Эта статья является частью серии «Наука о данных с нуля — могу ли я, чтобы я могла».
Привет ребята,
Итак, пришло время проверить свои знания о NumPy. Давайте начнем с простого задания и перейдем к более сложным!
☞ Обратите внимание, что есть несколько способов получить требуемый результат, поэтому ваш код может отличаться. Пока вы выполняете задачи, на этом этапе все в порядке.
Упражнения:
(Решения приведены в конце.)
- В чем основная разница между «
Vector» и «Matrix»? - Как импортировать
NumPyбиблиотеку? - Преобразовать данный список Python
list_1=[1,2,3,4,5]в массив NumPy? Пожалуйста, проверьте его тип данных. - Создать
array [0,1,2,3,4,5]с помощью встроенной функции NumPy,arange(). - Создать
array of "5" zeros. - Создайте следующее
matrix.
7. Создать [1.,1.,1.,1.,1.] с помощью встроенной функции NumPy?
8. Создайте массив из «5» десятков (10).
9. Используйте arange() для создания массива четных чисел от 50 до 100.(50 и 100 не включены)
10. Сгенерировать массив из 10 линейно расположенных точек от 0 до 1. Также вывести размер шага в выходных данных?
11. Выполните следующие задачи:
- Создайте числа
vector array of 25, используяarange() - напишите код для преобразования векторного массива в
2-D matrix using reshape - мы можем использовать
shapeвместо изменения формы?
12. Создайте следующую матрицу.
13. Напишите код для создания вывода ниже, используйте "linspace()" и "print()".
14. В чем основное различие между linspace() и arange()?
15. Как сгенерировать одно случайное число с помощью встроенной функции NumPy?
16. Написать код для генерации матрицы 7x5 из 35 случайных чисел?
17. Создайте следующую матрицу, используя встроенный метод NumPy для матрицы идентичности.
18. Создайте приведенную ниже матрицу и сохраните ее как "array_2d". Воспроизведите выходные данные, используя "array_2d", вспомните индексирование и нарезку!
19. Можете ли вы вычислить сумму всех чисел в "array_2d", матрице, которую вы создали в Q:18?
20. Подсчитайте сумму всех строк и столбцов в "array_2d", матрице, которую вы создали в Q:18.
21. Рассчитайте стандартное отклонение значений в "array_2d", матрице, которую вы создали в Q:18.
22. Создайте логическую маску и отфильтруйте числа, которые не делятся на 3, в "array_2d", матрице, которую вы создали в Q:18.
Решения:
1. Пожалуйста, объяснитесь.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14. Пожалуйста, ознакомьтесь с лекциями. "arange()" принимает 3-й аргумент как размер шага, тогда как "linspace()" принимает 3-й аргумент как количество точек, которые мы хотим.
15.
16. Вы можете получить разные числа в своей матрице, это случайно!
17.
18.
19.
20.
21.
22.
Молодец! Я надеюсь, что теперь вам удобно работать с NumPy!
Увидимся на следующей лекции на тему A8: Pandas (Part-1): Series & DataFrame — Index & Slicing”.
Примечание. Полный курс, включая видеолекции и блокноты Jupyter, доступен по следующим ссылкам:
Доктор. Джунаид Кази — предметный специалист, консультант по науке о данных и машинному обучению. Он является тренером по профессиональному развитию, наставником, автором и приглашенным спикером. С ним можно связаться для консультационных проектов и/или обучения профессионального развития через LinkedIn или через ScienceAcademy.ca.
