NumPy 数据分析练习

Numpy练习的目标仅作为学习numpy的参考，并让你脱离基础性的NumPy使用。这些问题有4个级别的难度，其中L1是最容易的，L4是最难的。

Numpy教程第2部分：数据分析的重要函数。图片由安娜贾斯汀卢布克拍摄。

如果你想快速进阶你的numpy知识，那么numpy基础知识和高级numpy教程可能就是你要寻找的内容。

更新：现在有一套类似的关于pandas的练习。

NumPy数据分析问答

1、导入numpy作为np，并查看版本

难度等级：L1 问题：将numpy导入为 np 并打印版本号。 答案：

  1. import numpy as np
  2. print(np.__version__)
  3. # > 1.13.3

你必须将numpy导入np，才能使本练习中的其余代码正常工作。

要安装numpy，建议安装anaconda，里面已经包含了numpy。

2、如何创建一维数组？

难度等级：L1 问题：创建从0到9的一维数字数组

期望输出：

  1. # > array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

答案：

  1. arr = np.arange(10)
  2. arr
  3. # > array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

3. 如何创建一个布尔数组？

难度等级：L1

问题：创建一个numpy数组元素值全为True（真）的数组

答案：

  1. np.full((3, 3), True, dtype=bool)
  2. # > array([[ True,  True,  True],
  3. # >        [ True,  True,  True],
  4. # >        [ True,  True,  True]], dtype=bool)
  6. # Alternate method:
  7. np.ones((3,3), dtype=bool)

4. 如何从一维数组中提取满足指定条件的元素？

难度等级：L1

问题：从 arr 中提取所有的奇数

给定：

  1. arr = np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

期望的输出：

  1. # > array([1, 3, 5, 7, 9])

答案：

  1. # Input
  2. arr = np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
  4. # Solution
  5. arr[arr % 2 == 1]
  6. # > array([1, 3, 5, 7, 9])

5. 如何用numpy数组中的另一个值替换满足条件的元素项？

难度等级：L1

问题：将arr中的所有奇数替换为-1。

给定：

  1. arr = np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

期望的输出：

  1. # >  array([ 0, -1,  2, -1,  4, -1,  6, -1,  8, -1])

答案：

  1. arr[arr % 2 == 1] = -1
  2. arr
  3. # > array([ 0, -1,  2, -1,  4, -1,  6, -1,  8, -1])

6. 如何在不影响原始数组的情况下替换满足条件的元素项？

难度等级：L2

问题：将arr中的所有奇数替换为-1，而不改变arr。

给定：

  1. arr = np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

期望的输出：

  1. out
  2. # >  array([ 0, -1,  2, -1,  4, -1,  6, -1,  8, -1])
  3. arr
  4. # >  array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

答案：

  1. arr = np.arange(10)
  2. out = np.where(arr % 2 == 1, -1, arr)
  3. print(arr)
  4. out
  5. # > [0 1 2 3 4 5 6 7 8 9]
  6. array([ 0, -1,  2, -1,  4, -1,  6, -1,  8, -1])

7. 如何改变数组的形状？

难度等级：L1

问题：将一维数组转换为2行的2维数组

给定：

  1. np.arange(10)
  3. # > array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

期望的输出：

  1. # > array([[0, 1, 2, 3, 4],
  2. # >        [5, 6, 7, 8, 9]])

答案：

  1. arr = np.arange(10)
  2. arr.reshape(2, -1)  # Setting to -1 automatically decides the number of cols
  3. # > array([[0, 1, 2, 3, 4],
  4. # >        [5, 6, 7, 8, 9]])

8. 如何垂直叠加两个数组？

难度等级：L2

问题：垂直堆叠数组a和数组b

给定：

  1. a = np.arange(10).reshape(2,-1)
  2. b = np.repeat(1, 10).reshape(2,-1)

期望的输出：

  1. # > array([[0, 1, 2, 3, 4],
  2. # >        [5, 6, 7, 8, 9],
  3. # >        [1, 1, 1, 1, 1],
  4. # >        [1, 1, 1, 1, 1]])

答案：

  1. a = np.arange(10).reshape(2,-1)
  2. b = np.repeat(1, 10).reshape(2,-1)
  4. # Answers
  5. # Method 1:
  6. np.concatenate([a, b], axis=0)
  8. # Method 2:
  9. np.vstack([a, b])
  11. # Method 3:
  12. np.r_[a, b]
  13. # > array([[0, 1, 2, 3, 4],
  14. # >        [5, 6, 7, 8, 9],
  15. # >        [1, 1, 1, 1, 1],
  16. # >        [1, 1, 1, 1, 1]])

9. 如何水平叠加两个数组？

难度等级：L2

问题：将数组a和数组b水平堆叠。

给定：

  1. a = np.arange(10).reshape(2,-1)
  3. b = np.repeat(1, 10).reshape(2,-1)

期望的输出：

  1. # > array([[0, 1, 2, 3, 4, 1, 1, 1, 1, 1],
  2. # >        [5, 6, 7, 8, 9, 1, 1, 1, 1, 1]])

答案：

  1. a = np.arange(10).reshape(2,-1)
  2. b = np.repeat(1, 10).reshape(2,-1)
  4. # Answers
  5. # Method 1:
  6. np.concatenate([a, b], axis=1)
  8. # Method 2:
  9. np.hstack([a, b])
  11. # Method 3:
  12. np.c_[a, b]
  13. # > array([[0, 1, 2, 3, 4, 1, 1, 1, 1, 1],
  14. # >        [5, 6, 7, 8, 9, 1, 1, 1, 1, 1]])

10. 如何在无硬编码的情况下生成numpy中的自定义序列？

难度等级：L2

问题：创建以下模式而不使用硬编码。只使用numpy函数和下面的输入数组a。

给定：

  1. a = np.array([1,2,3])`

期望的输出：

  1. # > array([1, 1, 1, 2, 2, 2, 3, 3, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3])

答案：

  1. np.r_[np.repeat(a, 3), np.tile(a, 3)]
  2. # > array([1, 1, 1, 2, 2, 2, 3, 3, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3])

11. 如何获取两个numpy数组之间的公共项？

难度等级：L2

问题：获取数组a和数组b之间的公共项。

给定：

  1. a = np.array([1,2,3,2,3,4,3,4,5,6])
  2. b = np.array([7,2,10,2,7,4,9,4,9,8])

期望的输出：

  1. array([2, 4])

答案：

  1. a = np.array([1,2,3,2,3,4,3,4,5,6])
  2. b = np.array([7,2,10,2,7,4,9,4,9,8])
  3. np.intersect1d(a,b)
  4. # > array([2, 4])

12. 如何从一个数组中删除存在于另一个数组中的项？

难度等级：L2

问题：从数组a中删除数组b中的所有项。

给定：

  1. a = np.array([1,2,3,4,5])
  2. b = np.array([5,6,7,8,9])

期望的输出：

  1. array([1,2,3,4])

答案：

  1. a = np.array([1,2,3,4,5])
  2. b = np.array([5,6,7,8,9])
  4. # From 'a' remove all of 'b'
  5. np.setdiff1d(a,b)
  6. # > array([1, 2, 3, 4])

13. 如何得到两个数组元素匹配的位置？

难度等级：L2

问题：获取a和b元素匹配的位置。

给定：

  1. a = np.array([1,2,3,2,3,4,3,4,5,6])
  2. b = np.array([7,2,10,2,7,4,9,4,9,8])

期望的输出：

  1. # > (array([1, 3, 5, 7]),)

答案：

  1. a = np.array([1,2,3,2,3,4,3,4,5,6])
  2. b = np.array([7,2,10,2,7,4,9,4,9,8])
  4. np.where(a == b)
  5. # > (array([1, 3, 5, 7]),)

14. 如何从numpy数组中提取给定范围内的所有数字？

难度等级：L2

问题：获取5到10之间的所有项目。

给定：

  1. a = np.array([2, 6, 1, 9, 10, 3, 27])

期望的输出：

  1. (array([6, 9, 10]),)

答案：

  1. a = np.arange(15)
  3. # Method 1
  4. index = np.where((a >= 5) & (a <= 10))
  5. a[index]
  7. # Method 2:
  8. index = np.where(np.logical_and(a>=5, a<=10))
  9. a[index]
  10. # > (array([6, 9, 10]),)
  12. # Method 3: (thanks loganzk!)
  13. a[(a >= 5) & (a <= 10)]

15. 如何创建一个python函数来处理scalars并在numpy数组上工作？

难度等级：L2

问题：转换适用于两个标量的函数maxx，以处理两个数组。

给定：

  1. def maxx(x, y):
  2.     """Get the maximum of two items"""
  3.     if x >= y:
  4.         return x
  5.     else:
  6.         return y
  8. maxx(1, 5)
  9. # > 5

期望的输出：

  1. a = np.array([5, 7, 9, 8, 6, 4, 5])
  2. b = np.array([6, 3, 4, 8, 9, 7, 1])
  3. pair_max(a, b)
  4. # > array([ 6.,  7.,  9.,  8.,  9.,  7.,  5.])

答案：

  1. def maxx(x, y):
  2.     """Get the maximum of two items"""
  3.     if x >= y:
  4.         return x
  5.     else:
  6.         return y
  8. pair_max = np.vectorize(maxx, otypes=[float])
  10. a = np.array([5, 7, 9, 8, 6, 4, 5])
  11. b = np.array([6, 3, 4, 8, 9, 7, 1])
  13. pair_max(a, b)
  14. # > array([ 6.,  7.,  9.,  8.,  9.,  7.,  5.])

16. 如何交换二维numpy数组中的两列？

难度等级：L2

问题：在数组arr中交换列1和2。

给定：

  1. arr = np.arange(9).reshape(3,3)
  2. arr

答案：

  1. # Input
  2. arr = np.arange(9).reshape(3,3)
  3. arr
  5. # Solution
  6. arr[:, [1,0,2]]
  7. # > array([[1, 0, 2],
  8. # >        [4, 3, 5],
  9. # >        [7, 6, 8]])

17. 如何交换二维numpy数组中的两行？

难度等级：L2

问题：交换数组arr中的第1和第2行：

给定：

  1. arr = np.arange(9).reshape(3,3)
  2. arr

答案：

  1. # Input
  2. arr = np.arange(9).reshape(3,3)
  4. # Solution
  5. arr[[1,0,2], :]
  6. # > array([[3, 4, 5],
  7. # >        [0, 1, 2],
  8. # >        [6, 7, 8]])

18. 如何反转二维数组的行？

难度等级：L2

问题：反转二维数组arr的行。

给定：

  1. # Input
  2. arr = np.arange(9).reshape(3,3)

答案：

  1. # Input
  2. arr = np.arange(9).reshape(3,3)
  1. # Solution
  2. arr[::-1]
  3. array([[6, 7, 8],
  4.        [3, 4, 5],
  5.        [0, 1, 2]])

19. 如何反转二维数组的列？

难度等级：L2

问题：反转二维数组arr的列。

给定：

  1. # Input
  2. arr = np.arange(9).reshape(3,3)

答案：

  1. # Input
  2. arr = np.arange(9).reshape(3,3)
  4. # Solution
  5. arr[:, ::-1]
  6. # > array([[2, 1, 0],
  7. # >        [5, 4, 3],
  8. # >        [8, 7, 6]])

20. 如何创建包含5到10之间随机浮动的二维数组？

难度等级：L2

问题：创建一个形状为5x3的二维数组，以包含5到10之间的随机十进制数。

答案：

  1. # Input
  2. arr = np.arange(9).reshape(3,3)
  4. # Solution Method 1:
  5. rand_arr = np.random.randint(low=5, high=10, size=(5,3)) + np.random.random((5,3))
  6. # print(rand_arr)
  8. # Solution Method 2:
  9. rand_arr = np.random.uniform(5,10, size=(5,3))
  10. print(rand_arr)
  11. # > [[ 8.50061025  9.10531502  6.85867783]
  12. # >  [ 9.76262069  9.87717411  7.13466701]
  13. # >  [ 7.48966403  8.33409158  6.16808631]
  14. # >  [ 7.75010551  9.94535696  5.27373226]
  15. # >  [ 8.0850361   5.56165518  7.31244004]]

21. 如何在numpy数组中只打印小数点后三位？

难度等级：L1

问题：只打印或显示numpy数组rand_arr的小数点后3位。

给定：

  1. rand_arr = np.random.random((5,3))

答案：

  1. # Input
  2. rand_arr = np.random.random((5,3))
  4. # Create the random array
  5. rand_arr = np.random.random([5,3])
  7. # Limit to 3 decimal places
  8. np.set_printoptions(precision=3)
  9. rand_arr[:4]
  10. # > array([[ 0.443,  0.109,  0.97 ],
  11. # >        [ 0.388,  0.447,  0.191],
  12. # >        [ 0.891,  0.474,  0.212],
  13. # >        [ 0.609,  0.518,  0.403]])

22. 如何通过e式科学记数法（如1e10）来打印一个numpy数组？

难度等级：L1

问题：通过e式科学记数法来打印rand_arr（如1e10）

给定：

  1. # Create the random array
  2. np.random.seed(100)
  3. rand_arr = np.random.random([3,3])/1e3
  4. rand_arr
  6. # > array([[  5.434049e-04,   2.783694e-04,   4.245176e-04],
  7. # >        [  8.447761e-04,   4.718856e-06,   1.215691e-04],
  8. # >        [  6.707491e-04,   8.258528e-04,   1.367066e-04]])

期望的输出：

  1. # > array([[ 0.000543,  0.000278,  0.000425],
  2. # >        [ 0.000845,  0.000005,  0.000122],
  3. # >        [ 0.000671,  0.000826,  0.000137]])

答案：

  1. # Reset printoptions to default
  2. np.set_printoptions(suppress=False)
  4. # Create the random array
  5. np.random.seed(100)
  6. rand_arr = np.random.random([3,3])/1e3
  7. rand_arr
  8. # > array([[  5.434049e-04,   2.783694e-04,   4.245176e-04],
  9. # >        [  8.447761e-04,   4.718856e-06,   1.215691e-04],
  10. # >        [  6.707491e-04,   8.258528e-04,   1.367066e-04]])
  1. np.set_printoptions(suppress=True, precision=6)  # precision is optional
  2. rand_arr
  3. # > array([[ 0.000543,  0.000278,  0.000425],
  4. # >        [ 0.000845,  0.000005,  0.000122],
  5. # >        [ 0.000671,  0.000826,  0.000137]])

23. 如何限制numpy数组输出中打印的项目数？

难度等级：L1

问题：将numpy数组a中打印的项数限制为最多6个元素。

给定：

  1. a = np.arange(15)
  2. # > array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14])

期望的输出：

  1. # > array([ 0,  1,  2, ..., 12, 13, 14])

答案：

  1. np.set_printoptions(threshold=6)
  2. a = np.arange(15)
  3. a
  4. # > array([ 0,  1,  2, ..., 12, 13, 14])

24. 如何打印完整的numpy数组而不截断

难度等级：L1

问题：打印完整的numpy数组a而不截断。

给定：

  1. np.set_printoptions(threshold=6)
  2. a = np.arange(15)
  3. a
  4. # > array([ 0,  1,  2, ..., 12, 13, 14])

期望的输出：

  1. a
  2. # > array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14])

答案：

  1. # Input
  2. np.set_printoptions(threshold=6)
  3. a = np.arange(15)
  5. # Solution
  6. np.set_printoptions(threshold=np.nan)
  7. a
  8. # > array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14])

25. 如何导入数字和文本的数据集保持文本在numpy数组中完好无损？

难度等级：L2

问题：导入鸢尾属植物数据集，保持文本不变。

答案：

  1. # Solution
  2. url = 'https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data'
  3. iris = np.genfromtxt(url, delimiter=',', dtype='object')
  4. names = ('sepallength', 'sepalwidth', 'petallength', 'petalwidth', 'species')
  6. # Print the first 3 rows
  7. iris[:3]
  8. # > array([[b'5.1', b'3.5', b'1.4', b'0.2', b'Iris-setosa'],
  9. # >        [b'4.9', b'3.0', b'1.4', b'0.2', b'Iris-setosa'],
  10. # >        [b'4.7', b'3.2', b'1.3', b'0.2', b'Iris-setosa']], dtype=object)

26. 如何从1维元组数组中提取特定列？

难度等级：L2

问题：从前面问题中导入的一维鸢尾属植物数据集中提取文本列的物种。

给定：

  1. url = 'https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data'
  2. iris_1d = np.genfromtxt(url, delimiter=',', dtype=None)

答案：

  1. # **给定：**
  2. url = 'https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data'
  3. iris_1d = np.genfromtxt(url, delimiter=',', dtype=None)
  4. print(iris_1d.shape)
  6. # Solution:
  7. species = np.array([row[4] for row in iris_1d])
  8. species[:5]
  9. # > (150,)
  10. # > array([b'Iris-setosa', b'Iris-setosa', b'Iris-setosa', b'Iris-setosa',
  11. # >        b'Iris-setosa'],
  12. # >       dtype='|S18')

27. 如何将1维元组数组转换为2维numpy数组？

难度等级：L2

问题：通过省略鸢尾属植物数据集种类的文本字段，将一维鸢尾属植物数据集转换为二维数组iris_2d。

给定：

  1. url = 'https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data'
  2. iris_1d = np.genfromtxt(url, delimiter=',', dtype=None)

答案：

  1. # **给定：**
  2. url = 'https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data'
  3. iris_1d = np.genfromtxt(url, delimiter=',', dtype=None)
  5. # Solution:
  6. # Method 1: Convert each row to a list and get the first 4 items
  7. iris_2d = np.array([row.tolist()[:4] for row in iris_1d])
  8. iris_2d[:4]
  10. # Alt Method 2: Import only the first 4 columns from source url
  11. iris_2d = np.genfromtxt(url, delimiter=',', dtype='float', usecols=[0,1,2,3])
  12. iris_2d[:4]
  13. # > array([[ 5.1,  3.5,  1.4,  0.2],
  14. # >        [ 4.9,  3. ,  1.4,  0.2],
  15. # >        [ 4.7,  3.2,  1.3,  0.2],
  16. # >        [ 4.6,  3.1,  1.5,  0.2]])

28. 如何计算numpy数组的均值，中位数，标准差？

难度等级：L1

问题：求出鸢尾属植物萼片长度的平均值、中位数和标准差(第1列)

给定：

  1. url = 'https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data'
  2. iris = np.genfromtxt(url, delimiter=',', dtype='object')

答案：

  1. # Input
  2. url = 'https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data'
  3. iris = np.genfromtxt(url, delimiter=',', dtype='object')
  4. sepallength = np.genfromtxt(url, delimiter=',', dtype='float', usecols=[0])
  6. # Solution
  7. mu, med, sd = np.mean(sepallength), np.median(sepallength), np.std(sepallength)
  8. print(mu, med, sd)
  9. # > 5.84333333333 5.8 0.825301291785

29. 如何规范化数组，使数组的值正好介于0和1之间？

难度等级：L2

问题：创建一种标准化形式的鸢尾属植物间隔长度，其值正好介于0和1之间，这样最小值为0，最大值为1。

给定：

  1. url = 'https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data'
  2. sepallength = np.genfromtxt(url, delimiter=',', dtype='float', usecols=[0])

答案：

  1. # Input
  2. url = 'https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data'
  3. sepallength = np.genfromtxt(url, delimiter=',', dtype='float', usecols=[0])
  5. # Solution
  6. Smax, Smin = sepallength.max(), sepallength.min()
  7. S = (sepallength - Smin)/(Smax - Smin)
  8. # or 
  9. S = (sepallength - Smin)/sepallength.ptp()  # Thanks, David Ojeda!
  10. print(S)
  11. # > [ 0.222  0.167  0.111  0.083  0.194  0.306  0.083  0.194  0.028  0.167
  12. # >   0.306  0.139  0.139  0.     0.417  0.389  0.306  0.222  0.389  0.222
  13. # >   0.306  0.222  0.083  0.222  0.139  0.194  0.194  0.25   0.25   0.111
  14. # >   0.139  0.306  0.25   0.333  0.167  0.194  0.333  0.167  0.028  0.222
  15. # >   0.194  0.056  0.028  0.194  0.222  0.139  0.222  0.083  0.278  0.194
  16. # >   0.75   0.583  0.722  0.333  0.611  0.389  0.556  0.167  0.639  0.25
  17. # >   0.194  0.444  0.472  0.5    0.361  0.667  0.361  0.417  0.528  0.361
  18. # >   0.444  0.5    0.556  0.5    0.583  0.639  0.694  0.667  0.472  0.389
  19. # >   0.333  0.333  0.417  0.472  0.306  0.472  0.667  0.556  0.361  0.333
  20. # >   0.333  0.5    0.417  0.194  0.361  0.389  0.389  0.528  0.222  0.389
  21. # >   0.556  0.417  0.778  0.556  0.611  0.917  0.167  0.833  0.667  0.806
  22. # >   0.611  0.583  0.694  0.389  0.417  0.583  0.611  0.944  0.944  0.472
  23. # >   0.722  0.361  0.944  0.556  0.667  0.806  0.528  0.5    0.583  0.806
  24. # >   0.861  1.     0.583  0.556  0.5    0.944  0.556  0.583  0.472  0.722
  25. # >   0.667  0.722  0.417  0.694  0.667  0.667  0.556  0.611  0.528  0.444]

30. 如何计算Softmax得分？

难度等级：L3

问题：计算sepallength的softmax分数。

给定：

  1. url = 'https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data'
  2. sepallength = np.genfromtxt(url, delimiter=',', dtype='float', usecols=[0])

答案：

  1. # Input
  2. url = 'https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data'
  3. iris = np.genfromtxt(url, delimiter=',', dtype='object')
  4. sepallength = np.array([float(row[0]) for row in iris])
  6. # Solution
  7. def softmax(x):
  8.     """Compute softmax values for each sets of scores in x.
  9.     https://stackoverflow.com/questions/34968722/how-to-implement-the-softmax-function-in-python"""
  10.     e_x = np.exp(x - np.max(x))
  11.     return e_x / e_x.sum(axis=0)
  13. print(softmax(sepallength))
  14. # > [ 0.002  0.002  0.001  0.001  0.002  0.003  0.001  0.002  0.001  0.002
  15. # >   0.003  0.002  0.002  0.001  0.004  0.004  0.003  0.002  0.004  0.002
  16. # >   0.003  0.002  0.001  0.002  0.002  0.002  0.002  0.002  0.002  0.001
  17. # >   0.002  0.003  0.002  0.003  0.002  0.002  0.003  0.002  0.001  0.002
  18. # >   0.002  0.001  0.001  0.002  0.002  0.002  0.002  0.001  0.003  0.002
  19. # >   0.015  0.008  0.013  0.003  0.009  0.004  0.007  0.002  0.01   0.002
  20. # >   0.002  0.005  0.005  0.006  0.004  0.011  0.004  0.004  0.007  0.004
  21. # >   0.005  0.006  0.007  0.006  0.008  0.01   0.012  0.011  0.005  0.004
  22. # >   0.003  0.003  0.004  0.005  0.003  0.005  0.011  0.007  0.004  0.003
  23. # >   0.003  0.006  0.004  0.002  0.004  0.004  0.004  0.007  0.002  0.004
  24. # >   0.007  0.004  0.016  0.007  0.009  0.027  0.002  0.02   0.011  0.018
  25. # >   0.009  0.008  0.012  0.004  0.004  0.008  0.009  0.03   0.03   0.005
  26. # >   0.013  0.004  0.03   0.007  0.011  0.018  0.007  0.006  0.008  0.018
  27. # >   0.022  0.037  0.008  0.007  0.006  0.03   0.007  0.008  0.005  0.013
  28. # >   0.011  0.013  0.004  0.012  0.011  0.011  0.007  0.009  0.007  0.005]

31. 如何找到numpy数组的百分位数？

难度等级：L1

问题：找到鸢尾属植物数据集的第5和第95百分位数

给定：

  1. url = 'https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data'
  2. sepallength = np.genfromtxt(url, delimiter=',', dtype='float', usecols=[0])

答案：

  1. # Input
  2. url = 'https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data'
  3. sepallength = np.genfromtxt(url, delimiter=',', dtype='float', usecols=[0])
  5. # Solution
  6. np.percentile(sepallength, q=[5, 95])
  7. # > array([ 4.6  ,  7.255])

32. 如何在数组中的随机位置插入值？

难度等级：L2

问题：在iris_2d数据集中的20个随机位置插入np.nan值

给定：

  1. # Input
  2. url = 'https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data'
  3. iris_2d = np.genfromtxt(url, delimiter=',', dtype='object')

答案：

  1. # Input
  2. url = 'https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data'
  3. iris_2d = np.genfromtxt(url, delimiter=',', dtype='object')
  5. # Method 1
  6. i, j = np.where(iris_2d)
  8. # i, j contain the row numbers and column numbers of 600 elements of iris_x
  9. np.random.seed(100)
  10. iris_2d[np.random.choice((i), 20), np.random.choice((j), 20)] = np.nan
  12. # Method 2
  13. np.random.seed(100)
  14. iris_2d[np.random.randint(150, size=20), np.random.randint(4, size=20)] = np.nan
  16. # Print first 10 rows
  17. print(iris_2d[:10])
  18. # > [[b'5.1' b'3.5' b'1.4' b'0.2' b'Iris-setosa']
  19. # >  [b'4.9' b'3.0' b'1.4' b'0.2' b'Iris-setosa']
  20. # >  [b'4.7' b'3.2' b'1.3' b'0.2' b'Iris-setosa']
  21. # >  [b'4.6' b'3.1' b'1.5' b'0.2' b'Iris-setosa']
  22. # >  [b'5.0' b'3.6' b'1.4' b'0.2' b'Iris-setosa']
  23. # >  [b'5.4' b'3.9' b'1.7' b'0.4' b'Iris-setosa']
  24. # >  [b'4.6' b'3.4' b'1.4' b'0.3' b'Iris-setosa']
  25. # >  [b'5.0' b'3.4' b'1.5' b'0.2' b'Iris-setosa']
  26. # >  [b'4.4' nan b'1.4' b'0.2' b'Iris-setosa']
  27. # >  [b'4.9' b'3.1' b'1.5' b'0.1' b'Iris-setosa']]

33. 如何在numpy数组中找到缺失值的位置？

难度等级：L2

问题：在iris_2d的sepallength中查找缺失值的数量和位置（第1列）

给定：

  1. # Input
  2. url = 'https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data'
  3. iris_2d = np.genfromtxt(url, delimiter=',', dtype='float')
  4. iris_2d[np.random.randint(150, size=20), np.random.randint(4, size=20)] = np.nan

答案：

  1. # Input
  2. url = 'https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data'
  3. iris_2d = np.genfromtxt(url, delimiter=',', dtype='float', usecols=[0,1,2,3])
  4. iris_2d[np.random.randint(150, size=20), np.random.randint(4, size=20)] = np.nan
  6. # Solution
  7. print("Number of missing values: \n", np.isnan(iris_2d[:, 0]).sum())
  8. print("Position of missing values: \n", np.where(np.isnan(iris_2d[:, 0])))
  9. # > Number of missing values: 
  10. # >  5
  11. # > Position of missing values: 
  12. # >  (array([ 39,  88,  99, 130, 147]),)

34. 如何根据两个或多个条件过滤numpy数组？

难度等级：L3

问题：过滤具有petallength（第3列）> 1.5 和 sepallength（第1列）< 5.0 的iris_2d行

给定：

  1. # Input
  2. url = 'https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data'
  3. iris_2d = np.genfromtxt(url, delimiter=',', dtype='float', usecols=[0,1,2,3])

答案：

  1. # Input
  2. url = 'https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data'
  3. iris_2d = np.genfromtxt(url, delimiter=',', dtype='float', usecols=[0,1,2,3])
  5. # Solution
  6. condition = (iris_2d[:, 2] > 1.5) & (iris_2d[:, 0] < 5.0)
  7. iris_2d[condition]
  8. # > array([[ 4.8,  3.4,  1.6,  0.2],
  9. # >        [ 4.8,  3.4,  1.9,  0.2],
  10. # >        [ 4.7,  3.2,  1.6,  0.2],
  11. # >        [ 4.8,  3.1,  1.6,  0.2],
  12. # >        [ 4.9,  2.4,  3.3,  1. ],
  13. # >        [ 4.9,  2.5,  4.5,  1.7]])

35. 如何从numpy数组中删除包含缺失值的行？

难度等级：L3:

问题：选择没有任何nan值的iris_2d行。

给定：

  1. # Input
  2. url = 'https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data'
  3. iris_2d = np.genfromtxt(url, delimiter=',', dtype='float', usecols=[0,1,2,3])

答案：

  1. # Input
  2. url = 'https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data'
  3. iris_2d = np.genfromtxt(url, delimiter=',', dtype='float', usecols=[0,1,2,3])
  4. iris_2d[np.random.randint(150, size=20), np.random.randint(4, size=20)] = np.nan
  6. # Solution
  7. # No direct numpy function for this.
  8. # Method 1:
  9. any_nan_in_row = np.array([~np.any(np.isnan(row)) for row in iris_2d])
  10. iris_2d[any_nan_in_row][:5]
  12. # Method 2: (By Rong)
  13. iris_2d[np.sum(np.isnan(iris_2d), axis = 1) == 0][:5]
  14. # > array([[ 4.9,  3. ,  1.4,  0.2],
  15. # >        [ 4.7,  3.2,  1.3,  0.2],
  16. # >        [ 4.6,  3.1,  1.5,  0.2],
  17. # >        [ 5. ,  3.6,  1.4,  0.2],
  18. # >        [ 5.4,  3.9,  1.7,  0.4]])

36. 如何找到numpy数组的两列之间的相关性？

难度等级：L2

问题：在iris_2d中找出SepalLength（第1列）和PetalLength（第3列）之间的相关性

给定：

  1. # Input
  2. url = 'https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data'
  3. iris_2d = np.genfromtxt(url, delimiter=',', dtype='float', usecols=[0,1,2,3])

答案：

  1. # Input
  2. url = 'https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data'
  3. iris = np.genfromtxt(url, delimiter=',', dtype='float', usecols=[0,1,2,3])
  5. # Solution 1
  6. np.corrcoef(iris[:, 0], iris[:, 2])[0, 1]
  8. # Solution 2
  9. from scipy.stats.stats import pearsonr  
  10. corr, p_value = pearsonr(iris[:, 0], iris[:, 2])
  11. print(corr)
  13. # Correlation coef indicates the degree of linear relationship between two numeric variables.
  14. # It can range between -1 to +1.
  16. # The p-value roughly indicates the probability of an uncorrelated system producing 
  17. # datasets that have a correlation at least as extreme as the one computed.
  18. # The lower the p-value (<0.01), stronger is the significance of the relationship.
  19. # It is not an indicator of the strength.
  20. # > 0.871754157305

37. 如何查找给定数组是否具有任何空值？

难度等级：L2

问题：找出iris_2d是否有任何缺失值。

给定：

  1. # Input
  2. url = 'https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data'
  3. iris_2d = np.genfromtxt(url, delimiter=',', dtype='float', usecols=[0,1,2,3])

答案：

  1. # Input
  2. url = 'https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data'
  3. iris_2d = np.genfromtxt(url, delimiter=',', dtype='float', usecols=[0,1,2,3])
  5. np.isnan(iris_2d).any()
  6. # > False

38. 如何在numpy数组中用0替换所有缺失值？

难度等级：L2

问题：在numpy数组中将所有出现的nan替换为0

给定：

  1. # Input
  2. url = 'https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data'
  3. iris_2d = np.genfromtxt(url, delimiter=',', dtype='float', usecols=[0,1,2,3])
  4. iris_2d[np.random.randint(150, size=20), np.random.randint(4, size=20)] = np.nan

答案：

  1. # Input
  2. url = 'https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data'
  3. iris_2d = np.genfromtxt(url, delimiter=',', dtype='float', usecols=[0,1,2,3])
  4. iris_2d[np.random.randint(150, size=20), np.random.randint(4, size=20)] = np.nan
  6. # Solution
  7. iris_2d[np.isnan(iris_2d)] = 0
  8. iris_2d[:4]
  9. # > array([[ 5.1,  3.5,  1.4,  0. ],
  10. # >        [ 4.9,  3. ,  1.4,  0.2],
  11. # >        [ 4.7,  3.2,  1.3,  0.2],
  12. # >        [ 4.6,  3.1,  1.5,  0.2]])

39. 如何在numpy数组中查找唯一值的计数？

难度等级：L2

问题：找出鸢尾属植物物种中的独特值和独特值的数量

给定：

  1. # Input
  2. url = 'https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data'
  3. iris = np.genfromtxt(url, delimiter=',', dtype='object')
  4. names = ('sepallength', 'sepalwidth', 'petallength', 'petalwidth', 'species')

答案：

  1. # Import iris keeping the text column intact
  2. url = 'https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data'
  3. iris = np.genfromtxt(url, delimiter=',', dtype='object')
  4. names = ('sepallength', 'sepalwidth', 'petallength', 'petalwidth', 'species')
  6. # Solution
  7. # Extract the species column as an array
  8. species = np.array([row.tolist()[4] for row in iris])
  10. # Get the unique values and the counts
  11. np.unique(species, return_counts=True)
  12. # > (array([b'Iris-setosa', b'Iris-versicolor', b'Iris-virginica'],
  13. # >        dtype='|S15'), array([50, 50, 50]))

40. 如何将数字转换为分类（文本）数组？

难度等级：L2

问题：将iris_2d的花瓣长度（第3列）加入以形成文本数组，这样如果花瓣长度为：

  • Less than 3 —> ‘small’
  • 3-5 —> ‘medium’
  • ‘>=5 —> ‘large’

给定：

  1. # Input
  2. url = 'https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data'
  3. iris = np.genfromtxt(url, delimiter=',', dtype='object')
  4. names = ('sepallength', 'sepalwidth', 'petallength', 'petalwidth', 'species')

答案：

  1. # Input
  2. url = 'https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data'
  3. iris = np.genfromtxt(url, delimiter=',', dtype='object')
  4. names = ('sepallength', 'sepalwidth', 'petallength', 'petalwidth', 'species')
  6. # Bin petallength 
  7. petal_length_bin = np.digitize(iris[:, 2].astype('float'), [0, 3, 5, 10])
  9. # Map it to respective category
  10. label_map = {1: 'small', 2: 'medium', 3: 'large', 4: np.nan}
  11. petal_length_cat = [label_map[x] for x in petal_length_bin]
  13. # View
  14. petal_length_cat[:4]
  15. <# > ['small', 'small', 'small', 'small']

41. 如何从numpy数组的现有列创建新列？

难度等级：L2

问题：在iris_2d中为卷创建一个新列，其中volume是（pi x petallength x sepal_length ^ 2）/ 3

给定：

  1. # Input
  2. url = 'https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data'
  3. iris_2d = np.genfromtxt(url, delimiter=',', dtype='object')
  4. names = ('sepallength', 'sepalwidth', 'petallength', 'petalwidth', 'species')

答案：

  1. # Input
  2. url = 'https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data'
  3. iris_2d = np.genfromtxt(url, delimiter=',', dtype='object')
  5. # Solution
  6. # Compute volume
  7. sepallength = iris_2d[:, 0].astype('float')
  8. petallength = iris_2d[:, 2].astype('float')
  9. volume = (np.pi * petallength * (sepallength**2))/3
  11. # Introduce new dimension to match iris_2d's
  12. volume = volume[:, np.newaxis]
  14. # Add the new column
  15. out = np.hstack([iris_2d, volume])
  17. # View
  18. out[:4]
  19. # > array([[b'5.1', b'3.5', b'1.4', b'0.2', b'Iris-setosa', 38.13265162927291],
  20. # >        [b'4.9', b'3.0', b'1.4', b'0.2', b'Iris-setosa', 35.200498485922445],
  21. # >        [b'4.7', b'3.2', b'1.3', b'0.2', b'Iris-setosa', 30.0723720777127],
  22. # >        [b'4.6', b'3.1', b'1.5', b'0.2', b'Iris-setosa', 33.238050274980004]], dtype=object)

42. 如何在numpy中进行概率抽样？

难度等级：L3

问题：随机抽鸢尾属植物的种类，使得刚毛的数量是云芝和维吉尼亚的两倍

给定：

  1. # Import iris keeping the text column intact
  2. url = 'https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data'
  3. iris = np.genfromtxt(url, delimiter=',', dtype='object')

答案：

  1. # Import iris keeping the text column intact
  2. url = 'https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data'
  3. iris = np.genfromtxt(url, delimiter=',', dtype='object')
  5. # Solution
  6. # Get the species column
  7. species = iris[:, 4]
  9. # Approach 1: Generate Probablistically
  10. np.random.seed(100)
  11. a = np.array(['Iris-setosa', 'Iris-versicolor', 'Iris-virginica'])
  12. species_out = np.random.choice(a, 150, p=[0.5, 0.25, 0.25])
  14. # Approach 2: Probablistic Sampling (preferred)
  15. np.random.seed(100)
  16. probs = np.r_[np.linspace(0, 0.500, num=50), np.linspace(0.501, .750, num=50), np.linspace(.751, 1.0, num=50)]
  17. index = np.searchsorted(probs, np.random.random(150))
  18. species_out = species[index]
  19. print(np.unique(species_out, return_counts=True))
  21. # > (array([b'Iris-setosa', b'Iris-versicolor', b'Iris-virginica'], dtype=object), array([77, 37, 36]))

方法2是首选方法，因为它创建了一个索引变量，该变量可用于取样2维表格数据。

43. 如何在按另一个数组分组时获取数组的第二大值？

难度等级：L2

问题：第二长的物种setosa的价值是多少

给定：

  1. # Input
  2. url = 'https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data'
  3. iris = np.genfromtxt(url, delimiter=',', dtype='object')
  4. names = ('sepallength', 'sepalwidth', 'petallength', 'petalwidth', 'species')

答案：

  2. # Import iris keeping the text column intact
  3. url = 'https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data'
  4. iris = np.genfromtxt(url, delimiter=',', dtype='object')
  6. # Solution
  7. # Get the species and petal length columns
  8. petal_len_setosa = iris[iris[:, 4] == b'Iris-setosa', [2]].astype('float')
  10. # Get the second last value
  11. np.unique(np.sort(petal_len_setosa))[-2]
  12. # > 1.7

44. 如何按列对2D数组进行排序

难度等级：L2

问题：根据sepallength列对虹膜数据集进行排序。

给定：

  1. url = 'https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data'
  2. iris = np.genfromtxt(url, delimiter=',', dtype='object')
  3. names = ('sepallength', 'sepalwidth', 'petallength', 'petalwidth', 'species')

答案：

  1. # Sort by column position 0: SepalLength
  2. print(iris[iris[:,0].argsort()][:20])
  3. # > [[b'4.3' b'3.0' b'1.1' b'0.1' b'Iris-setosa']
  4. # >  [b'4.4' b'3.2' b'1.3' b'0.2' b'Iris-setosa']
  5. # >  [b'4.4' b'3.0' b'1.3' b'0.2' b'Iris-setosa']
  6. # >  [b'4.4' b'2.9' b'1.4' b'0.2' b'Iris-setosa']
  7. # >  [b'4.5' b'2.3' b'1.3' b'0.3' b'Iris-setosa']
  8. # >  [b'4.6' b'3.6' b'1.0' b'0.2' b'Iris-setosa']
  9. # >  [b'4.6' b'3.1' b'1.5' b'0.2' b'Iris-setosa']
  10. # >  [b'4.6' b'3.4' b'1.4' b'0.3' b'Iris-setosa']
  11. # >  [b'4.6' b'3.2' b'1.4' b'0.2' b'Iris-setosa']
  12. # >  [b'4.7' b'3.2' b'1.3' b'0.2' b'Iris-setosa']
  13. # >  [b'4.7' b'3.2' b'1.6' b'0.2' b'Iris-setosa']
  14. # >  [b'4.8' b'3.0' b'1.4' b'0.1' b'Iris-setosa']
  15. # >  [b'4.8' b'3.0' b'1.4' b'0.3' b'Iris-setosa']
  16. # >  [b'4.8' b'3.4' b'1.9' b'0.2' b'Iris-setosa']
  17. # >  [b'4.8' b'3.4' b'1.6' b'0.2' b'Iris-setosa']
  18. # >  [b'4.8' b'3.1' b'1.6' b'0.2' b'Iris-setosa']
  19. # >  [b'4.9' b'2.4' b'3.3' b'1.0' b'Iris-versicolor']
  20. # >  [b'4.9' b'2.5' b'4.5' b'1.7' b'Iris-virginica']
  21. # >  [b'4.9' b'3.1' b'1.5' b'0.1' b'Iris-setosa']
  22. # >  [b'4.9' b'3.1' b'1.5' b'0.1' b'Iris-setosa']]

45. 如何在numpy数组中找到最常见的值？

难度等级：L1

问题：在鸢尾属植物数据集中找到最常见的花瓣长度值（第3列）。

给定：

  1. url = 'https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data'
  2. iris = np.genfromtxt(url, delimiter=',', dtype='object')
  3. names = ('sepallength', 'sepalwidth', 'petallength', 'petalwidth', 'species')

答案：

  1. # **给定：**
  2. url = 'https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data'
  3. iris = np.genfromtxt(url, delimiter=',', dtype='object')
  5. # Solution:
  6. vals, counts = np.unique(iris[:, 2], return_counts=True)
  7. print(vals[np.argmax(counts)])
  8. # > b'1.5'

46. 如何找到第一次出现的值大于给定值的位置？

难度等级：L2

问题：在虹膜数据集的petalwidth第4列中查找第一次出现的值大于1.0的位置。

  1. # **给定：**
  2. url = 'https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data'
  3. iris = np.genfromtxt(url, delimiter=',', dtype='object')

答案：

  1. # **给定：**
  2. url = 'https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data'
  3. iris = np.genfromtxt(url, delimiter=',', dtype='object')
  5. # Solution: (edit: changed argmax to argwhere. Thanks Rong!)
  6. np.argwhere(iris[:, 3].astype(float) > 1.0)[0]
  7. # > 50

47. 如何将大于给定值的所有值替换为给定的截止值？

难度等级：L2

问题：从数组a中，替换所有大于30到30和小于10到10的值。

给定：

  1. np.random.seed(100)
  2. a = np.random.uniform(1,50, 20)

答案：

  1. # Input
  2. np.set_printoptions(precision=2)
  3. np.random.seed(100)
  4. a = np.random.uniform(1,50, 20)
  6. # Solution 1: Using np.clip
  7. np.clip(a, a_min=10, a_max=30)
  9. # Solution 2: Using np.where
  10. print(np.where(a < 10, 10, np.where(a > 30, 30, a)))
  11. # > [ 27.63  14.64  21.8   30.    10.    10.    30.    30.    10.    29.18  30.
  12. # >   11.25  10.08  10.    11.77  30.    30.    10.    30.    14.43]

48. 如何从numpy数组中获取最大n值的位置？

难度等级：L2

问题：获取给定数组a中前5个最大值的位置。

  1. np.random.seed(100)
  2. a = np.random.uniform(1,50, 20)

答案：

  1. # Input
  2. np.random.seed(100)
  3. a = np.random.uniform(1,50, 20)
  5. # Solution:
  6. print(a.argsort())
  7. # > [18 7 3 10 15]
  9. # Solution 2:
  10. np.argpartition(-a, 5)[:5]
  11. # > [15 10  3  7 18]
  13. # Below methods will get you the values.
  14. # Method 1:
  15. a[a.argsort()][-5:]
  17. # Method 2:
  18. np.sort(a)[-5:]
  20. # Method 3:
  21. np.partition(a, kth=-5)[-5:]
  23. # Method 4:
  24. a[np.argpartition(-a, 5)][:5]

49. 如何计算数组中所有可能值的行数？

难度等级：L4

问题：按行计算唯一值的计数。

给定：

  1. np.random.seed(100)
  2. arr = np.random.randint(1,11,size=(6, 10))
  3. arr
  4. > array([[ 9,  9,  4,  8,  8,  1,  5,  3,  6,  3],
  5. >        [ 3,  3,  2,  1,  9,  5,  1, 10,  7,  3],
  6. >        [ 5,  2,  6,  4,  5,  5,  4,  8,  2,  2],
  7. >        [ 8,  8,  1,  3, 10, 10,  4,  3,  6,  9],
  8. >        [ 2,  1,  8,  7,  3,  1,  9,  3,  6,  2],
  9. >        [ 9,  2,  6,  5,  3,  9,  4,  6,  1, 10]])

期望的输出：

  1. > [[1, 0, 2, 1, 1, 1, 0, 2, 2, 0],
  2. >  [2, 1, 3, 0, 1, 0, 1, 0, 1, 1],
  3. >  [0, 3, 0, 2, 3, 1, 0, 1, 0, 0],
  4. >  [1, 0, 2, 1, 0, 1, 0, 2, 1, 2],
  5. >  [2, 2, 2, 0, 0, 1, 1, 1, 1, 0],
  6. >  [1, 1, 1, 1, 1, 2, 0, 0, 2, 1]]

输出包含10列，表示从1到10的数字。这些值是各行中数字的计数。 例如，cell(0，2)的值为2，这意味着数字3在第一行中恰好出现了2次。

答案：

  1. # **给定：**
  2. np.random.seed(100)
  3. arr = np.random.randint(1,11,size=(6, 10))
  4. arr
  5. # > array([[ 9,  9,  4,  8,  8,  1,  5,  3,  6,  3],
  6. # >        [ 3,  3,  2,  1,  9,  5,  1, 10,  7,  3],
  7. # >        [ 5,  2,  6,  4,  5,  5,  4,  8,  2,  2],
  8. # >        [ 8,  8,  1,  3, 10, 10,  4,  3,  6,  9],
  9. # >        [ 2,  1,  8,  7,  3,  1,  9,  3,  6,  2],
  10. # >        [ 9,  2,  6,  5,  3,  9,  4,  6,  1, 10]])
  1. # Solution
  2. def counts_of_all_values_rowwise(arr2d):
  3.     # Unique values and its counts row wise
  4.     num_counts_array = [np.unique(row, return_counts=True) for row in arr2d]
  6.     # Counts of all values row wise
  7.     return([[int(b[a==i]) if i in a else 0 for i in np.unique(arr2d)] for a, b in num_counts_array])
  9. # Print
  10. print(np.arange(1,11))
  11. counts_of_all_values_rowwise(arr)
  12. # > [ 1  2  3  4  5  6  7  8  9 10]
  14. # > [[1, 0, 2, 1, 1, 1, 0, 2, 2, 0],
  15. # >  [2, 1, 3, 0, 1, 0, 1, 0, 1, 1],
  16. # >  [0, 3, 0, 2, 3, 1, 0, 1, 0, 0],
  17. # >  [1, 0, 2, 1, 0, 1, 0, 2, 1, 2],
  18. # >  [2, 2, 2, 0, 0, 1, 1, 1, 1, 0],
  19. # >  [1, 1, 1, 1, 1, 2, 0, 0, 2, 1]]
  1. # Example 2:
  2. arr = np.array([np.array(list('bill clinton')), np.array(list('narendramodi')), np.array(list('jjayalalitha'))])
  3. print(np.unique(arr))
  4. counts_of_all_values_rowwise(arr)
  5. # > [' ' 'a' 'b' 'c' 'd' 'e' 'h' 'i' 'j' 'l' 'm' 'n' 'o' 'r' 't' 'y']
  7. # > [[1, 0, 1, 1, 0, 0, 0, 2, 0, 3, 0, 2, 1, 0, 1, 0],
  8. # >  [0, 2, 0, 0, 2, 1, 0, 1, 0, 0, 1, 2, 1, 2, 0, 0],
  9. # >  [0, 4, 0, 0, 0, 0, 1, 1, 2, 2, 0, 0, 0, 0, 1, 1]]

50. 如何将数组转换为平面一维数组？

难度等级：L2

问题：将array_of_arrays转换为扁平线性1d数组。

给定：

  1. # **给定：**
  2. arr1 = np.arange(3)
  3. arr2 = np.arange(3,7)
  4. arr3 = np.arange(7,10)
  6. array_of_arrays = np.array([arr1, arr2, arr3])
  7. array_of_arrays
  8. # > array([array([0, 1, 2]), array([3, 4, 5, 6]), array([7, 8, 9])], dtype=object)

期望的输出：

  1. # > array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

答案：

  1.  # **给定：**
  2. arr1 = np.arange(3)
  3. arr2 = np.arange(3,7)
  4. arr3 = np.arange(7,10)
  6. array_of_arrays = np.array([arr1, arr2, arr3])
  7. print('array_of_arrays: ', array_of_arrays)
  9. # Solution 1
  10. arr_2d = np.array([a for arr in array_of_arrays for a in arr])
  12. # Solution 2:
  13. arr_2d = np.concatenate(array_of_arrays)
  14. print(arr_2d)
  15. # > array_of_arrays:  [array([0, 1, 2]) array([3, 4, 5, 6]) array([7, 8, 9])]
  16. # > [0 1 2 3 4 5 6 7 8 9]

51. 如何在numpy中为数组生成单热编码？

难度等级：L4

问题：计算一次性编码(数组中每个唯一值的虚拟二进制变量)

给定：

  1. np.random.seed(101) 
  2. arr = np.random.randint(1,4, size=6)
  3. arr
  4. # > array([2, 3, 2, 2, 2, 1])

期望输出：

  1. # > array([[ 0.,  1.,  0.],
  2. # >        [ 0.,  0.,  1.],
  3. # >        [ 0.,  1.,  0.],
  4. # >        [ 0.,  1.,  0.],
  5. # >        [ 0.,  1.,  0.],
  6. # >        [ 1.,  0.,  0.]])

答案：

  1. # **给定：**
  2. np.random.seed(101) 
  3. arr = np.random.randint(1,4, size=6)
  4. arr
  5. # > array([2, 3, 2, 2, 2, 1])
  7. # Solution:
  8. def one_hot_encodings(arr):
  9.     uniqs = np.unique(arr)
  10.     out = np.zeros((arr.shape[0], uniqs.shape[0]))
  11.     for i, k in enumerate(arr):
  12.         out[i, k-1] = 1
  13.     return out
  15. one_hot_encodings(arr)
  16. # > array([[ 0.,  1.,  0.],
  17. # >        [ 0.,  0.,  1.],
  18. # >        [ 0.,  1.,  0.],
  19. # >        [ 0.,  1.,  0.],
  20. # >        [ 0.,  1.,  0.],
  21. # >        [ 1.,  0.,  0.]])
  23. # Method 2:
  24. (arr[:, None] == np.unique(arr)).view(np.int8)

52. 如何创建按分类变量分组的行号？

难度等级：L3

问题：创建按分类变量分组的行号。使用以下来自鸢尾属植物物种的样本作为输入。

给定：

  1. url = 'https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data'
  2. species = np.genfromtxt(url, delimiter=',', dtype='str', usecols=4)
  3. species_small = np.sort(np.random.choice(species, size=20))
  4. species_small
  5. # > array(['Iris-setosa', 'Iris-setosa', 'Iris-setosa', 'Iris-setosa',
  6. # >        'Iris-setosa', 'Iris-setosa', 'Iris-versicolor', 'Iris-versicolor',
  7. # >        'Iris-versicolor', 'Iris-versicolor', 'Iris-versicolor',
  8. # >        'Iris-versicolor', 'Iris-virginica', 'Iris-virginica',
  9. # >        'Iris-virginica', 'Iris-virginica', 'Iris-virginica',
  10. # >        'Iris-virginica', 'Iris-virginica', 'Iris-virginica'],
  11. # >       dtype='<U15')

期望的输出：

  1. # > [0, 1, 2, 3, 4, 5, 0, 1, 2, 3, 4, 5, 0, 1, 2, 3, 4, 5, 6, 7]

答案：

  1. # **给定：**
  2. url = 'https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data'
  3. species = np.genfromtxt(url, delimiter=',', dtype='str', usecols=4)
  4. np.random.seed(100)
  5. species_small = np.sort(np.random.choice(species, size=20))
  6. species_small
  7. # > array(['Iris-setosa', 'Iris-setosa', 'Iris-setosa', 'Iris-setosa',
  8. # >        'Iris-setosa', 'Iris-versicolor', 'Iris-versicolor',
  9. # >        'Iris-versicolor', 'Iris-versicolor', 'Iris-versicolor',
  10. # >        'Iris-versicolor', 'Iris-versicolor', 'Iris-versicolor',
  11. # >        'Iris-versicolor', 'Iris-virginica', 'Iris-virginica',
  12. # >        'Iris-virginica', 'Iris-virginica', 'Iris-virginica',
  13. # >        'Iris-virginica'],
  14. # >       dtype='<U15')
  1. print([i for val in np.unique(species_small) for i, grp in enumerate(species_small[species_small==val])])
  1. [0, 1, 2, 3, 4, 0, 1, 2, 3, 4, 5, 6, 7, 8, 0, 1, 2, 3, 4, 5]

53. 如何根据给定的分类变量创建组ID？

难度等级：L4

问题：根据给定的分类变量创建组ID。使用以下来自鸢尾属植物物种的样本作为输入。

给定：

  1. url = 'https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data'
  2. species = np.genfromtxt(url, delimiter=',', dtype='str', usecols=4)
  3. species_small = np.sort(np.random.choice(species, size=20))
  4. species_small
  5. # > array(['Iris-setosa', 'Iris-setosa', 'Iris-setosa', 'Iris-setosa',
  6. # >        'Iris-setosa', 'Iris-setosa', 'Iris-versicolor', 'Iris-versicolor',
  7. # >        'Iris-versicolor', 'Iris-versicolor', 'Iris-versicolor',
  8. # >        'Iris-versicolor', 'Iris-virginica', 'Iris-virginica',
  9. # >        'Iris-virginica', 'Iris-virginica', 'Iris-virginica',
  10. # >        'Iris-virginica', 'Iris-virginica', 'Iris-virginica'],
  11. # >       dtype='<U15')

期望的输出：

  1. # > [0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 2]

答案：

  1. # **给定：**
  2. url = 'https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data'
  3. species = np.genfromtxt(url, delimiter=',', dtype='str', usecols=4)
  4. np.random.seed(100)
  5. species_small = np.sort(np.random.choice(species, size=20))
  6. species_small
  7. # > array(['Iris-setosa', 'Iris-setosa', 'Iris-setosa', 'Iris-setosa',
  8. # >        'Iris-setosa', 'Iris-versicolor', 'Iris-versicolor',
  9. # >        'Iris-versicolor', 'Iris-versicolor', 'Iris-versicolor',
  10. # >        'Iris-versicolor', 'Iris-versicolor', 'Iris-versicolor',
  11. # >        'Iris-versicolor', 'Iris-virginica', 'Iris-virginica',
  12. # >        'Iris-virginica', 'Iris-virginica', 'Iris-virginica',
  13. # >        'Iris-virginica'],
  14. # >       dtype='<U15')
  1. # Solution:
  2. output = [np.argwhere(np.unique(species_small) == s).tolist()[0][0] for val in np.unique(species_small) for s in species_small[species_small==val]]
  4. # Solution: For Loop version
  5. output = []
  6. uniqs = np.unique(species_small)
  8. for val in uniqs:  # uniq values in group
  9.     for s in species_small[species_small==val]:  # each element in group
  10.         groupid = np.argwhere(uniqs == s).tolist()[0][0]  # groupid
  11.         output.append(groupid)
  13. print(output)
  14. # > [0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 2]

54. 如何使用numpy对数组中的项进行排名？

难度等级：L2

问题：为给定的数字数组a创建排名。

给定：

  1. np.random.seed(10)
  2. a = np.random.randint(20, size=10)
  3. print(a)
  4. # > [ 9  4 15  0 17 16 17  8  9  0]

期望输出：

  1. [4 2 6 0 8 7 9 3 5 1]

答案：

  1. np.random.seed(10)
  2. a = np.random.randint(20, size=10)
  3. print('Array: ', a)
  5. # Solution
  6. print(a.argsort().argsort())
  7. print('Array: ', a)
  8. # > Array:  [ 9  4 15  0 17 16 17  8  9  0]
  9. # > [4 2 6 0 8 7 9 3 5 1]
  10. # > Array:  [ 9  4 15  0 17 16 17  8  9  0]

55. 如何使用numpy对多维数组中的项进行排名？

难度等级：L3

问题：创建与给定数字数组a相同形状的排名数组。

给定：

  1. np.random.seed(10)
  2. a = np.random.randint(20, size=[2,5])
  3. print(a)
  4. # > [[ 9  4 15  0 17]
  5. # >  [16 17  8  9  0]]

期望输出：

  1. # > [[4 2 6 0 8]
  2. # >  [7 9 3 5 1]]

答案：

  1. # **给定：**
  2. np.random.seed(10)
  3. a = np.random.randint(20, size=[2,5])
  4. print(a)
  6. # Solution
  7. print(a.ravel().argsort().argsort().reshape(a.shape))
  8. # > [[ 9  4 15  0 17]
  9. # >  [16 17  8  9  0]]
  10. # > [[4 2 6 0 8]
  11. # >  [7 9 3 5 1]]

56. 如何在二维numpy数组的每一行中找到最大值？

难度等级：L2

问题：计算给定数组中每行的最大值。

给定：

  1. np.random.seed(100)
  2. a = np.random.randint(1,10, [5,3])
  3. a
  4. # > array([[9, 9, 4],
  5. # >        [8, 8, 1],
  6. # >        [5, 3, 6],
  7. # >        [3, 3, 3],
  8. # >        [2, 1, 9]])

答案：

  1. # Input
  2. np.random.seed(100)
  3. a = np.random.randint(1,10, [5,3])
  4. a
  6. # Solution 1
  7. np.amax(a, axis=1)
  9. # Solution 2
  10. np.apply_along_axis(np.max, arr=a, axis=1)
  11. # > array([9, 8, 6, 3, 9])

57. 如何计算二维numpy数组每行的最小值？

难度等级：L3

问题：为给定的二维numpy数组计算每行的最小值。

给定：

  1. np.random.seed(100)
  2. a = np.random.randint(1,10, [5,3])
  3. a
  4. # > array([[9, 9, 4],
  5. # >        [8, 8, 1],
  6. # >        [5, 3, 6],
  7. # >        [3, 3, 3],
  8. # >        [2, 1, 9]])

答案：

  1. # Input
  2. np.random.seed(100)
  3. a = np.random.randint(1,10, [5,3])
  4. a
  6. # Solution
  7. np.apply_along_axis(lambda x: np.min(x)/np.max(x), arr=a, axis=1)
  8. # > array([ 0.44444444,  0.125     ,  0.5       ,  1.        ,  0.11111111])

58. 如何在numpy数组中找到重复的记录？

难度等级：L3

问题：在给定的numpy数组中找到重复的条目(第二次出现以后)，并将它们标记为True。第一次出现应该是False的。

给定：

  1. # Input
  2. np.random.seed(100)
  3. a = np.random.randint(0, 5, 10)
  4. print('Array: ', a)
  5. # > Array: [0 0 3 0 2 4 2 2 2 2]

期望的输出：

  1. # > [False  True False  True False False  True  True  True  True]

答案：

  1. # Input
  2. np.random.seed(100)
  3. a = np.random.randint(0, 5, 10)
  5. ## Solution
  6. # There is no direct function to do this as of 1.13.3
  8. # Create an all True array
  9. out = np.full(a.shape[0], True)
  11. # Find the index positions of unique elements
  12. unique_positions = np.unique(a, return_index=True)[1]
  14. # Mark those positions as False
  15. out[unique_positions] = False
  17. print(out)
  18. # > [False  True False  True False False  True  True  True  True]

59. 如何找出数字的分组均值？

难度等级：L3

问题：在二维数字数组中查找按分类列分组的数值列的平均值

给定：

  1. url = 'https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data'
  2. iris = np.genfromtxt(url, delimiter=',', dtype='object')
  3. names = ('sepallength', 'sepalwidth', 'petallength', 'petalwidth', 'species')

理想的输出：

  1. # > [[b'Iris-setosa', 3.418],
  2. # >  [b'Iris-versicolor', 2.770],
  3. # >  [b'Iris-virginica', 2.974]]

答案：

  1. # Input
  2. url = 'https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data'
  3. iris = np.genfromtxt(url, delimiter=',', dtype='object')
  4. names = ('sepallength', 'sepalwidth', 'petallength', 'petalwidth', 'species')
  7. # Solution
  8. # No direct way to implement this. Just a version of a workaround.
  9. numeric_column = iris[:, 1].astype('float')  # sepalwidth
  10. grouping_column = iris[:, 4]  # species
  12. # List comprehension version
  13. [[group_val, numeric_column[grouping_column==group_val].mean()] for group_val in np.unique(grouping_column)]
  15. # For Loop version
  16. output = []
  17. for group_val in np.unique(grouping_column):
  18.     output.append([group_val, numeric_column[grouping_column==group_val].mean()])
  20. output
  21. # > [[b'Iris-setosa', 3.418],
  22. # >  [b'Iris-versicolor', 2.770],
  23. # >  [b'Iris-virginica', 2.974]]

60. 如何将PIL图像转换为numpy数组？

难度等级：L3

问题：从以下URL导入图像并将其转换为numpy数组。

  1. URL = 'https://upload.wikimedia.org/wikipedia/commons/8/8b/Denali_Mt_McKinley.jpg'

答案：

  1. from io import BytesIO
  2. from PIL import Image
  3. import PIL, requests
  5. # Import image from URL
  6. URL = 'https://upload.wikimedia.org/wikipedia/commons/8/8b/Denali_Mt_McKinley.jpg'
  7. response = requests.get(URL)
  9. # Read it as Image
  10. I = Image.open(BytesIO(response.content))
  12. # Optionally resize
  13. I = I.resize([150,150])
  15. # Convert to numpy array
  16. arr = np.asarray(I)
  18. # Optionaly Convert it back to an image and show
  19. im = PIL.Image.fromarray(np.uint8(arr))
  20. Image.Image.show(im)

61. 如何删除numpy数组中所有缺少的值？

难度等级：L2

问题：从一维numpy数组中删除所有NaN值

给定：

  1. np.array([1,2,3,np.nan,5,6,7,np.nan])

期望的输出：

  1. array([ 1.,  2.,  3.,  5.,  6.,  7.])

答案：

  1. a = np.array([1,2,3,np.nan,5,6,7,np.nan])
  2. a[~np.isnan(a)]
  3. # > array([ 1.,  2.,  3.,  5.,  6.,  7.])

62. 如何计算两个数组之间的欧氏距离？

难度等级：L3

问题：计算两个数组a和数组b之间的欧氏距离。

给定：

  1. a = np.array([1,2,3,4,5])
  2. b = np.array([4,5,6,7,8])

答案：

  1. # Input
  2. a = np.array([1,2,3,4,5])
  3. b = np.array([4,5,6,7,8])
  5. # Solution
  6. dist = np.linalg.norm(a-b)
  7. dist
  8. # > 6.7082039324993694

63. 如何在一维数组中找到所有的局部极大值(或峰值)？

难度等级：L4

问题：找到一个一维数字数组a中的所有峰值。峰顶是两边被较小数值包围的点。

给定：

  1. a = np.array([1, 3, 7, 1, 2, 6, 0, 1])

期望的输出：

  1. # > array([2, 5])

其中，2和5是峰值7和6的位置。

答案：

  1. a = np.array([1, 3, 7, 1, 2, 6, 0, 1])
  2. doublediff = np.diff(np.sign(np.diff(a)))
  3. peak_locations = np.where(doublediff == -2)[0] + 1
  4. peak_locations
  5. # > array([2, 5])

64. 如何从二维数组中减去一维数组，其中一维数组的每一项从各自的行中减去？

难度等级：L2

问题：从2d数组a_2d中减去一维数组b_1D，使得b_1D的每一项从a_2d的相应行中减去。

  1. a_2d = np.array([[3,3,3],[4,4,4],[5,5,5]])
  2. b_1d = np.array([1,2,3])

期望的输出：

  1. # > [[2 2 2]
  2. # >  [2 2 2]
  3. # >  [2 2 2]]

答案：

  1. # Input
  2. a_2d = np.array([[3,3,3],[4,4,4],[5,5,5]])
  3. b_1d = np.array([1,2,3])
  5. # Solution
  6. print(a_2d - b_1d[:,None])
  7. # > [[2 2 2]
  8. # >  [2 2 2]
  9. # >  [2 2 2]]

65. 如何查找数组中项的第n次重复索引？

难度等级：L2

问题：找出x中数字1的第5次重复的索引。

  1. x = np.array([1, 2, 1, 1, 3, 4, 3, 1, 1, 2, 1, 1, 2])

答案：

  1. x = np.array([1, 2, 1, 1, 3, 4, 3, 1, 1, 2, 1, 1, 2])
  2. n = 5
  4. # Solution 1: List comprehension
  5. [i for i, v in enumerate(x) if v == 1][n-1]
  7. # Solution 2: Numpy version
  8. np.where(x == 1)[0][n-1]
  9. # > 8

66. 如何将numpy的datetime 64对象转换为datetime的datetime对象？

难度等级：L2

问题：将numpy的datetime64对象转换为datetime的datetime对象

  1. # **给定：** a numpy datetime64 object
  2. dt64 = np.datetime64('2018-02-25 22:10:10')

答案：

  1. # **给定：** a numpy datetime64 object
  2. dt64 = np.datetime64('2018-02-25 22:10:10')
  4. # Solution
  5. from datetime import datetime
  6. dt64.tolist()
  8. # or
  10. dt64.astype(datetime)
  11. # > datetime.datetime(2018, 2, 25, 22, 10, 10)

67. 如何计算numpy数组的移动平均值？

难度等级：L3

问题：对于给定的一维数组，计算窗口大小为3的移动平均值。

给定：

  1. np.random.seed(100)
  2. Z = np.random.randint(10, size=10)

答案：

  1. # Solution
  2. # Source: https://stackoverflow.com/questions/14313510/how-to-calculate-moving-average-using-numpy
  3. def moving_average(a, n=3) :
  4.     ret = np.cumsum(a, dtype=float)
  5.     ret[n:] = ret[n:] - ret[:-n]
  6.     return ret[n - 1:] / n
  8. np.random.seed(100)
  9. Z = np.random.randint(10, size=10)
  10. print('array: ', Z)
  11. # Method 1
  12. moving_average(Z, n=3).round(2)
  14. # Method 2:  # Thanks AlanLRH!
  15. # np.ones(3)/3 gives equal weights. Use np.ones(4)/4 for window size 4.
  16. np.convolve(Z, np.ones(3)/3, mode='valid') . 
  19. # > array:  [8 8 3 7 7 0 4 2 5 2]
  20. # > moving average:  [ 6.33  6.    5.67  4.67  3.67  2.    3.67  3.  ]

68. 如何在给定起始点、长度和步骤的情况下创建一个numpy数组序列？

难度等级：L2

问题：创建长度为10的numpy数组，从5开始，在连续的数字之间的步长为3。

答案：

  1. length = 10
  2. start = 5
  3. step = 3
  5. def seq(start, length, step):
  6.     end = start + (step*length)
  7.     return np.arange(start, end, step)
  9. seq(start, length, step)
  10. # > array([ 5,  8, 11, 14, 17, 20, 23, 26, 29, 32])

69. 如何填写不规则系列的numpy日期中的缺失日期？

难度等级：L3

问题：给定一系列不连续的日期序列。填写缺失的日期，使其成为连续的日期序列。

给定：

  1. # Input
  2. dates = np.arange(np.datetime64('2018-02-01'), np.datetime64('2018-02-25'), 2)
  3. print(dates)
  4. # > ['2018-02-01' '2018-02-03' '2018-02-05' '2018-02-07' '2018-02-09'
  5. # >  '2018-02-11' '2018-02-13' '2018-02-15' '2018-02-17' '2018-02-19'
  6. # >  '2018-02-21' '2018-02-23']

答案：

  1. # Input
  2. dates = np.arange(np.datetime64('2018-02-01'), np.datetime64('2018-02-25'), 2)
  3. print(dates)
  5. # Solution ---------------
  6. filled_in = np.array([np.arange(date, (date+d)) for date, d in zip(dates, np.diff(dates))]).reshape(-1)
  8. # add the last day
  9. output = np.hstack([filled_in, dates[-1]])
  10. output
  12. # For loop version -------
  13. out = []
  14. for date, d in zip(dates, np.diff(dates)):
  15.     out.append(np.arange(date, (date+d)))
  17. filled_in = np.array(out).reshape(-1)
  19. # add the last day
  20. output = np.hstack([filled_in, dates[-1]])
  21. output
  22. # > ['2018-02-01' '2018-02-03' '2018-02-05' '2018-02-07' '2018-02-09'
  23. # >  '2018-02-11' '2018-02-13' '2018-02-15' '2018-02-17' '2018-02-19'
  24. # >  '2018-02-21' '2018-02-23']
  26. # > array(['2018-02-01', '2018-02-02', '2018-02-03', '2018-02-04',
  27. # >        '2018-02-05', '2018-02-06', '2018-02-07', '2018-02-08',
  28. # >        '2018-02-09', '2018-02-10', '2018-02-11', '2018-02-12',
  29. # >        '2018-02-13', '2018-02-14', '2018-02-15', '2018-02-16',
  30. # >        '2018-02-17', '2018-02-18', '2018-02-19', '2018-02-20',
  31. # >        '2018-02-21', '2018-02-22', '2018-02-23'], dtype='datetime64[D]')

70. 如何从给定的一维数组创建步长？

难度等级：L4

问题：从给定的一维数组arr中，利用步进生成一个二维矩阵，窗口长度为4，步距为2，类似于 [[0,1,2,3], [2,3,4,5], [4,5,6,7]..]

给定：

  1. arr = np.arange(15) 
  2. arr
  3. # > array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14])

期望的输出：

  1. # > [[ 0  1  2  3]
  2. # >  [ 2  3  4  5]
  3. # >  [ 4  5  6  7]
  4. # >  [ 6  7  8  9]
  5. # >  [ 8  9 10 11]
  6. # >  [10 11 12 13]]

答案：

  1. def gen_strides(a, stride_len=5, window_len=5):
  2.     n_strides = ((a.size-window_len)//stride_len) + 1
  3.     # return np.array([a[s:(s+window_len)] for s in np.arange(0, a.size, stride_len)[:n_strides]])
  4.     return np.array([a[s:(s+window_len)] for s in np.arange(0, n_strides*stride_len, stride_len)])
  6. print(gen_strides(np.arange(15), stride_len=2, window_len=4))
  7. # > [[ 0  1  2  3]
  8. # >  [ 2  3  4  5]
  9. # >  [ 4  5  6  7]
  10. # >  [ 6  7  8  9]
  11. # >  [ 8  9 10 11]
  12. # >  [10 11 12 13]]

未完待续…

文章出处

由NumPy中文文档翻译，原作者为 machinelearningplus.com，翻译至：https://www.machinelearningplus.com/python/101-numpy-exercises-python/