【NumPy基础】100道numpy练习——初学与入门篇
@author：wepon
@blog：http://blog.csdn.net/u012162613/article/details/42784403
今天在deeplearning.net上看theano tutorial，发现一个numpy-100-exercise，介绍numpy一些基本用法的，不过不是很具体，我利用闲暇时间照着敲了一些，权且当作翻译吧，增加函数的原型和详细介绍。持续更新。
一、初学者10道
1、在python环境中导入numpy包，并命名为np
<span style="font-size:18px;">>>> import numpy as np</span>
2、查看numpy版本和配置信息
<span style="font-size:18px;">>>> print np.__version__ >>> np.__config__.show()</span>
3、创建零向量，zeros函数
<span style="font-size:18px;">>>> z=np.zeros((2,3)) >>> print z [[ 0. 0. 0.] [ 0. 0. 0.]]</span>
4、将上面的零向量的第二行第三列元素置为1。注意python中行列下班是从0开始。
<span style="font-size:18px;">>>>z[1,2]=1 >>> print z [[ 0. 0. 0.] [ 0. 0. 1.]]</span>
5、arange函数，创建一个在给定范围的向量。
<span style="font-size:18px;">>>> z=np.arange(1,101) %1～100范围，注意不包括101 >>> print z</span>
6、reshape函数，将array变形为矩阵
<span style="font-size:18px;">>>> Z = np.arange(9).reshape(3,3) >>> print Z [[0 1 2] [3 4 5] [6 7 8]]</span>
7、nonzero函数，寻找非0元素的下标
<span style="font-size:18px;">>>> nz=np.nonzero([1,2,3,0,0,4,0]) >>> nz (array([0, 1, 2, 5]),)</span>
8、eye函数，生成单位向量
<span style="font-size:18px;">>>> z=np.eye(3) >>> print z [[ 1. 0. 0.] [ 0. 1. 0.] [ 0. 0. 1.]]</span>
9、diag函数，diagonal对角线。
<span style="font-size:18px;">>>> z=np.diag([1,2,3,4],k=0) %k=0，以[1,2,3,4]为对角线 >>> print z [[1 0 0 0] [0 2 0 0] [0 0 3 0] [0 0 0 4]] >>> z=np.diag([1,2,3,4],k=1) %k=1，[1,2,3,4]在对角线上一行 >>> print z [[0 1 0 0 0] [0 0 2 0 0] [0 0 0 3 0] [0 0 0 0 4] [0 0 0 0 0]] >>> z=np.diag([1,2,3,4],k=-1) %k=-1，[1,2,3,4]在对角线下一行 >>> print z [[0 0 0 0 0] [1 0 0 0 0] [0 2 0 0 0] [0 0 3 0 0] [0 0 0 4 0]]</span>
10、random模块的random函数，生成随机数
<span style="font-size:18px;">>>> Z = np.random.random((3,3)) >>> print Z [[ 0.95171484 0.61394126 0.38864802] [ 0.41943918 0.9398714 0.31608202] [ 0.9993507 0.91717093 0.73002723]]</span>
二、入门级10道
1、创建一个8*8的“棋盘”矩阵。
<span style="font-size:18px;">>>> z=np.zeros((8,8),dtype=int) >>> z[1::2,::2]=1 %1、3、5、7行&&0、2、4、6列的元素置为1 >>> print z [[0 0 0 0 0 0 0 0] [1 0 1 0 1 0 1 0] [0 0 0 0 0 0 0 0] [1 0 1 0 1 0 1 0] [0 0 0 0 0 0 0 0] [1 0 1 0 1 0 1 0] [0 0 0 0 0 0 0 0] [1 0 1 0 1 0 1 0]] >>> z[::2,1::2]=1 >>> print z [[0 1 0 1 0 1 0 1] [1 0 1 0 1 0 1 0] [0 1 0 1 0 1 0 1] [1 0 1 0 1 0 1 0] [0 1 0 1 0 1 0 1] [1 0 1 0 1 0 1 0] [0 1 0 1 0 1 0 1] [1 0 1 0 1 0 1 0]]</span>
2、min()、max()函数
<span style="font-size:18px;">>>> z=np.random.random((10,10)) >>> zmin,zmax=z.min(),z.max() >>> print zmin,zmax 0.014230501632 0.99548760299</span>
<span style="font-size:18px;">>>> z=np.tile(np.array([[0,1],[0,1]]),(4,4)) >>> print z [[0 1 0 1 0 1 0 1] [0 1 0 1 0 1 0 1] [0 1 0 1 0 1 0 1] [0 1 0 1 0 1 0 1] [0 1 0 1 0 1 0 1] [0 1 0 1 0 1 0 1] [0 1 0 1 0 1 0 1] [0 1 0 1 0 1 0 1]]</span>
4、归一化，将矩阵规格化到0～1，即最小的变成0，最大的变成1，最小与最大之间的等比缩放。
<span style="font-size:18px;">>>> Z = np.random.random((5,5)) >>> Zmax,Zmin = Z.max(), Z.min() >>> Z = (Z - Zmin)/(Zmax - Zmin) >>> print Z [[ 0. 0.32173291 0.17607851 0.6270374 0.95000808] [ 0.49153473 0.70465605 0.61930085 0.00303294 1. ] [ 0.4680561 0.88742782 0.29899683 0.80704789 0.12300414] [ 0.05094248 0.23065875 0.82776775 0.07873239 0.50644422] [ 0.27417053 0.78679222 0.517819 0.5649124 0.4716856 ]]</span>
5、矩阵点乘
<span style="font-size:18px;">>>> z=np.dot(np.ones((5,3)),np.ones((3,2))) >>> print z [[ 3. 3.] [ 3. 3.] [ 3. 3.] [ 3. 3.] [ 3. 3.]]</span>
6、矩阵相加，5*5矩阵+1*5的向量，相当于每一行都加上1*5矩阵
<span style="font-size:18px;">>>> Z = np.zeros((5,5)) >>> Z += np.arange(5) >>> print Z [[ 0. 1. 2. 3. 4.] [ 0. 1. 2. 3. 4.] [ 0. 1. 2. 3. 4.] [ 0. 1. 2. 3. 4.] [ 0. 1. 2. 3. 4.]]</span>
7、linspace函数，在给定区间中生成均匀分布的给定个数。
函数原型 linspace(start, stop, num=50, endpoint=True, retstep=False)
函数原型 linspace(start, stop, num=50, endpoint=True, retstep=False)
<span style="font-size:18px;">>>> Z = np.linspace(0,10,11,endpoint=True, retstep=False) >>> print Z [ 0. 1. 2. 3. 4. 5. 6. 7. 8. 9. 10.]</span>
生成0~10之间均匀分布的11个数，包括0和1。
若endpoint=False,则10不包括在里面。
若retstep=False，会同时返回均匀区间中每两个数的间隔。
8、sort函数。调用random模块中的random函数生成10个随机数，然后sort排序。
<span style="font-size:18px;">>>> Z = np.random.random(10) >>> Z.sort() >>> print Z [ 0.15978787 0.28050494 0.35865916 0.40047826 0.45141311 0.4828367 0.66133575 0.66775779 0.69278544 0.98095989]</span>
9、allclose函数，判断两个array在误差范围内是否相等
函数原型allclose(a, b, rtol=1e-05, atol=1e-08)，若absolute(a - b) <= (atol + rtol * absolute(b))则相等。
<span style="font-size:18px;">A = np.random.randint(0,2,5) B = np.random.randint(0,2,5) equal = np.allclose(A,B) print equal</span>
10、mean函数，求平均值
<span style="font-size:18px;">>>> Z = np.random.random(30) >>> m = Z.mean() >>> print m 0.362299527973 >>> A = np.random.randint(0,2,5) >>> B = np.random.randint(0,2,5) >>> equal = np.allclose(A,B) >>> print equal False </span>
注：randint(min,max,num)生成大小为num的array，数值范围min～max
----------------------------2015/1/15-------------------------------