对于Numpy,我讲的不多,因为和Pandas相比,他距离日常的数据处理更“远”一些。 但是,Numpy仍然是Python做数据分析所必须要掌握的基础库之一,以下题是github上的开源项目,主要为了检测你的Numpy能力 ,同时对你的学习作为一个补充。 来源: https://github.com/rougier/numpy-100 1. 导入numpy库并取别名为np (★☆☆) 2. 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 (★☆☆) 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 np
np .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] = 1
print(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 (★☆☆) 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] = 0
print(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?(★☆☆)
0 * np.nan nan
np.nan == np.nan False
np.inf > np.nan False
np.nan - np.nan nan
0.3 == 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] = 1
Z[::2,1::2] = 1
print(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)] *= -1
print(Z)
26. 下面脚本运行后的结果是什么? (★☆☆)
print(sum(range(5 ),-1 ))
from numpy import *
print(sum(range(5 ),-1 ))
27. 考虑一个整数向量Z,下列表达合法的是哪个? (★☆☆) Z**Z
2 << Z >> 2
Z <- Z
1 j*Z
Z/1 /1
Z<Z>Z
28. 下面表达式的结果分别是什么?(★☆☆) np.array (0 ) / np.array (0 ) #nan
np.array (0 )
np.array ([np.nan]).astype(int ).astype(float ) #-2.14748365e+09
29. 如何从零位开始舍入浮点数组?(★☆☆)
Z = 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)? (★☆☆)
defaults = np.seterr(all="ignore" )
Z = np.ones(1) / 0
_ = np.seterr(**defaults)
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) * 1
B = np.ones(3) * 1
C = np.ones(3) * 1
np.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 x
Z = 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 )
equal = np.allclose(A,B)
print(equal)
equal = np.array_equal(A,B)
print(equal)
43. 把数组变为只读 (★★☆) Z = np.zeros(5)
Z.flags.writeable = False
Z[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()] = 0
print (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 + 0.5
C = 1.0 / np.subtract.outer(X, Y)
print (C)
print(np.linalg.det(C))
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.spatial
Z = 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, 5
6, , , 7, 8
, , 9,10,11'''
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, 0.0
G = 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 = 10
p = 3
Z = 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 = 0.5
m = 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 + y
print (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 = name
return obj
def __array_finalize__ (self, obj) :
if obj is None : return
self.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)
np.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 = 16,16
I = 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))
sum = A.sum(axis=(-2,-1))
print(sum)
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_counts
print(D_means)
import pandas as pd
print(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))
np.diag(np.dot(A, B))
np.sum(A * B.T, axis=1)
np.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 = 3
Z0 = np.zeros(len(Z) + (len(Z)-1)*(nz))
Z0[::nz+1] = Z
print(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 : ] / n
Z = 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_tricks
def 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 - P0
L = (T**2).sum(axis=1)
U = -((P0[:,0]-p[...,0])*T[:,0] + (P0[:,1]-p[...,1])*T[:,1]) / L
U = U.reshape(len(U),1)
D = P0 + U*T - p
return 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 = 0
position = (1,1)
R = np.ones(shape, dtype=Z.dtype)*fill
P = 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%2
R_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)
rank = 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 = 3
i = 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 = index
super (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 ] = 42
print(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, 20
M = np.ones((p,n,n))
V = np.ones((p,n,1))
S = np.tensordot(M, V, axes=[[0, 2], [0, 1]])
print(S)
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 = 4
S = 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) :
N = (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 : ])
birth = (N==3 ) & (Z[1 :- 1 ,1 :- 1 ]==0 )
survive = ((N==2 ) | (N==3)) & (Z[1:-1,1:-1]==1)
Z[...] = 0
Z[1:-1,1:-1][birth | survive] = 1
return Z
Z = 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
print (Z[np.argsort(Z)[-n:]])
print (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 ).T
for n, arr in enumerate(arrays):
ix[:, n] = arrays[n][ix[:, n]]
return ix
print (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*x
% timeit 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)
E = np.all(Z[:,1:] == Z[:,:-1], axis=1)
U = Z[~E]
print(U)
U = 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.einsum('i,i->i' , A, B)
np.einsum('i,i' , A, B)
np.einsum('i,j->ij' , 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 = 1
x = a*phi*np.cos(phi)
y = a*phi*np.sin(phi)
dr = (np.diff(x)**2 + np.diff(y)**2)**.5
r = np.zeros_like(x)
r[1:] = np.cumsum(dr) # integrate path
r_int = np.linspace(0, r.max(), 200)
x_int = np.interp(r_int, r, x)
y_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 = 4
M = 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)
N = 1000
idx = 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)