Numpy闖關100題，我闖了95關。

在下方公眾號后臺回復：面試手冊，可獲取杰哥匯總的 3 份面試 PDF 手冊。

轉自：數(shù)據(jù)不追牛

鏈接：https://mp.weixin.qq.com/s/iyRjPLwxM2NVrgXKOacLTQ

對于Numpy，我講的不多，因為和Pandas相比，他距離日常的數(shù)據(jù)處理更“遠”一些。

但是，Numpy仍然是Python做數(shù)據(jù)分析所必須要掌握的基礎庫之一，以下題是github上的開源項目，主要為了檢測你的Numpy能力，同時對你的學習作為一個補充。

來源：https://github.com/rougier/numpy-100

1. 導入numpy庫并取別名為np (★☆☆)

(提示: import … as …)

import numpy as np

2. 打印輸出numpy的版本和配置信息 (★☆☆)

(提示: np.version, np.show_config)

print(np.__version__)
print(np.show_config())

3. 創(chuàng)建一個長度為10的空向量 (★☆☆)

(提示: np.zeros)

Z = np.zeros(10)
print(Z)

4. 如何找到任何一個數(shù)組的內(nèi)存大??？(★☆☆)

(提示: size, itemsize)

Z = np.zeros((10,10))
print("%d bytes" % (Z.size * Z.itemsize))

5. 如何從命令行得到numpy中add函數(shù)的說明文檔? (★☆☆)

(提示: np.info)

import numpy
numpy.info(numpy.add)

6. 創(chuàng)建一個長度為10并且除了第五個值為1的空向量 (★☆☆)

(提示: array[4])

Z = np.zeros(10)
Z[4] = 1
print(Z)

7. 創(chuàng)建一個值域范圍從10到49的向量(★☆☆)

(提示: np.arange)

Z = np.arange(10,50)
print(Z)

8.  反轉一個向量(第一個元素變?yōu)樽詈笠粋€) (★☆☆)

(提示: array[::-1])

Z = np.arange(50)
Z = Z[::-1]
print(Z)

9. 創(chuàng)建一個 3x3 并且值從0到8的矩陣(★☆☆)

(提示: reshape)

Z = np.arange(9).reshape(3,3)
print(Z)

10. 找到數(shù)組[1,2,0,0,4,0]中非0元素的位置索引 (★☆☆)

(提示: np.nonzero)

nz = np.nonzero([1,2,0,0,4,0])
print(nz)

11. 創(chuàng)建一個 3x3 的單位矩陣 (★☆☆)

(提示: np.eye)

Z = np.eye(3)
print(Z)

12. 創(chuàng)建一個 3x3x3的隨機數(shù)組 (★☆☆)

(提示: np.random.random)

Z = np.random.random((3,3,3))
print(Z)

13. 創(chuàng)建一個 10x10 的隨機數(shù)組并找到它的最大值和最小值 (★☆☆)

(提示: min, max)

Z = np.random.random((10,10))
Zmin, Zmax = Z.min(), Z.max()
print(Zmin, Zmax)

14. 創(chuàng)建一個長度為30的隨機向量并找到它的平均值 (★☆☆)

(提示: mean)

Z = np.random.random(30)
m = Z.mean()
print(m)

15. 創(chuàng)建一個二維數(shù)組，其中邊界值為1，其余值為0 (★☆☆)

(提示: array[1:-1, 1:-1])

Z = np.ones((10,10))
Z[1:-1,1:-1] = 0
print(Z)

16. 對于一個存在在數(shù)組，如何添加一個用0填充的邊界? (★☆☆)

(提示: np.pad)

Z = np.ones((5,5))
Z = np.pad(Z, pad_width=1, mode='constant', constant_values=0)
print(Z)

17. 下面表達式運行的結果是什么？(★☆☆)

(提示: NaN = not a number, inf = infinity)
(提示：NaN : 不是一個數(shù)，inf : 無窮)

# 表達式                           # 結果
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. 創(chuàng)建一個 5x5的矩陣，并設置值1,2,3,4落在其對角線下方位置 (★☆☆)

(提示: np.diag)

Z = np.diag(1+np.arange(4),k=-1)
print(Z)

19. 創(chuàng)建一個8x8 的矩陣，并且設置成棋盤樣式 (★☆☆)

(提示: array[::2])

Z = np.zeros((8,8),dtype=int)
Z[1::2,::2] = 1
Z[::2,1::2] = 1
print(Z)

20. 考慮一個 (6,7,8) 形狀的數(shù)組，其第100個元素的索引(x,y,z)是什么?

(提示: np.unravel_index)

print(np.unravel_index(100,(6,7,8)))

21. 用tile函數(shù)去創(chuàng)建一個 8x8的棋盤樣式矩陣(★☆☆)

(提示: np.tile)

Z = np.tile( np.array([[0,1],[1,0]]), (4,4))
print(Z)

22. 對一個5x5的隨機矩陣做歸一化(★☆☆)

(提示: (x - min) / (max - min))

Z = np.random.random((5,5))
Zmax, Zmin = Z.max(), Z.min()
Z = (Z - Zmin)/(Zmax - Zmin)
print(Z)

23. 創(chuàng)建一個將顏色描述為(RGBA)四個無符號字節(jié)的自定義dtype？(★☆☆)

(提示: np.dtype)

color = np.dtype([("r", np.ubyte, 1),
                  ("g", np.ubyte, 1),
                  ("b", np.ubyte, 1),
                  ("a", np.ubyte, 1)])
color

24. 一個5x3的矩陣與一個3x2的矩陣相乘，實矩陣乘積是什么？(★☆☆)

(提示: np.dot | @)

Z = np.dot(np.ones((5,3)), np.ones((3,2)))
print(Z)

25. 給定一個一維數(shù)組，對其在3到8之間的所有元素取反 (★☆☆)

(提示: >, <=)

Z = np.arange(11)
Z[(3 < Z) & (Z <= 8)] *= -1
print(Z)

26. 下面腳本運行后的結果是什么? (★☆☆)

(提示: np.sum)

# Author: Jake VanderPlas               # 結果

print(sum(range(5),-1))                 9
from numpy import *                     
print(sum(range(5),-1))                 10    #numpy.sum(a, axis=None)

27. 考慮一個整數(shù)向量Z,下列表達合法的是哪個? (★☆☆)

（提示：這里還有“位運算符”）

Z**Z                        True
2 << Z >> 2                 False
Z <- Z                      True
1j*Z                        True  #復數(shù)           
Z/1/1                       True
Z<Z>Z                       False

28. 下面表達式的結果分別是什么？(★☆☆)

np.array(0) / np.array(0)                           nan
np.array(0) // np.array(0)                          0
np.array([np.nan]).astype(int).astype(float)        -2.14748365e+09

29. 如何從零位開始舍入浮點數(shù)組？(★☆☆)

(提示: np.uniform, np.copysign, np.ceil, np.abs)

# Author: Charles R Harris

Z = np.random.uniform(-10,+10,10)
print (np.copysign(np.ceil(np.abs(Z)), Z))

30. 如何找出兩個數(shù)組公共的元素? (★☆☆)

(提示: np.intersect1d)

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(盡管不建議這么做)? (★☆☆)

(提示: np.seterr, np.errstate)

# Suicide mode on
defaults = np.seterr(all="ignore")
Z = np.ones(1) / 0

# Back to sanity
_ = np.seterr(**defaults)

# 另一個等價的方式， 使用上下文管理器（context manager）
with np.errstate(divide='ignore'):
    Z = np.ones(1) / 0

32. 下面的表達式是否為真? (★☆☆)

(提示: 虛數(shù))

np.sqrt(-1) == np.emath.sqrt(-1)     Faslse

33. 如何獲得昨天，今天和明天的日期? (★☆☆)

(提示: np.datetime64, np.timedelta64)

yesterday = np.datetime64('today', 'D') - np.timedelta64(1, 'D')
today = np.datetime64('today', 'D')
tomorrow = np.datetime64('today', 'D') + np.timedelta64(1, 'D')

34. 怎么獲得所有與2016年7月的所有日期? (★★☆)

(提示: np.arange(dtype=datetime64['D']))

Z = np.arange('2016-07', '2016-08', dtype='datetime64[D]')
print (Z)

35. 如何計算 ((A+B)*(-A/2)) (不使用中間變量)? (★★☆)

(提示: np.add(out=), np.negative(out=), np.multiply(out=), np.divide(out=))

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種不同的方法提取隨機數(shù)組中的整數(shù)部分 (★★☆)

(提示: %, np.floor, np.ceil, astype, np.trunc)

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. 創(chuàng)建一個5x5的矩陣且每一行的值范圍為從0到4 (★★☆)

(提示: np.arange)

Z = np.zeros((5, 5))
Z += np.arange(5)
print (Z)

38. 如何用一個生成10個整數(shù)的函數(shù)來構建數(shù)組 (★☆☆)

(提示: np.fromiter)

def generate():
    for x in range(10):
      yield x
Z = np.fromiter(generate(), dtype=float, count=-1)
print (Z)

39. 創(chuàng)建一個大小為10的向量， 值域為0到1，不包括0和1 (★★☆)

(提示: np.linspace)

Z = np.linspace(0, 1, 12, endpoint=True)[1: -1]
print (Z)

40. 創(chuàng)建一個大小為10的隨機向量，并把它排序 (★★☆)

(提示: sort)

Z = np.random.random(10)
Z.sort()
print (Z)

41.  對一個小數(shù)組進行求和有沒有辦法比np.sum更快? (★★☆)

(提示: np.add.reduce)

# Author: Evgeni Burovski

Z = np.arange(10)
np.add.reduce(Z)

# np.add.reduce 是numpy.add模塊中的一個ufunc(universal function)函數(shù),C語言實現(xiàn)

42. 如何判斷兩和隨機數(shù)組相等 (★★☆)

(提示: np.allclose, np.array_equal)

A = np.random.randint(0, 2, 5)
B = np.random.randint(0, 2, 5)

# 假設array的形狀(shape)相同和一個誤差容限（tolerance）
equal = np.allclose(A,B)
print(equal)

# 檢查形狀和元素值，沒有誤差容限（值必須完全相等）
equal = np.array_equal(A,B)
print(equal)

43. 把數(shù)組變?yōu)橹蛔x (★★☆)

(提示: flags.writeable)

Z = np.zeros(5)
Z.flags.writeable = False
Z[0] = 1

44. 將一個10x2的笛卡爾坐標矩陣轉換為極坐標 (★★☆)

(提示: np.sqrt, np.arctan2)

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. 創(chuàng)建一個大小為10的隨機向量并且將該向量中最大的值替換為0(★★☆)

(提示: argmax)

Z = np.random.random(10)
Z[Z.argmax()] = 0
print (Z)

46. 創(chuàng)建一個結構化數(shù)組，其中x和y坐標覆蓋[0, 1]x[1, 0]區(qū)域 (★★☆)

(提示: np.meshgrid)

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. 給定兩個數(shù)組X和Y，構造柯西(Cauchy)矩陣C () (★★☆)

(提示: np.subtract.outer)

# Author: Evgeni Burovski

X = np.arange(8)
Y = X + 0.5
C = 1.0 / np.subtract.outer(X, Y)
print (C)
print(np.linalg.det(C)) # 計算行列式

48. 打印每個numpy 類型的最小和最大可表示值 (★★☆)

(提示: np.iinfo, np.finfo, eps)

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. 如何打印數(shù)組中所有的值？(★★☆)

(提示: np.set_printoptions)

np.set_printoptions(threshold=np.nan)
Z = np.zeros((16,16))
print(Z)

50. 如何在數(shù)組中找到與給定標量接近的值? (★★☆)

(提示: argmin)

Z = np.arange(100)
v = np.random.uniform(0, 100)
index = (np.abs(Z-v)).argmin()
print(Z[index])

51. 創(chuàng)建表示位置(x, y)和顏色(r, g, b, a)的結構化數(shù)組 (★★☆)

(提示: dtype)

Z = np.zeros(10, [('position', [('x', float, 1), 
                                ('y', float, 1)]),
                  ('color',    [('r', float, 1), 
                                ('g', float, 1), 
                                ('b', float, 1)])])
print (Z)

52. 思考形狀為(100, 2)的隨機向量，求出點與點之間的距離 (★★☆)

(提示: np.atleast_2d, T, np.sqrt)

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)

# 使用scipy庫可以更快
import scipy.spatial

Z = np.random.random((100,2))
D = scipy.spatial.distance.cdist(Z,Z)
print(D)

53. 如何將類型為float(32位)的數(shù)組類型轉換位integer(32位)? (★★☆)

(提示: astype(copy=False))

Z = np.arange(10, dtype=np.int32)
Z = Z.astype(np.float32, copy=False)
print(Z)

54. 如何讀取下面的文件? (★★☆)

(提示: np.genfromtxt)

1, 2, 3, 4, 5
6,  ,  , 7, 8
 ,  , 9,10,11

# 先把上面保存到文件example.txt中
# 這里不使用StringIO， 因為Python2 和Python3 在這個地方有兼容性問題
Z = np.genfromtxt("example.txt", delimiter=",")  
print(Z)

55. numpy數(shù)組枚舉(enumerate)的等價操作? (★★☆)

(提示: np.ndenumerate, np.ndindex)

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. 構造一個二維高斯矩陣(★★☆)

(提示: np.meshgrid, np.exp)

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. 如何在二維數(shù)組的隨機位置放置p個元素? (★★☆)

(提示: np.put, np.random.choice)

# Author: Divakar

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. 減去矩陣每一行的平均值 (★★☆)

(提示: mean(axis=,keepdims=))

# Author: Warren Weckesser

X = np.random.rand(5, 10)

# 新
Y = X - X.mean(axis=1, keepdims=True)

# 舊
Y = X - X.mean(axis=1).reshape(-1, 1)

print(Y)

59. 如何對數(shù)組通過第n列進行排序? (★★☆)

(提示: argsort)

# Author: Steve Tjoa

Z = np.random.randint(0,10,(3,3))
print(Z)
print(Z[ Z[:,1].argsort() ])

60. 如何判斷一個給定的二維數(shù)組存在空列? (★★☆)

(提示: any, ~)

# Author: Warren Weckesser

Z = np.random.randint(0,3,(3,10))
print((~Z.any(axis=0)).any())

61. 從數(shù)組中找出與給定值最接近的值 (★★☆)

(提示: np.abs, argmin, flat)

Z = np.random.uniform(0,1,10)
z = 0.5
m = Z.flat[np.abs(Z - z).argmin()]
print(m)

62. 思考形狀為(1, 3)和(3, 1)的兩個數(shù)組形狀，如何使用迭代器計算它們的和? (★★☆)

(提示: np.nditer)

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. 創(chuàng)建一個具有name屬性的數(shù)組類 (★★☆)

(提示: class method)

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. 給定一個向量，如何讓在第二個向量索引的每個元素加1(注意重復索引)? (★★★)

(提示: np.bincount | np.add.at)

# Author: Brett Olsen

Z = np.ones(10)
I = np.random.randint(0,len(Z),20)
Z += np.bincount(I, minlength=len(Z))
print(Z)

# Another solution
# Author: Bartosz Telenczuk
np.add.at(Z, I, 1)
print(Z)

65. 如何根據(jù)索引列表I將向量X的元素累加到數(shù)組F? (★★★)

(提示: np.bincount)

# Author: Alan G Isaac

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)圖像，計算唯一顏色的值(★★★)

(提示: np.unique)

# Author: Nadav Horesh

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. 思考如何求一個四維數(shù)組最后兩個軸的數(shù)據(jù)和(★★★)

(提示: sum(axis=(-2,-1)))

A = np.random.randint(0,10,(3,4,3,4))
# 傳遞一個元組(numpy 1.7.0)
sum = A.sum(axis=(-2,-1))
print(sum)

# 將最后兩個維度壓縮為一個
# (適用于不接受軸元組參數(shù)的函數(shù))
sum = A.reshape(A.shape[:-2] + (-1,)).sum(axis=-1)
print(sum)

68. 考慮一維向量D，如何使用相同大小的向量S來計算D的子集的均值，其描述子集索引？(★★★)

(提示: np.bincount)

# Author: Jaime Fernández del Río

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)

# Pandas solution as a reference due to more intuitive code
import pandas as pd
print(pd.Series(D).groupby(S).mean())

69. 如何獲得點積的對角線？(★★★)

(提示: np.diag)

# Author: Mathieu Blondel

A = np.random.uniform(0,1,(5,5))
B = np.random.uniform(0,1,(5,5))

# Slow version  
np.diag(np.dot(A, B))

# Fast version
np.sum(A * B.T, axis=1)

# Faster version
np.einsum("ij,ji->i", A, B)

70.考慮向量[1,2,3,4,5]，如何建立一個新的向量，在每個值之間交錯有3個連續(xù)的零？(★★★)

(提示: array[::4])

# Author: Warren Weckesser

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. 考慮一個維度(5,5,3)的數(shù)組，如何將其與一個(5,5)的數(shù)組相乘？(★★★)

(提示: array[:, :, None])

A = np.ones((5,5,3))
B = 2*np.ones((5,5))
print(A * B[:,:,None])

72. 如何對一個數(shù)組中任意兩行做交換? (★★★)

(提示: array[[]] = array[[]])

# Author: Eelco Hoogendoorn

A = np.arange(25).reshape(5,5)
A[[0,1]] = A[[1,0]]
print(A)

73. 思考描述10個三角形（共享頂點）的一組10個三元組，找到組成所有三角形的唯一線段集 (★★★)

(提示: repeat, np.roll, np.sort, view, np.unique)

# Author: Nicolas P. Rougier

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. 給定一個二進制的數(shù)組C，如何生成一個數(shù)組A滿足np.bincount(A)==C? (★★★)

(提示: np.repeat)

# Author: Jaime Fernández del Río

C = np.bincount([1,1,2,3,4,4,6])
A = np.repeat(np.arange(len(C)), C)
print(A)

75. 如何通過滑動窗口計算一個數(shù)組的平均數(shù)? (★★★)

(提示: np.cumsum)

# Author: Jaime Fernández del Río

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. 思考以為數(shù)組Z，構建一個二維數(shù)組，其第一行是(Z[0],Z[1],Z[2])， 然后每一行移動一位，最后一行為 (Z[-3],Z[-2],Z[-1]) (★★★)

(提示: from numpy.lib import stride_tricks)

# Author: Joe Kington / Erik Rigtorp
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. 如何對布爾值取反，或改變浮點數(shù)的符號(sign)? (★★★)

(提示: np.logical_not, np.negative)

# Author: Nathaniel J. Smith

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. 思考兩組點集P0和P1去描述一組線(二維)和一個點p,如何計算點p到每一條線 i (P0[i],P1[i])的距離？(★★★)

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. 考慮兩組點集P0和P1去描述一組線(二維)和一組點集P，如何計算每一個點 j(P[j]) 到每一條線 i (P0[i],P1[i])的距離? (★★★)

# Author: Italmassov Kuanysh

# based on distance function from previous question
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. 思考一個任意的數(shù)組，編寫一個函數(shù)，該函數(shù)提取一個具有固定形狀的子部分，并以一個給定的元素為中心(在該部分填充值) (★★★)

(提示: minimum, maximum)

# Author: Nicolas Rougier

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. 考慮一個數(shù)組Z = [1,2,3,4,5,6,7,8,9,10,11,12,13,14],如何生成一個數(shù)組R = [[1,2,3,4], [2,3,4,5], [3,4,5,6], ...,[11,12,13,14]]? (★★★)

(提示: stride_tricks.as_strided)

# Author: Stefan van der Walt

Z = np.arange(1,15,dtype=np.uint32)
R = stride_tricks.as_strided(Z,(11,4),(4,4))
print(R)

82. 計算矩陣的秩 (★★★)

(提示: np.linalg.svd)

# Author: Stefan van der Walt

Z = np.random.uniform(0,1,(10,10))
U, S, V = np.linalg.svd(Z) # Singular Value Decomposition
rank = np.sum(S > 1e-10)
print(rank)

83. 如何找出數(shù)組中出現(xiàn)頻率最高的值?(★★★)

(提示: np.bincount, argmax)

Z = np.random.randint(0,10,50)
print(np.bincount(Z).argmax())

84. 從一個10x10的矩陣中提取出連續(xù)的3x3區(qū)塊(★★★)

(提示: stride_tricks.as_strided)

# Author: Chris Barker

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.創(chuàng)建一個滿足 Z[i,j] == Z[j,i]的二維數(shù)組子類 (★★★)

(提示: class method)

# Author: Eric O. Lebigot
# Note: only works for 2d array and value setting using indices

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. 考慮p個 nxn 矩陣和一組形狀為(n,1)的向量，如何直接計算p個矩陣的乘積(n,1)? (★★★)

(提示: np.tensordot)

# Author: Stefan van der Walt

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)

# It works, because:
# M is (p,n,n)
# V is (p,n,1)
# Thus, summing over the paired axes 0 and 0 (of M and V independently),
# and 2 and 1, to remain with a (n,1) vector.

87. 對于一個16x16的數(shù)組，如何得到一個區(qū)域的和(區(qū)域大小為4x4)? (★★★)

(提示: np.add.reduceat)

# Author: Robert Kern

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數(shù)組實現(xiàn)Game of Life? (★★★)

(提示: Game of Life , Game of Life有哪些圖形？)

# Author: Nicolas Rougier

def iterate(Z):
    # Count neighbours
    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:])

    # Apply rules
    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. 如何找到一個數(shù)組的第n個最大值? (★★★)

(提示: np.argsort | np.argpartition)

Z = np.arange(10000)
np.random.shuffle(Z)
n = 5

# Slow
print (Z[np.argsort(Z)[-n:]])

# Fast
print (Z[np.argpartition(-Z,n)[:n]])

90. 給定任意個數(shù)向量，創(chuàng)建笛卡爾積(每一個元素的每一種組合) (★★★)

(提示: np.indices)

# Author: Stefan Van der Walt

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. 如何從一個常規(guī)數(shù)組中創(chuàng)建記錄數(shù)組(record array)? (★★★)

(提示: np.core.records.fromarrays)

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. 思考一個大向量Z, 用三種不同的方法計算它的立方 (★★★)

(提示: np.power, *, np.einsum)

# Author: Ryan G.

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. 考慮兩個形狀分別為(8,3) 和(2,2)的數(shù)組A和B. 如何在數(shù)組A中找到滿足包含B中元素的行？(不考慮B中每行元素順序)？(★★★)

(提示: np.where)

# Author: Gabe Schwartz

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. 思考一個10x3的矩陣，如何分解出有不全相同值的行 (如 [2,2,3]) (★★★)

# Author: Robert Kern

Z = np.random.randint(0,5,(10,3))
print(Z)
# solution for arrays of all dtypes (including string arrays and record arrays)
E = np.all(Z[:,1:] == Z[:,:-1], axis=1)
U = Z[~E]
print(U)
# soluiton for numerical arrays only, will work for any number of columns in Z
U = Z[Z.max(axis=1) != Z.min(axis=1),:]
print(U)

95. 將一個整數(shù)向量轉換為二進制矩陣 (★★★)

(提示: np.unpackbits)

# Author: Warren Weckesser

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])

# Author: Daniel T. McDonald

I = np.array([0, 1, 2, 3, 15, 16, 32, 64, 128], dtype=np.uint8)
print(np.unpackbits(I[:, np.newaxis], axis=1))

96. 給定一個二維數(shù)組，如何提取出唯一的行?(★★★)

(提示: np.ascontiguousarray)

# Author: Jaime Fernández del Río

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. 考慮兩個向量A和B，寫出用einsum等式對應的inner, outer, sum, mul函數(shù) (★★★)

(提示: np.einsum)

# Author: Alex Riley
# Make sure to read: http://ajcr.net/Basic-guide-to-einsum/

A = np.random.uniform(0,1,10)
B = np.random.uniform(0,1,10)

np.einsum('i->', A)       # np.sum(A)
np.einsum('i,i->i', A, B) # A * B
np.einsum('i,i', A, B)    # np.inner(A, B)
np.einsum('i,j->ij', A, B)    # np.outer(A, B)

98. 考慮一個由兩個向量描述的路徑(X,Y)，如何用等距樣例(equidistant samples)對其進行采樣(sample)(★★★)?

(提示: np.cumsum, np.interp)

# Author: Bas Swinckels

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 # segment lengths
r = np.zeros_like(x)
r[1:] = np.cumsum(dr)                # integrate path
r_int = np.linspace(0, r.max(), 200) # regular spaced path
x_int = np.interp(r_int, r, x)       # integrate path
y_int = np.interp(r_int, r, y)

99. 給定一個整數(shù)n 和一個二維數(shù)組X，從X中選擇可以被解釋為從多n度的多項分布式的行，即這些行只包含整數(shù)對n的和. (★★★)

(提示: np.logical_and.reduce, np.mod)

# Author: Evgeni Burovski

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. 對于一個一維數(shù)組X，計算它boostrapped之后的95%置信區(qū)間的平均值. (★★★)

(提示: np.percentile)

# Author: Jessica B. Hamrick

X = np.random.randn(100) # random 1D array
N = 1000 # number of bootstrap samples
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)

推薦閱讀

最詳細的 Python 結合 RFM 模型實現(xiàn)用戶分層實操案例！

超硬核！11 個非常實用的 Python 和 Shell 拿來就用腳本實例！

太秀了！用Excel也能實現(xiàn)和Python數(shù)據(jù)分析一樣的功能！

利用 Python 分析了某化妝品企業(yè)的銷售情況，我得出的結論是？

這幾個用 Pyecharts 做出來的交互圖表，領導說叼爆了！

看了這個總結，其實 Matplotlib 可視化，也沒那么難！