python与7无关的数输出格式第一行为所有与7无关的数_70 道 NumPy 测试题
(給Python開發者加星標，提升Python技能)來源：機器之心本 NumPy 測試題旨在為大家提供參考，讓大家可以使用 NumPy 的更多功能。問題共分為四個等級，L1 最簡單，難度依次增加。機器之心對該測試題進行了編譯介紹，希望能對大家有所幫助。
1. 將 NumPy 導入為 np，并查看版本
難度：L1
問題：將 NumPy 導入為 np，并輸出版本號。
2. 如何創建 1 維數組？
難度：L1
問題：創建數字從 0 到 9 的 1 維數組。
期望輸出：#> array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
3. 如何創建 boolean 數組？
難度：L1
問題：創建所有 True 的 3×3 NumPy 數組。
4. 如何從 1 維數組中提取滿足給定條件的項？
難度：L1
問題：從 arr 中提取所有奇數。
輸入：arr = np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])`
期望輸出：#> array([1, 3, 5, 7, 9])
5. 如何將 NumPy 數組中滿足給定條件的項替換成另一個數值？
難度：L1
問題：將 arr 中的所有奇數替換成 -1。
輸入：arr = np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
期望輸出：#> array([ 0, -1, 2, -1, 4, -1, 6, -1, 8, -1])
6. 如何在不影響原始數組的前提下替換滿足給定條件的項？
難度：L2
問題：將 arr 中所有奇數替換成 -1，且不改變 arr。
輸入：arr = np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
期望輸出：out
#> array([ 0, -1, 2, -1, 4, -1, 6, -1, 8, -1])
arr
#> array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
7. 如何重塑(reshape)數組？
難度：L1
問題：將 1 維數組轉換成 2 維數組(兩行)。
輸入：np.arange(10)
#> array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
期望輸出#> array([[0, 1, 2, 3, 4],
#> ? ? ? ?[5, 6, 7, 8, 9]])
8. 如何垂直堆疊兩個數組？
難度：L2
問題：垂直堆疊數組 a 和 b。
輸入：a = np.arange(10).reshape(2,-1)
b = np.repeat(1, 10).reshape(2,-1)
期望輸出：#> array([[0, 1, 2, 3, 4],
#> ? ? ? ?[5, 6, 7, 8, 9],
#> ? ? ? ?[1, 1, 1, 1, 1],
#> ? ? ? ?[1, 1, 1, 1, 1]])
9. 如何水平堆疊兩個數組？
難度：L2
問題：水平堆疊數組 a 和 b。
輸入：a = np.arange(10).reshape(2,-1)
b = np.repeat(1, 10).reshape(2,-1)
期望輸出：#> array([[0, 1, 2, 3, 4, 1, 1, 1, 1, 1],
#> ? ? ? ?[5, 6, 7, 8, 9, 1, 1, 1, 1, 1]])
10. 在不使用硬編碼的前提下，如何在 NumPy 中生成自定義序列？
難度：L2
問題：在不使用硬編碼的前提下創建以下模式。僅使用 NumPy 函數和以下輸入數組 a。
輸入a = np.array([1,2,3])`
期望輸出：#> array([1, 1, 1, 2, 2, 2, 3, 3, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3])
11. 如何獲得兩個 Python NumPy 數組中共同的項？
難度：L2
問題：獲取數組 a 和 b 中的共同項。
輸入：a = np.array([1,2,3,2,3,4,3,4,5,6])
b = np.array([7,2,10,2,7,4,9,4,9,8])
期望輸出：array([2, 4])
12. 如何從一個數組中移除與另一個數組重復的項？
難度：L2
問題：從數組 a 中移除出現在數組 b 中的所有項。
輸入：a = np.array([1,2,3,4,5])
b = np.array([5,6,7,8,9])
期望輸出：array([1,2,3,4])
13. 如何獲取兩個數組匹配元素的位置？
難度：L2
問題：獲取數組 a 和 b 中匹配元素的位置。
輸入：a = np.array([1,2,3,2,3,4,3,4,5,6])
b = np.array([7,2,10,2,7,4,9,4,9,8])
期望輸出：#> (array([1, 3, 5, 7]),)
14. 如何從 NumPy 數組中提取給定范圍內的所有數字？
難度：L2
問題：從數組 a 中提取 5 和 10 之間的所有項。
輸入：a = np.arange(15)
期望輸出：(array([ 5, 6, 7, 8, 9, 10]),)
15. 如何創建一個 Python 函數以對 NumPy 數組執行元素級的操作？
難度：L2
問題：轉換函數 maxx，使其從只能對比標量而變為對比兩個數組。
輸入：def maxx(x, y):
'''Get the maximum of two items'''
if x >= y:
return x
else:
return y
maxx(1, 5)
#> 5
期望輸出：a = np.array([5, 7, 9, 8, 6, 4, 5])
b = np.array([6, 3, 4, 8, 9, 7, 1])
pair_max(a, b)
#> array([ 6., ?7., ?9., ?8., ?9., ?7., ?5.])
16. 如何在 2d NumPy 數組中交換兩個列？
難度：L2
問題：在數組 arr 中交換列 1 和列 2。arr = np.arange(9).reshape(3,3)
arr
17. 如何在 2d NumPy 數組中交換兩個行？
難度：L2
問題：在數組 arr 中交換行 1 和行 2。arr = np.arange(9).reshape(3,3)
arr
18. 如何反轉 2D 數組的所有行？
難度：L2
問題：反轉 2D 數組 arr 中的所有行。# Input
arr = np.arange(9).reshape(3,3)
19. 如何反轉 2D 數組的所有列？
難度：L2
問題：反轉 2D 數組 arr 中的所有列。# Input
arr = np.arange(9).reshape(3,3)
20. 如何創建一個包含 5 和 10 之間隨機浮點的 2 維數組？
難度：L2
問題：創建一個形態為 5×3 的 2 維數組，包含 5 和 10 之間的隨機十進制小數。
21. 如何在 Python NumPy 數組中僅輸出小數點后三位的數字？
難度：L1
問題：輸出或顯示 NumPy 數組 rand_arr 中小數點后三位的數字。
輸入：rand_arr = np.random.random((5,3))
22. 如何通過禁用科學計數法(如 1e10)打印 NumPy 數組？
難度：L1
問題：通過禁用科學計數法(如 1e10)打印 NumPy 數組 rand_arr。
輸入：# Create the random array
np.random.seed(100)
rand_arr = np.random.random([3,3])/1e3
rand_arr
#> array([[ ?5.434049e-04, ? 2.783694e-04, ? 4.245176e-04],
#> ? ? ? ?[ ?8.447761e-04, ? 4.718856e-06, ? 1.215691e-04],
#> ? ? ? ?[ ?6.707491e-04, ? 8.258528e-04, ? 1.367066e-04]])
期望輸出：#> array([[ 0.000543, ?0.000278, ?0.000425],
#> ? ? ? ?[ 0.000845, ?0.000005, ?0.000122],
#> ? ? ? ?[ 0.000671, ?0.000826, ?0.000137]])
23. 如何限制 NumPy 數組輸出中項的數目？
難度：L1
問題：將 Python NumPy 數組 a 輸出的項的數目限制在最多 6 個元素。
輸入：a = np.arange(15)
#> array([?0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14])
期望輸出：#> array([ 0, 1, 2, ..., 12, 13, 14])
24. 如何在不截斷數組的前提下打印出完整的 NumPy 數組？
難度：L1
問題：在不截斷數組的前提下打印出完整的 NumPy 數組 a。
輸入：np.set_printoptions(threshold=6)
a = np.arange(15)
a
#> array([ 0, 1, 2, ..., 12, 13, 14])
期望輸出：a
#> array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14])
25. 如何向 Python NumPy 導入包含數字和文本的數據集，同時保持文本不變？
難度：L2
問題：導入 iris 數據集，保持文本不變。
26. 如何從 1 維元組數組中提取特定的列？
難度：L2
問題：從前一個問題導入的 1 維 iris 中提取文本列 species。
輸入：url = ?https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data
iris_1d = np.genfromtxt(url, delimiter= , , dtype=None)
27. 如何將 1 維元組數組轉換成 2 維 NumPy 數組？
難度：L2
問題：忽略 species 文本字段，將 1 維 iris 轉換成 2 維數組 iris_2d。
輸入：url = ?https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data
iris_1d = np.genfromtxt(url, delimiter= , , dtype=None)
28. 如何計算 NumPy 數組的平均值、中位數和標準差？
難度：L1
問題：找出 iris sepallength(第一列)的平均值、中位數和標準差。url = ?https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data
iris = np.genfromtxt(url, delimiter= , , dtype= object )
29. 如何歸一化數組，使值的范圍在 0 和 1 之間？
難度：L2
問題：創建 iris sepallength 的歸一化格式，使其值在 0 到 1 之間。
輸入：url = ?https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data
sepallength = np.genfromtxt(url, delimiter= , , dtype= float , usecols=[0])
30. 如何計算 softmax 分數？
難度：L3
問題：計算 sepallength 的 softmax 分數。url = ?https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data
sepallength = np.genfromtxt(url, delimiter= , , dtype= float , usecols=[0])
31. 如何找到 NumPy 數組的百分數？
難度：L1
問題：找出 iris sepallength(第一列)的第 5 個和第 95 個百分數。url = ?https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data
sepallength = np.genfromtxt(url, delimiter= , , dtype= float , usecols=[0])
32. 如何在數組的隨機位置插入值？
難度：L2
問題：在 iris_2d 數據集中的 20 個隨機位置插入 np.nan 值。# Input
url = ?https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data
iris_2d = np.genfromtxt(url, delimiter= , , dtype= object )
33. 如何在 NumPy 數組中找出缺失值的位置？
難度：L2
問題：在 iris_2d 的 sepallength(第一列)中找出缺失值的數目和位置。# Input
url = ?https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data
iris_2d = np.genfromtxt(url, delimiter= , , dtype= float )
iris_2d[np.random.randint(150, size=20), np.random.randint(4, size=20)] = np.nan
34. 如何基于兩個或以上條件過濾 NumPy 數組？
難度：L3
問題：過濾 iris_2d 中滿足 petallength(第三列)> 1.5 和 sepallength(第一列)< 5.0 的行。# Input
url = ?https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data
iris_2d = np.genfromtxt(url, delimiter= , , dtype= float , usecols=[0,1,2,3])
35. 如何在 NumPy 數組中刪除包含缺失值的行？
難度：L3
問題：選擇 iris_2d 中不包含 nan 值的行。# Input
url = ?https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data
iris_2d = np.genfromtxt(url, delimiter= , , dtype= float , usecols=[0,1,2,3])
36. 如何找出 NumPy 數組中兩列之間的關聯性？
難度：L2
問題：找出 iris_2d 中 SepalLength(第一列)和 PetalLength(第三列)之間的關聯性。# Input
url = ?https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data
iris_2d = np.genfromtxt(url, delimiter= , , dtype= float , usecols=[0,1,2,3])
37. 如何確定給定數組是否有空值？
難度：L2
問題：確定 iris_2d 是否有缺失值。# Input
url = ?https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data
iris_2d = np.genfromtxt(url, delimiter= , , dtype= float , usecols=[0,1,2,3])
38. 如何在 NumPy 數組中將所有缺失值替換成 0？
難度：L2
問題：在 NumPy 數組中將所有 nan 替換成 0。# Input
url = ?https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data
iris_2d = np.genfromtxt(url, delimiter= , , dtype= float , usecols=[0,1,2,3])
iris_2d[np.random.randint(150, size=20), np.random.randint(4, size=20)] = np.nan
39. 如何在 NumPy 數組中找出唯一值的數量？
難度：L2
問題：在 iris 的 species 列中找出唯一值及其數量。# Input
url = ?https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data
iris = np.genfromtxt(url, delimiter= , , dtype= object )
names = ( sepallength , ?sepalwidth , ?petallength , ?petalwidth , ?species )
40. 如何將一個數值轉換為一個類別(文本)數組？
難度：L2
問題：將 iris_2d 的 petallength(第三列)轉換以構建一個文本數組，按如下規則進行轉換：Less than 3 –> ‘small’
3-5 –> ?medium
>=5 –> ?large# Input
url = ?https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data
iris = np.genfromtxt(url, delimiter= , , dtype= object )
names = ( sepallength , ?sepalwidth , ?petallength , ?petalwidth , ?species )
41. 如何基于 NumPy 數組現有列創建一個新的列？
難度：L2
問題：為 iris_2d 中的 volume 列創建一個新的列，volume 指 (pi x petallength x sepal_length^2)/3。# Input
url = ?https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data
iris_2d = np.genfromtxt(url, delimiter= , , dtype= object )
names = ( sepallength , ?sepalwidth , ?petallength , ?petalwidth , ?species )
42. 如何在 NumPy 中執行概率采樣？
難度：L3
問題：隨機采樣 iris 數據集中的 species 列，使得 setose 的數量是 versicolor 和 virginica 數量的兩倍。# Import iris keeping the text column intact
url = ?https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data
iris = np.genfromtxt(url, delimiter= , , dtype= object )
43. 如何在多維數組中找到一維的第二最大值？
難度：L2
問題：在 species setosa 的 petallength 列中找到第二最大值。# Input
url = ?https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data
iris = np.genfromtxt(url, delimiter= , , dtype= object )
names = ( sepallength , ?sepalwidth , ?petallength , ?petalwidth , ?species )
44. 如何用給定列將 2 維數組排序？
難度：L2
問題：基于 sepallength 列將 iris 數據集排序。url = ?https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data
iris = np.genfromtxt(url, delimiter= , , dtype= object )
names = ( sepallength , ?sepalwidth , ?petallength , ?petalwidth , ?species )
45. 如何在 NumPy 數組中找到最頻繁出現的值？
難度：L1
問題：在 iris 數據集中找到 petallength(第三列)中最頻繁出現的值。url = ?https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data
iris = np.genfromtxt(url, delimiter= , , dtype= object )
names = ( sepallength , ?sepalwidth , ?petallength , ?petalwidth , ?species )
46. 如何找到第一個大于給定值的數的位置？
難度：L2
問題：在 iris 數據集的 petalwidth(第四列)中找到第一個值大于 1.0 的數的位置。# Input:
url = ?https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data
iris = np.genfromtxt(url, delimiter= , , dtype= object )
47. 如何將數組中所有大于給定值的數替換為給定的 cutoff 值？
難度：L2
問題：對于數組 a，將所有大于 30 的值替換為 30，將所有小于 10 的值替換為 10。
輸入：np.random.seed(100)
np.random.uniform(1,50, 20)
48. 如何在 NumPy 數組中找到 top-n 數值的位置？
難度：L2
問題：在給定數組 a 中找到 top-5 最大值的位置。np.random.seed(100)
a = np.random.uniform(1,50, 20)
49. 如何逐行計算數組中所有值的數量？
難度：L4
問題：逐行計算唯一值的數量。
輸入：np.random.seed(100)
arr = np.random.randint(1,11,size=(6, 10))
arr
> array([[ 9, ?9, ?4, ?8, ?8, ?1, ?5, ?3, ?6, ?3],
> ? ? ? ?[ 3, ?3, ?2, ?1, ?9, ?5, ?1, 10, ?7, ?3],
> ? ? ? ?[ 5, ?2, ?6, ?4, ?5, ?5, ?4, ?8, ?2, ?2],
> ? ? ? ?[ 8, ?8, ?1, ?3, 10, 10, ?4, ?3, ?6, ?9],
> ? ? ? ?[ 2, ?1, ?8, ?7, ?3, ?1, ?9, ?3, ?6, ?2],
> ? ? ? ?[ 9, ?2, ?6, ?5, ?3, ?9, ?4, ?6, ?1, 10]])
期望輸出：> [[1, 0, 2, 1, 1, 1, 0, 2, 2, 0],
> [2, 1, 3, 0, 1, 0, 1, 0, 1, 1],
> [0, 3, 0, 2, 3, 1, 0, 1, 0, 0],
> [1, 0, 2, 1, 0, 1, 0, 2, 1, 2],
> [2, 2, 2, 0, 0, 1, 1, 1, 1, 0],
> [1, 1, 1, 1, 1, 2, 0, 0, 2, 1]]
輸出包含 10 個列，表示從 1 到 10 的數字。這些數值分別代表每一行的計數數量。例如，Cell(0,2) 中有值 2，這意味著，數字 3 在第一行出現了兩次。
50. 如何將 array_of_arrays 轉換為平面 1 維數組？
難度：L2
問題：將 array_of_arrays 轉換為平面線性 1 維數組。# Input:
arr1 = np.arange(3)
arr2 = np.arange(3,7)
arr3 = np.arange(7,10)
array_of_arrays = np.array([arr1, arr2, arr3])
array_of_arrays#> array([array([0, 1, 2]), array([3, 4, 5, 6]), array([7, 8, 9])], dtype=object)
期望輸出：#> array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
51. 如何為 NumPy 數組生成 one-hot 編碼？
難度：L4
問題：計算 one-hot 編碼。
輸入：np.random.seed(101)
arr = np.random.randint(1,4, size=6)
arr
#> array([2, 3, 2, 2, 2, 1])
輸出：#> array([[ 0., ?1., ?0.],
#> ? ? ? ?[ 0., ?0., ?1.],
#> ? ? ? ?[ 0., ?1., ?0.],
#> ? ? ? ?[ 0., ?1., ?0.],
#> ? ? ? ?[ 0., ?1., ?0.],
#> ? ? ? ?[ 1., ?0., ?0.]])
52. 如何創建由類別變量分組確定的一維數值？
難度：L3
問題：創建由類別變量分組的行數。使用以下來自 iris species 的樣本作為輸入。
輸入：url = ?https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data
species = np.genfromtxt(url, delimiter= , , dtype= str , usecols=4)
species_small = np.sort(np.random.choice(species, size=20))
species_small
#> array([ Iris-setosa , ?Iris-setosa , ?Iris-setosa , ?Iris-setosa ,
#> ? ? ? ? Iris-setosa , ?Iris-setosa , ?Iris-versicolor , ?Iris-versicolor ,
#> ? ? ? ? Iris-versicolor , ?Iris-versicolor , ?Iris-versicolor ,
#> ? ? ? ? Iris-versicolor , ?Iris-virginica , ?Iris-virginica ,
#> ? ? ? ? Iris-virginica , ?Iris-virginica , ?Iris-virginica ,
#> ? ? ? ? Iris-virginica , ?Iris-virginica , ?Iris-virginica ],
#> ? ? ? dtype=
期望輸出：#> [0, 1, 2, 3, 4, 5, 0, 1, 2, 3, 4, 5, 0, 1, 2, 3, 4, 5, 6, 7]
53. 如何基于給定的類別變量創建分組 id？
難度：L4
問題：基于給定的類別變量創建分組 id。使用以下來自 iris species 的樣本作為輸入。
輸入：url = ?https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data
species = np.genfromtxt(url, delimiter= , , dtype= str , usecols=4)
species_small = np.sort(np.random.choice(species, size=20))
species_small
#> array([ Iris-setosa , ?Iris-setosa , ?Iris-setosa , ?Iris-setosa ,
#> ? ? ? ? Iris-setosa , ?Iris-setosa , ?Iris-versicolor , ?Iris-versicolor ,
#> ? ? ? ? Iris-versicolor , ?Iris-versicolor , ?Iris-versicolor ,
#> ? ? ? ? Iris-versicolor , ?Iris-virginica , ?Iris-virginica ,
#> ? ? ? ? Iris-virginica , ?Iris-virginica , ?Iris-virginica ,
#> ? ? ? ? Iris-virginica , ?Iris-virginica , ?Iris-virginica ],
#> ? ? ? dtype=
期望輸出：#> [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 對數組中的項進行排序？
難度：L2
問題：為給定的數值數組 a 創建排序。
輸入：np.random.seed(10)
a = np.random.randint(20, size=10)print(a)#> [ 9 4 15 0 17 16 17 8 9 0]
期望輸出：[4 2 6 0 8 7 9 3 5 1]
55. 如何使用 NumPy 對多維數組中的項進行排序？
難度：L3
問題：給出一個數值數組 a，創建一個形態相同的排序數組。
輸入：np.random.seed(10)
a = np.random.randint(20, size=[2,5])print(a)#> [[ 9 4 15 0 17]#> [16 17 8 9 0]]
期望輸出：#> [[4 2 6 0 8]
#> [7 9 3 5 1]]
56. 如何在 2 維 NumPy 數組中找到每一行的最大值？
難度：L2
問題：在給定數組中找到每一行的最大值。np.random.seed(100)
a = np.random.randint(1,10, [5,3])
a
#> array([[9, 9, 4],
#> ? ? ? ?[8, 8, 1],
#> ? ? ? ?[5, 3, 6],
#> ? ? ? ?[3, 3, 3],
#> ? ? ? ?[2, 1, 9]])
57. 如何計算 2 維 NumPy 數組每一行的 min-by-max？
難度：L3
問題：給定一個 2 維 NumPy 數組，計算每一行的 min-by-max。np.random.seed(100)
a = np.random.randint(1,10, [5,3])
a
#> array([[9, 9, 4],
#> ? ? ? ?[8, 8, 1],
#> ? ? ? ?[5, 3, 6],
#> ? ? ? ?[3, 3, 3],
#> ? ? ? ?[2, 1, 9]])
58. 如何在 NumPy 數組中找到重復條目？
難度：L3
問題：在給定的 NumPy 數組中找到重復條目(從第二次出現開始)，并將其標記為 True。第一次出現的條目需要標記為 False。# Input
np.random.seed(100)
a = np.random.randint(0, 5, 10)
print( Array: ?, a)
#> Array: [0 0 3 0 2 4 2 2 2 2]
期望輸出：#> [False True False True False False True True True True]
59. 如何找到 NumPy 的分組平均值？
難度：L3
問題：在 2 維 NumPy 數組的類別列中找到數值的平均值。
輸入：url = ?https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data
iris = np.genfromtxt(url, delimiter= , , dtype= object )
names = ( sepallength , ?sepalwidth , ?petallength , ?petalwidth , ?species )
期望解：#> [[b Iris-setosa , 3.418],
#> [b Iris-versicolor , 2.770],
#> [b Iris-virginica , 2.974]]
60. 如何將 PIL 圖像轉換成 NumPy 數組？
難度：L3
問題：從以下 URL 中導入圖像，并將其轉換成 NumPy 數組。URL = ?https://upload.wikimedia.org/wikipedia/commons/8/8b/Denali_Mt_McKinley.jpg
61. 如何刪除 NumPy 數組中所有的缺失值？
難度：L2
問題：從 1 維 NumPy 數組中刪除所有的 nan 值。
輸入：np.array([1,2,3,np.nan,5,6,7,np.nan])
期望輸出：array([ 1., 2., 3., 5., 6., 7.])
62. 如何計算兩個數組之間的歐幾里得距離？
難度：L3
問題：計算兩個數組 a 和 b 之間的歐幾里得距離。
輸入：a = np.array([1,2,3,4,5])
b = np.array([4,5,6,7,8])
63. 如何在一個 1 維數組中找到所有的局部極大值(peak)？
難度：L4
問題：在 1 維數組 a 中找到所有的 peak，peak 指一個數字比兩側的數字都大。
輸入：a = np.array([1, 3, 7, 1, 2, 6, 0, 1])
期望輸出：#> array([2, 5])
64. 如何從 2 維數組中減去 1 維數組，從 2 維數組的每一行分別減去 1 維數組的每一項？
難度：L2
問題：從 2 維數組 a_2d 中減去 1 維數組 b_1d，即從 a_2d 的每一行分別減去 b_1d 的每一項。
輸入：a_2d = np.array([[3,3,3],[4,4,4],[5,5,5]])
b_1d = np.array([1,1,1]
期望輸出：#> [[2 2 2]
#> [2 2 2]
#> [2 2 2]]
65. 如何在數組中找出某個項的第 n 個重復索引？
難度：L2
問題：找到數組 x 中數字 1 的第 5 個重復索引。x = np.array([1, 2, 1, 1, 3, 4, 3, 1, 1, 2, 1, 1, 2])
66. 如何將 NumPy 的 datetime64 對象(object)轉換為 datetime 的 datetime 對象？
難度：L2
問題：將 NumPy 的 datetime64 對象(object)轉換為 datetime 的 datetime 對象。# Input: a numpy datetime64 object
dt64 = np.datetime64( 2018-02-25 22:10:10 )
67. 如何計算 NumPy 數組的移動平均數？
難度：L3
問題：給定 1 維數組，計算 window size 為 3 的移動平均數。
輸入：np.random.seed(100)
Z = np.random.randint(10, size=10)
68. 給定起始數字、length 和步長，如何創建一個 NumPy 數組序列？
難度：L2
問題：從 5 開始，創建一個 length 為 10 的 NumPy 數組，相鄰數字的差是 3。
69. 如何在不規則 NumPy 日期序列中填充缺失日期？
難度：L3
問題：給定一個非連續日期序列的數組，通過填充缺失的日期，使其變成連續的日期序列。
輸入：# Input
dates = np.arange(np.datetime64( 2018-02-01 ), np.datetime64( 2018-02-25 ), 2)
print(dates)
#> [ 2018-02-01 ? 2018-02-03 ? 2018-02-05 ? 2018-02-07 ? 2018-02-09
#> ? 2018-02-11 ? 2018-02-13 ? 2018-02-15 ? 2018-02-17 ? 2018-02-19
#> ? 2018-02-21 ? 2018-02-23 ]
70. 如何基于給定的 1 維數組創建 strides？
難度：L4
問題：給定 1 維數組 arr，使用 strides 生成一個 2 維矩陣，其中 window length 等于 4，strides 等于 2，例如 [[0,1,2,3], [2,3,4,5], [4,5,6,7]..]。
輸入：arr = np.arange(15)
arr
#> array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14])
期望輸出：#> [[ 0 1 2 3]
#> [ 2 3 4 5]
#> [ 4 5 6 7]
#> [ 6 7 8 9]
#> [ 8 9 10 11]
#> [10 11 12 13]]
所有問題的解決方案參見原文：
https://www.machinelearningplus.com/101-numpy-exercises-python/
總結
以上是生活随笔為你收集整理的python与7无关的数输出格式第一行为所有与7无关的数_70 道 NumPy 测试题的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 【UVA 437】The Tower o
- 下一篇： Spring集成JavaMail并利用线