#学习笔记#
在学习神经网络的过程中发现对numpy的操作不是非常熟悉，遂找到了Numpy 100题。
Git-hub链接
目录
1 题目列表：
2 题解：
1 题目列表：
-
导入numpy包，并将其命名为
np（★☆☆） -
打印numpy版本和配置信息（★☆☆）
-
创建一个大小为10的空向量（★☆☆）
-
如何找出任何数组的内存大小（★☆☆）
-
如何从命令行获取numpy add函数的文档？（★☆☆）
-
创建一个大小为10的空向量，但第五个值为1（★☆☆）
-
创建一个包含从10到49的值的向量（★☆☆）
-
反转向量（第一个元素变成最后一个）（★☆☆）
-
创建一个3x3矩阵，其值范围从0到8（★☆☆）
-
从[1,2,0,0,4,0]中找出非零元素的索引（★☆☆）
-
创建一个3x3的单位矩阵（★☆☆）
-
创建一个3x3x3的数组，包含随机值（★☆☆）
-
创建一个10x10的数组，包含随机值，并找出最小值和最大值（★☆☆）
-
创建一个大小为30的随机向量，并找出平均值（★☆☆）
-
创建一个2d数组，边界为1，内部为0（★☆☆）
-
如何在现有数组周围添加一个由0填充的边界？（★☆☆）
-
下列表达式的结果是什么？（★☆☆）
0 * np.nan
np.nan == np.nan
np.inf > np.nan
np.nan - np.nan
np.nan in set([np.nan])
0.3 == 3 * 0.118. 创建一个5x5矩阵，在对角线下方填充值1,2,3,4（★☆☆）
19.创建一个8x8矩阵，并用棋盘图案填充（★☆☆）
20.考虑一个形状为(6,7,8)的数组，第100个元素的索引（x,y,z）是什么？（★☆☆）
21.使用tile函数创建一个8x8的棋盘矩阵（★☆☆）
22.规范化一个5x5的随机矩阵（★☆☆）
23.创建一个自定义dtype，用以描述颜色为四个无符号字节（RGBA）（★☆☆）
24.将一个5x3矩阵乘以一个3x2矩阵（真正的矩阵乘法）（★☆☆）
25.给定一个1D数组，原地将所有在3到8之间的元素取反。（★☆☆）
2 题解：
1.导入numpy包，并将其命名为np（★☆☆）
import numpy as np2.打印numpy版本和配置信息（★☆☆）
print(np.__version__)
print(np.show_config())3.创建一个大小为10的空向量（★☆☆）
null_vector = np.zeros(10)
type(null_vector)4.如何找出任何数组的内存大小（★☆☆）
# 使用nbytes属性(以字节为单位)
arr = null_vector
print(arr.nbytes)5.如何从命令行获取numpy add函数的文档？（★☆☆）
# 在命令行中需要先激活python环境，然后import numpy，最后help(numpy.add)即可
help(np.add)6.创建一个大小为10的空向量，但第五个值为1（★☆☆）
null_vector = np.zeros(10)
null_vector[4] = 1 # 注意索引是从0开始的7.创建一个包含从10到49的值的向量（★☆☆）
# 我第一时间想到了这种方法，使用列表推导式
vector = np.array([i for i in range(10,50)])
# 但实际上numpy提供了更直接高效的方式，就是使用np.arange函数8.反转向量（第一个元素变成最后一个）（★☆☆）
vector = np.array([1,2,3,4,5])
reversed_vector = vector[::-1] # 直接用列表的切片操作
9.创建一个3x3矩阵，其值范围从0到8（★☆☆）
matrix = np.arange(0,9).reshape(3,3) # reshape方法可以重新整形，结合上面的arange方法即可实现
# 注意，使用该方法的对象如果不满足数量，这里如果！=9就会报错10.从[1,2,0,0,4,0]中找出非零元素的索引（★☆☆）
vector = np.array([1,2,0,0,4,0])
non_zero_indices = np.nonzero(vector) # 相比于循环来说，这种内部的方法更加稳定高效11.创建一个3x3的单位矩阵（★☆☆）
identity_matrix = np.eye(3) # eye方法12.创建一个3x3x3的数组，包含随机值（★☆☆）
random_array = np.random.rand(3,3,3) # 使用random.rand方法生成13.创建一个10x10的数组，包含随机值，并找出最小值和最大值（★☆☆）
random_array = np.random.rand(10,10)
max_value = np.max(random_array) # 使用numpy内置的max,min方法
min_value = np.min(random_array)14.创建一个大小为30的随机向量，并找出平均值（★☆☆）
random_vector = np.random.rand(30)
mean_value = np.mean(random_vector)15.创建一个2d数组，边界为1，内部为0（★☆☆）
array_size = 5 # 可根据需要调整大小
array = np.ones((array_size,array_size)) # 需要传入一个shape，需要为元组
array[1:-1,1:-1] = 0 # 应用了切片和广播机制16.如何在现有数组周围添加一个由0填充的边界？（★☆☆）
original_array = np.ones((3,3))
padded_array = np.pad(original_array,pad_width = 1,mode = 'constant',constant_values=0)
# pad_width = 1 指定了边框的宽度为1（即在每个方向上添加一层0）
# mode = 'constant'指定了填充模式为常量值填充，contant_values=0，定义了这个常量值为017.下列表达式的结果是什么？（★☆☆）
0 * np.nan
np.nan == np.nan
np.inf > np.nan
np.nan - np.nan
np.nan in set([np.nan])
0.3 == 3 * 0.1np.nan # NaN与任何数字运算结果还是NaN
False # 在IEEE浮点数标准中,NaN被认为不等于自身
False # NaN与任何数比较都是False
np.nan # NaN与任何数的算术运算结果还是NaN
True # 虽然NaN不等于自身，但是可以在集合中检测到它的存在
False # 这个表达式确实会先运算*但是由于浮点数的精度问题，‘3*0.1’实际上并不精确等于0.318. 创建一个5x5矩阵，在对角线下方填充值1,2,3,4（★☆☆）
matrix = np.zeros((5,5))
np.fill_diagonal(matrix[1:],range(1,5))
# fill_diagonal可以填充数组对角线19.创建一个8x8矩阵，并用棋盘图案填充（★☆☆）
# 初始化一个8x8的全零矩阵
chessboard = np.zeros((8, 8), dtype=int)
# 用1填充棋盘格模式
# 偶数行的奇数列以及奇数行的偶数列
chessboard[1::2, ::2] = 1 # 奇数行，偶数列
chessboard[::2, 1::2] = 1 # 偶数行，奇数列20.考虑一个形状为(6,7,8)的数组，第100个元素的索引（x,y,z）是什么？（★☆☆）
(1,5,3)
# 100 / 8 = 12 余 4 （代表在第十三行，第四个位置，第四个位置（列）索引为3）
# 13 / 7 = 1 余 6 （代表在第二个矩阵中的第6行，第六行索引为5）
# 2 / 6 = 0 余 2 （第二个矩阵中，索引为1）21.使用tile函数创建一个8x8的棋盘矩阵（★☆☆）
chessboard_unit = np.array([[0,1],[1,0]])
chessboard = np.tile(chessboard_unit,(4,4))
# 当调用‘np.tile(A,reps)’时，‘A’是你想要重复的数组，而‘reps’指示了‘A’在各个维度上应该被重复的次数。如果‘reps’是一个整数，则‘A’将在所有轴上重复这个次数。如果是一个数组，则会在指定轴上重复。就像贴瓷砖一样22.规范化一个5x5的随机矩阵（★☆☆）
matrix = np.random.rand(5,5)
# 方法一，最大最小归一化
min_val = matrix.min(axis = 0) # 对列进行操作；对行操作时使用axis = 1
max_val = matrix.max(axis = 0) # 在对列操作时，需要设置keepdims = True
normalized_matrix = (matrix - min_val)/(max_val - min_val)
# 方法二，Z-score标准化（也称标准差标准化）
mean = np.mean(matrix,axis = 0) # 对列进行操作
std = np.std(matrix,axis = 0)
z_normalized_matrix = (matrix - mean) / std23.创建一个自定义dtype，用以描述颜色为四个无符号字节（RGBA）（★☆☆）
import numpy as np
# 定义一个自定义的dtype来描述颜色
color_dtype = np.dtype([
("r", np.uint8), # 红色分量
("g", np.uint8), # 绿色分量
("b", np.uint8), # 蓝色分量
("a", np.uint8) # 透明度分量
])
# 创建一个使用该dtype的数组示例
color_example = np.array([(255, 0, 0, 255), (0, 255, 0, 255)], dtype=color_dtype)
24.将一个5x3矩阵乘以一个3x2矩阵（真正的矩阵乘法）（★☆☆）
matrix1 = np.random.rand(5,3)
matrix2 = np.random.rand(3,2)
dot_matrix = np.dot(matrix1,matrix2)
25.给定一个1D数组，原地将所有在3到8之间的元素取反。（★☆☆）
vector = np.random.rand(9)
# 位置3到8的元素取反
vector[3:9] *= -1
# 将值3到8取反
vector_range = np.arange(10)
vector_range[(vector_range>3) & (vector_range<8)] *= -1后续会更行全部100题
以上
学习在于行动，总结和坚持，共勉
