numpy數組運算作業
- 作業1
-
- 練習1
- 練習2
- 練習3
-
- 1、輸出0-9的數組arr
- 2、檢視arr的資料類型
- 3、建立0-5的數組，并指定其資料類型為“bool”
- 4、改變資料類型為“float64”
- 作業2
-
- 1、建立 2*2 的數組arr1 元素自定義
- 2、建立 2*2*3 的數組arr2 元素自定義
- 3、檢視arr2的次元以及形狀
- 4、将arr2轉為1維
- 5、将arr1進行轉置
- 6、生成 4*4 全為1的數組 arr3
- 7、生成機關矩陣
- 作業3
-
- 練習1
- 練習2
- 練習3
-
- 1、建構數組
- 2、選擇第3列
- 3、選擇1-3列
- 4、選擇2,4列
- 5、選擇 4,7 兩個點 将值改為 0
- 6、過濾出<5的值
- 練習4：多條件篩選
作業1
導入相關的庫
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei'] # 中文
plt.rcParams['axes.unicode_minus'] = False # 負号
練習1
方法一
方法二
import csv
with open('D:\餐飲.csv','r') as f:
datareader = csv.reader(f)
for row in datareader:
print(row)
練習2
練習3
1、輸出0-9的數組arr
arr=np.arange(10)
arr
# array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
2、檢視arr的資料類型
arr.dtype
# dtype('int32')
3、建立0-5的數組，并指定其資料類型為“bool”
arr1=np.array(range(6),dtype='bool')
arr1.dtype
# dtype('bool')
4、改變資料類型為“float64”
arr1.astype('float64')
# array([0., 1., 1., 1., 1., 1.])
作業2
1、建立 2*2 的數組arr1 元素自定義
arr1=np.arange(4).reshape(2,2)
arr1
# array([[0, 1],
# [2, 3]])
2、建立 223 的數組arr2 元素自定義
arr2=np.arange(12).reshape(2,2,3)
arr2
# array([[[ 0, 1, 2],
# [ 3, 4, 5]],
# [[ 6, 7, 8],
# [ 9, 10, 11]]])
3、檢視arr2的次元以及形狀
print(arr2.ndim)
print(arr2.shape)
# 3
# (2, 2, 3)
4、将arr2轉為1維
方法一：arr.flatten()
方法二：arr.ravel()
arr2.flatten()
arr2.ravel()
# array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11])
5、将arr1進行轉置
方法一：arr.transpose()
方法二：arr.T
方法三：arr.swapaxes() 換軸
arr1.transpose()
arr1.T
arr1.swapaxes(1,0)
# array([[0, 2],
# [1, 3]])
6、生成 4*4 全為1的數組 arr3
arr3=np.ones((4,4))
arr3
# array([[1., 1., 1., 1.],
# [1., 1., 1., 1.],
# [1., 1., 1., 1.],
# [1., 1., 1., 1.]])
7、生成機關矩陣
np.eye(3)
# array([[1., 0., 0.],
# [0., 1., 0.],
# [0., 0., 1.]])
作業3
練習1
在講解 Matplotlib 的時候，我們使用以下代碼繪制分組條形圖。其中講解到，三根柱子的位置需要同時往左或往右移動時，需要使用到清單推導式。實際上，duck不必，請使用numpy的所學來優化我們該部分代碼。
numpy優化
# 建立一個畫布
plt.figure(figsize=(6,4),dpi=100)
fruits = ["蘋果","梨子","車厘子"]
Q1 = [1000,800,3000]
Q2 = [1200,700,2800]
width=0.35
# 用numpy優化代替清單推導式
po_l = np.arange(3)-width/2
po_r = np.arange(3)+width/2
plt.bar(po_l,Q1,width,label="Q1")
plt.bar(po_r,Q2,width,label="Q2")
# 定義一個函數擷取每根柱子對應的數值
def demo(x_la,y_la):
for x,y in list(zip(x_la,y_la)):
plt.text(x,y+30,y,ha='center',va='bottom')
demo(po_l,Q1)
demo(po_r,Q2)
plt.legend(loc='upper left')
plt.ylim(0,3500)
plt.xticks(np.arange(3),fruits)
plt.show()
結果圖
練習2
1、np.arange(16).reshape(4,4)與2做減法
arr=np.arange(16).reshape(4,4)
arr
# array([[ 0, 1, 2, 3],
# [ 4, 5, 6, 7],
# [ 8, 9, 10, 11],
# [12, 13, 14, 15]])
arr + 2
# array([[ 2, 3, 4, 5],
# [ 6, 7, 8, 9],
# [10, 11, 12, 13],
# [14, 15, 16, 17]])
2、np.arange(16).reshape(4,4)與np.arange(16,32).reshape(4,4)做加法運算
arr2=np.arange(16,32).reshape(4,4)
arr2
# array([[16, 17, 18, 19],
# [20, 21, 22, 23],
# [24, 25, 26, 27],
# [28, 29, 30, 31]])
arr + arr2
# array([[16, 18, 20, 22],
# [24, 26, 28, 30],
# [32, 34, 36, 38],
# [40, 42, 44, 46]])
3、np.arange(8).reshape(2,4)與np.arange(4)運算
arr3=np.arange(8).reshape(2,4)
arr3
# array([[0, 1, 2, 3],
# [4, 5, 6, 7]])
arr4=np.arange(4)
arr4
# array([0, 1, 2, 3])
arr3 + arr4
# array([[ 0, 2, 4, 6],
# [ 4, 6, 8, 10]])
4、np.arange(8).reshape(2,4)與np.arange(4).reshape(1,4)運算
0軸廣播：與列數相同并且隻有一行的數組進行運算
arr5=np.arange(4).reshape(1,4)
arr5
# array([0, 1, 2, 3])
arr3 + arr5
# array([[ 0, 2, 4, 6],
# [ 4, 6, 8, 10]])
5、np.arange(8).reshape(2,4)與np.arange(4).reshape(4,1)運算
注意：次元完全不一緻的無法廣播
arr6=np.arange(4).reshape(4,1)
arr3 + arr6
# ValueError: operands could not be broadcast together with shapes (2,4) (4,1)
練習3
1、建構數組
arr=np.arange(16).reshape(4,4)
arr
# array([[ 0, 1, 2, 3],
# [ 4, 5, 6, 7],
# [ 8, 9, 10, 11],
# [12, 13, 14, 15]])
2、選擇第3列
arr[:,2:3]
# array([[ 2],
# [ 6],
# [10],
# [14]])
3、選擇1-3列
arr[:,:3]
# array([[ 0, 1, 2],
# [ 4, 5, 6],
# [ 8, 9, 10],
# [12, 13, 14]])
4、選擇2,4列
神奇索引：可以獲得指定的元素位置構成子集
arr[:,[1,3]]
# array([[ 1, 3],
# [ 5, 7],
# [ 9, 11],
# [13, 15]])
5、選擇 4,7 兩個點 将值改為 0
arr[[1,1],[0,3]] # 4的位置是(1,0) 7的位置是(1,3)
# array([4, 7])
arr[[1,1],[0,3]]=0
arr
# array([[ 0, 1, 2, 3],
# [ 0, 5, 6, 0],
# [ 8, 9, 10, 11],
# [12, 13, 14, 15]])
6、過濾出<5的值
arr<5
# array([[ True, True, True, True],
# [ True, False, False, True],
# [False, False, False, False],
# [False, False, False, False]])
arr[arr<5]
# array([0, 1, 2, 3, 0, 0])
練習4：多條件篩選
numpy讀取本地資料
篩選出 成績 大于60 并且 小于80 的資料
score_data[(score_data>60) & (score_data<80)]
# array([73., 62., 73., 67., 65., 79., 69., 72., 73., 77., 71., 74., 77.,67.])
篩選出 成績 大于80 并且 小于90 的資料
score_data[(score_data>80) & (score_data<90)]
# array([83., 82., 89., 88., 87., 81.])
篩選出 成績 大于90 的資料
score_data[score_data>90]
# array([93., 98., 99., 96., 93., 96., 95.])
注：numpy多條件篩選
交集：用 & 或 * 連接配接，兩邊的條件有優先級最好加括号
并集：用 + 或 | 連接配接，兩邊的條件有優先級最好加括号