)和颜色(r, g, b, a)的结构化数组 (★★☆)
Z = np.zeros(10, [('position', [('x', float, 1),('y', float, 1)]),('color', [('r', float, 1),('g', float, 1),('b', float, 1)])])print (Z)
52. 思考形状为(100, 2)的随机向量，求出点与点之间的距离 (★★☆)
Z = np.random.random((100, 2))X, Y = np.atleast_2d(Z[:, 0], Z[:, 1])D = np.sqrt((X-X.T)**2 + (Y-Y.T)**2)print (D)
import scipy.spatialZ = np.random.random((100,2))D = scipy.spatial.distance.cdist(Z,Z)print(D)
53. 如何将类型为float(32位)的数组类型转换位integer(32位)? (★★☆)
Z = np.arange(10, dtype=np.int32)Z = Z.astype(np.float32, copy=False)print(Z)
54. 如何读取下面的文件? (★★☆)
'''1, 2, 3, 4, 56, , , 7, 8, , 9,10,11'''# 先把上面保存到文件example.txt中# 这里不使用StringIO， 因为Python2 和Python3 在这个地方有兼容性问题Z = np.genfromtxt("example.txt", delimiter=",")print(Z)
55. numpy数组枚举(enumerate)的等价操作? (★★☆)
Z = np.arange(9).reshape(3,3)for index, value in np.ndenumerate(Z):print(index, value)for index in np.ndindex(Z.shape):print(index, Z[index])
56. 构造一个二维高斯矩阵(★★☆)
X, Y = np.meshgrid(np.linspace(-1, 1, 10), np.linspace(-1, 1, 10))D = np.sqrt(X**2 + Y**2)sigma, mu = 1.0, 0.0G = np.exp(-( (D-mu)**2 / (2.0*sigma**2) ))print (G)
57. 如何在二维数组的随机位置放置p个元素? (★★☆)
n = 10p = 3Z = np.zeros((n,n))np.put(Z, np.random.choice(range(n*n), p, replace=False),1)print(Z)
58. 减去矩阵每一行的平均值 (★★☆)
X = np.random.rand(5, 10)Y = X - X.mean(axis=1, keepdims=True)print(Y)
59. 如何对数组通过第n列进行排序? (★★☆)
Z = np.random.randint(0,10,(3,3))print(Z)print(Z[ Z[:,1].argsort() ])
60. 如何判断一个给定的二维数组存在空列? (★★☆)
Z = np.random.randint(0,3,(3,10))print((~Z.any(axis=0)).any())
61. 从数组中找出与给定值最接近的值 (★★☆)
Z = np.random.uniform(0,1,10)z = 0.5m = Z.flat[np.abs(Z - z).argmin()]print(m)
62. 思考形状为(1, 3)和(3, 1)的两个数组形状，如何使用迭代器计算它们的和? (★★☆)
A = np.arange(3).reshape(3, 1)B = np.arange(3).reshape(1, 3)it = np.nditer([A, B, None])for x, y, z in it:z[...] = x + yprint (it.operands[2])
63. 创建一个具有name属性的数组类 (★★☆)
class NameArray(np.ndarray):def __new__(cls, array, name="no name"):obj = np.asarray(array).view(cls)obj.name = namereturn objdef __array_finalize__(self, obj):if obj is None: returnself.info = getattr(obj, 'name', "no name")Z = NameArray(np.arange(10), "range_10")print (Z.name)
64. 给定一个向量，如何让在第二个向量索引的每个元素加1(注意重复索引)? (★★★)
Z = np.ones(10)I = np.random.randint(0,len(Z),20)Z += np.bincount(I, minlength=len(Z))print(Z)# Another solutionnp.add.at(Z, I, 1)print(Z)
65. 如何根据索引列表I将向量X的元素累加到数组F? (★★★)
X = [1,2,3,4,5,6]I = [1,3,9,3,4,1]F = np.bincount(I,X)print(F)
66. 思考(dtype = ubyte)的(w, h, 3)图像，计算唯一颜色的值(★★★)
w,h = 16,16I = np.random.randint(0,2,(h,w,3)).astype(np.ubyte)F = I[...,0]*256*256 + I[...,1]*256 +I[...,2]n = len(np.unique(F))print(np.unique(I))
67. 思考如何求一个四维数组最后两个轴的数据和(★★★)
A = np.random.randint(0,10,(3,4,3,4))# 传递一个元组(numpy 1.7.0)sum = A.sum(axis=(-2,-1))print(sum)# 将最后两个维度压缩为一个# (适用于不接受轴元组参数的函数)sum = A.reshape(A.shape[:-2] + (-1,)).sum(axis=-1)print(sum)
68. 考虑一维向量D，如何使用相同大小的向量S来计算D的子集的均值，其描述子集索引？(★★★)
D = np.random.uniform(0,1,100)S = np.random.randint(0,10,100)D_sums = np.bincount(S, weights=D)D_counts = np.bincount(S)D_means = D_sums / D_countsprint(D_means)# Pandas solution as a reference due to more intuitive codeimport pandas as pdprint(pd.Series(D).groupby(S).mean())
69. 如何获得点积的对角线？(★★★)
A = np.random.uniform(0,1,(5,5))B = np.random.uniform(0,1,(5,5))# Slow versionnp.diag(np.dot(A, B))# Fast versionnp.sum(A * B.T, axis=1)# Faster versionnp.einsum("ij,ji->i", A, B)
70.考虑向量[1,2,3,4,5]，如何建立一个新的向量，在每个值之间交错有3个连续的零？(★★★)
Z = np.array([1,2,3,4,5])nz = 3Z0 = np.zeros(len(Z) + (len(Z)-1)*(nz))Z0[::nz+1] = Zprint(Z0)
71. 考虑一个维度(5,5,3)的数组，如何将其与一个(5,5)的数组相乘？(★★★)
A = np.ones((5,5,3))B = 2*np.ones((5,5))print(A * B[:,:,None])
72. 如何对一个数组中任意两行做交换? (★★★)
A = np.arange(25).reshape(5,5)A[[0,1]] = A[[1,0]]print(A)
73. 思考描述10个三角形（共享顶点）的一组10个三元组，找到组成所有三角形的唯一线段集 (★★★)
faces = np.random.randint(0,100,(10,3))F = np.roll(faces.repeat(2,axis=1),-1,axis=1)F = F.reshape(len(F)*3,2)F = np.sort(F,axis=1)G = F.view( dtype=[('p0',F.dtype),('p1',F.dtype)] )G = np.unique(G)print(G)
74. 给定一个二进制的数组C，如何生成一个数组A满足np.bincount(A)==C? (★★★)
C = np.bincount([1,1,2,3,4,4,6])A = np.repeat(np.arange(len(C)), C)print(A)
75. 如何通过滑动窗口计算一个数组的平均数? (★★★)
def moving_average(a, n=3) :ret = np.cumsum(a, dtype=float)ret[n:] = ret[n:] - ret[:-n]return ret[n - 1:] / nZ = np.arange(20)print(moving_average(Z, n=3))
76. 思考以为数组Z，构建一个二维数组，其第一行是(Z[0],Z[1],Z[2])， 然后每一行移动一位，最后一行为 (Z[-3],Z[-2],Z[-1]) (★★★)
from numpy.lib import stride_tricksdef rolling(a, window):shape = (a.size - window + 1, window)strides = (a.itemsize, a.itemsize)return stride_tricks.as_strided(a, shape=shape, strides=strides)Z = rolling(np.arange(10), 3)print(Z)
77. 如何对布尔值取反，或改变浮点数的符号(sign)? (★★★)
Z = np.random.randint(0,2,100)np.logical_not(Z, out=Z)Z = np.random.uniform(-1.0,1.0,100)np.negative(Z, out=Z)
78. 思考两组点集P0和P1去描述一组线(二维)和一个点p,如何计算点p到每一条线 i (P0[i],P1[i])的距离？(★★★)
def distance(P0, P1, p):T = P1 - P0L = (T**2).sum(axis=1)U = -((P0[:,0]-p[...,0])*T[:,0] + (P0[:,1]-p[...,1])*T[:,1]) / LU = U.reshape(len(U),1)D = P0 + U*T - preturn np.sqrt((D**2).sum(axis=1))P0 = np.random.uniform(-10,10,(10,2))P1 = np.random.uniform(-10,10,(10,2))p = np.random.uniform(-10,10,( 1,2))print (distance(P0, P1, p))
79. 考虑两组点集P0和P1去描述一组线(二维)和一组点集P，如何计算每一个点 j(P[j]) 到每一条线 i (P0[i],P1[i])的距离? (★★★)
P0 = np.random.uniform(-10, 10, (10,2))P1 = np.random.uniform(-10,10,(10,2))p = np.random.uniform(-10, 10, (10,2))print(np.array([distance(P0,P1,p_i) for p_i in p]))
80. 思考一个任意的数组，编写一个函数，该函数提取一个具有固定形状的子部分，并以一个给定的元素为中心(在该部分填充值) (★★★)
Z = np.random.randint(0,10,(10,10))shape = (5,5)fill = 0position = (1,1)R = np.ones(shape, dtype=Z.dtype)*fillP = np.array(list(position)).astype(int)Rs = np.array(list(R.shape)).astype(int)Zs = np.array(list(Z.shape)).astype(int)R_start = np.zeros((len(shape),)).astype(int)R_stop = np.array(list(shape)).astype(int)Z_start = (P-Rs//2)Z_stop = (P+Rs//2)+Rs%2R_start = (R_start - np.minimum(Z_start,0)).tolist()Z_start = (np.maximum(Z_start,0)).tolist()R_stop = np.maximum(R_start, (R_stop - np.maximum(Z_stop-Zs,0))).tolist()Z_stop = (np.minimum(Z_stop,Zs)).tolist()r = [slice(start,stop) for start,stop in zip(R_start,R_stop)]z = [slice(start,stop) for start,stop in zip(Z_start,Z_stop)]R[r] = Z[z]print(Z)print(R)
81. 考虑一个数组Z = [1,2,3,4,5,6,7,8,9,10,11,12,13,14],如何生成一个数组R = [[1,2,3,4], [2,3,4,5], [3,4,5,6], ...,[11,12,13,14]]? (★★★)
Z = np.arange(1,15,dtype=np.uint32)R = stride_tricks.as_strided(Z,(11,4),(4,4))print(R)
82. 计算矩阵的秩 (★★★)
Z = np.random.uniform(0,1,(10,10))U, S, V = np.linalg.svd(Z) # Singular Value Decompositionrank = np.sum(S > 1e-10)print(rank)
83. 如何找出数组中出现频率最高的值?(★★★)
Z = np.random.randint(0,10,50)print(np.bincount(Z).argmax())
84. 从一个10x10的矩阵中提取出连续的3x3区块(★★★)
Z = np.random.randint(0,5,(10,10))n = 3i = 1 + (Z.shape[0]-3)j = 1 + (Z.shape[1]-3)C = stride_tricks.as_strided(Z, shape=(i, j, n, n), strides=Z.strides + Z.strides)print(C)
85.创建一个满足 Z[i,j] == Z[j,i]的二维数组子类 (★★★)
class Symetric(np.ndarray):def __setitem__(self, index, value):i,j = indexsuper(Symetric, self).__setitem__((i,j), value)super(Symetric, self).__setitem__((j,i), value)def symetric(Z):return np.asarray(Z + Z.T - np.diag(Z.diagonal())).view(Symetric)S = symetric(np.random.randint(0,10,(5,5)))S[2,3] = 42print(S)
86. 考虑p个 nxn 矩阵和一组形状为(n,1)的向量，如何直接计算p个矩阵的乘积(n,1)? (★★★)
p, n = 10, 20M = np.ones((p,n,n))V = np.ones((p,n,1))S = np.tensordot(M, V, axes=[[0, 2], [0, 1]])print(S)# It works, because:# M is (p,n,n)# V is (p,n,1)# Thus, summing over the paired axes 0 and 0 (of M and V independently),# and 2 and 1, to remain with a (n,1) vector.
87. 对于一个16x16的数组，如何得到一个区域的和(区域大小为4x4)? (★★★)
Z = np.ones((16,16))k = 4S = np.add.reduceat(np.add.reduceat(Z, np.arange(0, Z.shape[0], k), axis=0), np.arange(0, Z.shape[1], k), axis=1)print(S)
88. 如何利用numpy数组实现Game of Life? (★★★)
def iterate(Z):# Count neighboursN = (Z[0:-2,0:-2] + Z[0:-2,1:-1] + Z[0:-2,2:] +Z[1:-1,0:-2] + Z[1:-1,2:] +Z[2: ,0:-2] + Z[2: ,1:-1] + Z[2: ,2:])# Apply rulesbirth = (N==3) & (Z[1:-1,1:-1]==0)survive = ((N==2) | (N==3)) & (Z[1:-1,1:-1]==1)Z[...] = 0Z[1:-1,1:-1][birth | survive] = 1return ZZ = np.random.randint(0,2,(50,50))for i in range(100): Z = iterate(Z)print(Z)
89. 如何找到一个数组的第n个最大值? (★★★)
Z = np.arange(10000)np.random.shuffle(Z)n = 5# Slowprint (Z[np.argsort(Z)[-n:]])# Fastprint (Z[np.argpartition(-Z,n)[:n]])
90. 给定任意个数向量，创建笛卡尔积(每一个元素的每一种组合) (★★★)
def cartesian(arrays):arrays = [np.asarray(a) for a in arrays]shape = (len(x) for x in arrays)ix = np.indices(shape, dtype=int)ix = ix.reshape(len(arrays), -1).Tfor n, arr in enumerate(arrays):ix[:, n] = arrays[n][ix[:, n]]return ixprint (cartesian(([1, 2, 3], [4, 5], [6, 7])))
91. 如何从一个常规数组中创建记录数组(record array)? (★★★)
Z = np.array([("Hello", 2.5, 3),("World", 3.6, 2)])R = np.core.records.fromarrays(Z.T,names='col1, col2, col3',formats = 'S8, f8, i8')print(R)
92. 思考一个大向量Z, 用三种不同的方法计算它的立方 (★★★)
x = np.random.rand(5e7)%timeit np.power(x,3)timeit x*x*xtimeit np.einsum('i,i,i->i',x,x,x)
93. 考虑两个形状分别为(8,3) 和(2,2)的数组A和B. 如何在数组A中找到满足包含B中元素的行？(不考虑B中每行元素顺序)？(★★★)
A = np.random.randint(0,5,(8,3))B = np.random.randint(0,5,(2,2))C = (A[..., np.newaxis, np.newaxis] == B)rows = np.where(C.any((3,1)).all(1))[0]print(rows)
94. 思考一个10x3的矩阵，如何分解出有不全相同值的行 (如 [2,2,3]) (★★★)
Z = np.random.randint(0,5,(10,3))print(Z)# solution for arrays of all dtypes (including string arrays and record arrays)E = np.all(Z[:,1:] == Z[:,:-1], axis=1)U = Z[~E]print(U)# soluiton for numerical arrays only, will work for any number of columns in ZU = Z[Z.max(axis=1) != Z.min(axis=1),:]print(U)
95. 将一个整数向量转换为二进制矩阵 (★★★)
I = np.array([0, 1, 2, 3, 15, 16, 32, 64, 128])B = ((I.reshape(-1,1) & (2**np.arange(8))) != 0).astype(int)print(B[:,::-1])I = np.array([0, 1, 2, 3, 15, 16, 32, 64, 128], dtype=np.uint8)print(np.unpackbits(I[:, np.newaxis], axis=1))
96. 给定一个二维数组，如何提取出唯一的行?(★★★)
Z = np.random.randint(0,2,(6,3))T = np.ascontiguousarray(Z).view(np.dtype((np.void, Z.dtype.itemsize * Z.shape[1])))_, idx = np.unique(T, return_index=True)uZ = Z[idx]print(uZ)
97. 考虑两个向量A和B，写出用einsum等式对应的inner, outer, sum, mul函数 (★★★)
A = np.random.uniform(0,1,10)B = np.random.uniform(0,1,10)np.einsum('i->', A) # np.sum(A)np.einsum('i,i->i', A, B) # A * Bnp.einsum('i,i', A, B) # np.inner(A, B)np.einsum('i,j->ij', A, B) # np.outer(A, B)
98. 考虑一个由两个向量描述的路径(X,Y)，如何用等距样例(equidistant samples)对其进行采样(sample)(★★★)?
phi = np.arange(0, 10*np.pi, 0.1)a = 1x = a*phi*np.cos(phi)y = a*phi*np.sin(phi)dr = (np.diff(x)**2 + np.diff(y)**2)**.5 # segment lengthsr = np.zeros_like(x)r[1:] = np.cumsum(dr) # integrate pathr_int = np.linspace(0, r.max(), 200) # regular spaced pathx_int = np.interp(r_int, r, x) # integrate pathy_int = np.interp(r_int, r, y)
99. 给定一个整数n 和一个二维数组X，从X中选择可以被解释为从多n度的多项分布式的行，即这些行只包含整数对n的和. (★★★)
X = np.asarray([[1.0, 0.0, 3.0, 8.0],[2.0, 0.0, 1.0, 1.0],[1.5, 2.5, 1.0, 0.0]])n = 4M = np.logical_and.reduce(np.mod(X, 1) == 0, axis=-1)M &= (X.sum(axis=-1) == n)print(X[M])
100. 对于一个一维数组X，计算它boostrapped之后的95%置信区间的平均值. (★★★)
X = np.random.randn(100) # random 1D arrayN = 1000 # number of bootstrap samplesidx = np.random.randint(0, X.size, (N, X.size))means = X[idx].mean(axis=1)confint = np.percentile(means, [2.5, 97.5])print(confint)
评论