numpy经典练习

<think>我们被要求提供numpy经典练习题及答案。根据引用内容，我们有一些练习题示例，但需要整理出经典练习题。注意：引用中给出了几道练习题（83题、55题、12题、25题等），我们可以从中选取一些经典的，并补充其他经典题目。经典练习题通常包括：1.数组创建2.数组操作（索引、切片、形状变换）3.数学运算4.统计函数5.线性代数6.随机数生成7.文件输入输出我们将从引用中选取几道，并补充一些其他经典题目。注意：答案要使用中文，并且按照要求使用LaTeX格式的数学表达式。我们选择以下10道经典练习题：1.创建一个长度为10的一维全零数组，并把第五个元素赋值为1。2.创建一个3x3的二维数组，元素为从1到9。3.如何找到数组中出现频率最高的值？（引用[1]的83题）4.对于numpy数组，有什么等同于enumerate的函数？（引用[2]的55题）5.从数组np.arange(15)中提取5到10之间的所有数字。（引用[3]的12题）6.去除掉一个数组中所有元素都相同的数据（引用[4]的25题，但原题是去除行，我们稍作调整）7.计算两个数组的点积（内积）。8.生成一个5x5的随机数组，并找到最大值和最小值的位置。9.将数组中的负数替换为0。10.计算数组的均值、标准差、方差。我们将逐一给出题目和答案，答案使用代码块（如果是代码）或LaTeX（如果是数学公式）表示。注意：引用标识要自然地添加在引用内容的末尾。开始编写：</think>### NumPy 经典练习题及答案 以下是 NumPy 的经典练习题及详细解答，涵盖数组操作、数学运算、统计函数等核心功能： #### 1. 创建全零数组并修改元素 **题目**：创建长度为 10 的全零数组，将第五个元素（索引 4）改为 1。 **答案**： ```python import numpy as np arr = np.zeros(10) arr[4] = 1 print(arr) # 输出: [0. 0. 0. 0. 1. 0. 0. 0. 0. 0.] ``` #### 2. 提取特定范围的元素 **题目**：从 `np.arange(15)` 中提取所有 5 到 10 之间的数字（包含边界）[^3]。 **答案**： ```python arr = np.arange(15) result = arr[(arr >= 5) & (arr <= 10)] print(result) # 输出: [ 5 6 7 8 9 10] ``` #### 3. 查找频率最高的值 **题目**：找出数组 `[1, 2, 3, 4, 5, 1, 2, 1, 1, 2, 2, 2, 3]` 中出现频率最高的值[^1]。 **答案**： ```python arr = np.array([1, 2, 3, 4, 5, 1, 2, 1, 1, 2, 2, 2, 3]) values, counts = np.unique(arr, return_counts=True) most_frequent = values[np.argmax(counts)] print("出现频率最高的值:", most_frequent) # 输出: 2 ``` #### 4. 数组的枚举遍历 **题目**：对二维数组 `[[1,2], [3,4]]` 实现类似 Python `enumerate` 的遍历（输出索引和值）[^2]。 **答案**： ```python arr = np.array([[1, 2], [3, 4]]) for index, value in np.ndenumerate(arr): print(index, value) # 输出: # (0,0) 1 # (0,1) 2 # (1,0) 3 # (1,1) 4 ``` #### 5. 过滤重复行 **题目**：去除二维数组中所有元素完全相同的行（如 `[[1,1], [2,3]]` 中删除 `[1,1]`）[^4]。 **答案**： ```python z = np.array([[1, 1], [2, 3], [4, 4]]) # 检查每行元素是否全部相同 mask = ~np.all(z[:, 1:] == z[:, :-1], axis=1) result = z[mask] print(result) # 输出: [[2 3]] ``` #### 6. 矩阵乘法 **题目**：计算 $2 \times 3$ 矩阵与 $3 \times 2$ 矩阵的点积。 **答案**： ```python a = np.array([[1, 2, 3], [4, 5, 6]]) # 2x3 b = np.array([[7, 8], [9, 10], [11, 12]]) # 3x2 result = np.dot(a, b) print(result) # 输出: [[ 58 64][139 154]] ``` #### 7. 条件替换 **题目**：将数组中所有负数替换为 0。 **答案**： ```python arr = np.array([-1, 2, -3, 4]) arr[arr < 0] = 0 print(arr) # 输出: [0 2 0 4] ``` #### 8. 生成随机矩阵 **题目**：生成 $5 \times 5$ 的随机矩阵，元素值在 [0, 100) 区间。 **答案**： ```python random_matrix = np.random.randint(0, 100, (5, 5)) print(random_matrix) ``` #### 9. 计算统计指标 **题目**：计算数组 `[0, 5, 10, 15]` 的均值、标准差和方差。 **答案**： ```python arr = np.array([0, 5, 10, 15]) mean = np.mean(arr) # 7.5 std_dev = np.std(arr) # 5.5901699437494745 variance = np.var(arr) # 31.25 ``` #### 10. 数组形状变换 **题目**：将一维数组 `[1, 2, 3, 4, 5, 6]` 转换为 $2 \times 3$ 矩阵。 **答案**： ```python arr = np.array([1, 2, 3, 4, 5, 6]) reshaped = arr.reshape(2, 3) print(reshaped) # 输出: [[1 2 3][4 5 6]] ``` --- ### 更多学习资源建议 1. **官方文档**：[NumPy User Guide](https://numpy.org/doc/stable/user/index.html) 2. **经典教程**： - 《Python for Data Analysis》第 4 章（Wes McKinney 著） - 100 道 NumPy 练习题（参考引用内容[^1][^2][^4]） 3. **实战平台**： - LeetCode 数组标签题库 - Kaggle 数据清洗竞赛