1、簡要介紹

Numpy基礎

是python語音的一個擴展程序庫，是高性能計算和數據分析的基礎包，其核心是數組運算，支持大量的維度數組與矩陣運算，也針對數組運算提供大量的數學函數庫。

數組與列表的主要區別為：數組要求所有元素必須具有相同的數據類型；而列表可以包含任意類型的元素。

Pandas基礎

Pandas是python的一個數據分析包，該工具是為了解決數據分析任務而創建的。Pandas納入了大量庫和一些標準的數據模型，提供了高效地操作大型數據集所需的工作。Pandas提供了大量快速便捷地處理數據的函數和方法。

Series：是一個一維數組，Pandas默認使用0~n-1來作為series的index，也可以自己指定index(可以把index理解為dict里面的key)

DataFrame是一種表格型數據結構，它含有一組有序的列，每列可以是不同的值。DataFrame既有行索引，也有列索引，它可以看作是由Series組成的字典，這些Series公用一個索引。

練習題

練習題1

已知代碼求運行結果

import numpy as np np.array([1,2,3],dtype=float)

運行結果

array([1., 2., 3.]) #建立一個一維數組，數據類型為float

練習題2

已知代碼求運行結果

import numpy as np np.array([[1,2,3],[3,5,1]])

運行結果

array([[1, 2, 3],[3, 5, 1]]) #建立一個二維數組

練習3

已知代碼求運行結果

import numpy as np np.arange(0,3,1)

運行結果

array([0, 1, 2]) #建立一個從0~3的方差為1的等差數列

練習4

已知代碼求運行結果

import numpy as np np.linspace(0,3,4)

運行結果

array([0., 1., 2., 3.]) #總數為4個元素的等差數列，數據類型為float

練習5

已知代碼求運行結果

import numpy as np np.repeat([1,2],2)

運行結果

array([1, 1, 2, 2]) #單個數組元素的連續重復復制

練習6

已知代碼求運行結果

import numpy as np np.tile([1,2],2)

運行結果

array([1, 2, 1, 2]) #整個數組元素的連續重復復制

練習7

已知代碼求運行結果

import numpy as np x=np.ones((2,3)) y=np.zeros((2,3)) print(x) print(y)

運行結果

[[1. 1. 1.][1. 1. 1.]] [[0. 0. 0.][0. 0. 0.]]#全1（全0）矩陣

練習8

已知代碼求運行結果

import numpy as np np.random.random(3)

運行結果

array([0.92815405, 0.41980077, 0.02225752]) #0~1之間的隨機數矩陣，三個數之間沒有任何大小關系

練習9

已知代碼求運行結果

import numpy as np np.random.randn(4)

運行結果

array([-2.26590246e+00, 2.03219870e-03, -6.32358557e-01, 2.61254097e-01]) #隨機生成標準正態分布的隨機數矩陣

練習10

已知代碼求運行結果

import numpy as np np.random.normal(loc=0,scale=1,size=3)

運行結果

array([0.61183477, 0.01554484, 1.91896554]) #均值為0，標準差為1的正態分布隨機數矩陣

練習11

已知代碼求運行結果

import numpy as np ary0=np.array([1,2,3],dtype=float) a=np.mean(ary0) b=np.average(ary0) ary1=np.array([[1,2,3],[4,6,2]],dtype=float) c=np.mean(ary1) d=np.average(ary1) print(a) print(b) print(c) print(d)

運行結果

2.0 2.0 3.0 3.0 #mean和average一樣的用法，求數組中所有元素的平均數

練習12

已知代碼求運行結果

import numpy as np ary0=np.array([1,2,3]) a=np.var(ary0) ary1=np.array([[1,2,3],[4,6,2]]) b=np.var(ary1) print(a) print(b)

運行結果

0.6666666666666666 2.6666666666666665 #求數組中所有元素的方差

練習13

已知代碼求運行結果

import numpy as np ary0=np.array([1,2,3]) a=np.min(ary0) ary1=np.array([[1,2,3],[4,6,2]]) b=np.max(ary1) print(a) print(b) 1 6 #求數組中所有元素的最大最小值

練習14

已知代碼求運行結果

import numpy as np ary0=np.array([1,2,3]) a=np.std(ary0) ary1=np.array([[1,2,3],[4,6,2]]) b=np.std(ary1) print(a) print(b)

運行結果

0.816496580927726 1.632993161855452 #計算標準差

練習15

已知代碼求運行結果

import numpy as np ary0=np.array([1,2,3],dtype=float) a=np.argmin(ary0) b=np.argmax(ary0) import numpy as np ary1=np.array([[1,2,3],[4,6,2]],dtype=float) c=np.argmin(ary1) d=np.argmax(ary1) print(a) print(b) print(c) print(d)

運行結果

0 2 0 4 #返回最小值、最大值的索引

練習15

已知代碼求運行結果

import numpy as np ary0=np.array([1,2,3]) a=np.ptp(ary0) ary1=np.array([[1,2,3],[4,6,2]]) b=np.ptp(ary1) print(a) print(b)

運行結果

2 5 #計算全距，即最大值與最小值的差

練習16

已知代碼求運行結果

import numpy as np ary0=np.array([1,2,3]) a=np.percentile(ary0,30) b=np.percentile(ary0,[50.90]) ary1=np.array([[1,2,3],[4,6,2]]) c=np.percentile(ary1,30) d=np.percentile(ary1,[50,90]) print(a) print(b) print(c) print(d)

運行結果

1.6 [2.018] 2.0 [2.5 5. ] #計算百分位在統計對象中的值,可以返回數值也可以返回數組

練習17

已知代碼求運行結果

import numpy as np ary0=np.array([1,2,3]) a=np.median(ary0) ary1=np.array([[1,2,3],[4,6,2]]) b=np.median(ary1) print(a) print(b)

運行結果

2.0 2.5 #計算中位數

練習18

已知代碼求運行結果

import numpy as np x=np.array([[1,5],[9,8],[4,2]]) print(np.argsort(x))

運行結果

[[0 1][1 0][1 0]]

練習18

已知代碼求運行結果

import numpy as np x=np.array([6,2,4,1,9]) print(np.argsort(x))

運行結果

[3 1 2 0 4]

練習19

已知代碼求運行結果

import numpy as np x=np.array([[2,5,4],[8,6,4],[3,5,1]]) print(np.sort(x,axis=0)) print(np.sort(x,axis=1))

運行結果

[[2 5 1][3 5 4][8 6 4]] [[2 4 5][4 6 8][1 3 5]]

總結

以上是生活随笔為你收集整理的Numpy随堂练习的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。