Numpy 初体验

news2024/11/23 10:34:01

文章目录

  • 第1关：Numpy 创建数组
  • 第2关：Numpy 数组的基本运算
  • 第3关：Numpy 数组的切片与索引
  • 第4关：Numpy 数组的堆叠
  • 第5关：Numpy 的拆分

第1关：Numpy 创建数组

编程要求
本关的任务是，补全右侧编辑器 Begin-End 内的代码，以实现创建一个 m*n 的多维数组的功能。具体要求如下：

函数接受两个参数，然后创建与之对应的的多维数组；

本关的测试样例参见下文。

本关设计的代码文件 cnmda.py 的代码框架如下：

引入numpy库

import numpy as np
定义cnmda函数
def cnmda(m,n):
    '''
    创建numpy数组
    参数：
         m:第一维的长度
         n: 第二维的长度
    返回值:
        ret: 一个numpy数组
    '''
    ret = 0
    
    # 请在此添加创建多维数组的代码并赋值给ret
    #********** Begin *********#
    #********** End **********#
    
    return ret

测试说明
本关的测试过程如下:

平台运行 step1/cnmdatest.py 文件，并以标准输入方式提供测试输入；

cnmdatest.py 文件调用 cnmda 中的 cnmda 方法，平台获取 cnmdatest.py 的输出，然后将其与预期输出作对比，如果一致，则测试通过；否则测试失败。

以下是平台对 step1/cnmdatest.py 的测试样例：

测试输入： 5 8；

预期输出： (5,8)

测试输入： 4 9；

预期输出： (4,9)

示例代码如下：

# 引入numpy库
import numpy as np
# 定义cnmda函数
def cnmda(m,n):
    '''
    创建numpy数组
    参数：
           m:第一维的长度
           n: 第二维的长度
    返回值:
        ret: 一个numpy数组
    '''
    
    ret = 0
    
    # 请在此添加创建多维数组的代码并赋值给ret
    #********** Begin *********#
    x = [y for y in range(n)]
    ret = np.array([x]*m)
    #********** End **********#
    
    return ret

在这里插入图片描述

第2关：Numpy 数组的基本运算

编程要求
本关的任务是，补全右侧编辑器 Begin-End 内的代码，以实现向量与标量相加和相乘的的功能。具体要求如下：

函数接受三个参数，然后进行向量与标量之间的运算；

本关的测试样例参见下文；

本关设计的代码文件 cal.py 的代码框架如下：

引入numpy库

import numpy as np
定义opeadd函数
def opeadd(m,b,n):
    '''实现加法
    参数：
    m:是一个数组
    b:是一个列表
    n:是列表中的索引
    你需要做的是 m+b[n]
    返回值:
    ret: 一个numpy数组
    '''    
    ret = 0
    # 请在此添加 创建多维数组 的代码 并赋值给ret
    #********** Begin *********#
    #********** End **********#
    return ret
 # 定义opemul函数
def opemul(m,b,n):
    '''实现乘法
    参数：
    m:是一个数组
    b:是一个列表
    n:是列表中的索引
    你需要做的是 m+b[n]
    返回值:
    ret: 一个numpy数组
    '''
    ret = 0
    # 请在此添加 创建多维数组 的代码 并赋值给ret
    #********** Begin *********#
    #********** End **********#
    return ret

测试说明
本关的测试过程如下:

平台运行 step5/caltest.py 文件，并以标准输入方式提供测试输入；

caltest.py 文件调用 cal 中的方法，平台获取 caltest.py 的输出，然后将其与预期输出作对比，如果一致，则测试通过；否则测试失败。

以下是平台对 step5/caltest.py 的测试样例：

a= np.array([[1,2,3],[4,5,6]])
b = [1,2,3]
测试输入： add；
预期输出：

[[2 3 4]
[5 6 7]]
测试输入：mul；
预期输出：

[[ 2 4 6]
[ 8 10 12]]

示例代码如下；

# 引入numpy库
import numpy as np
# 定义opeadd函数
def opeadd(m,b,n):
    '''
    参数：
    m:是一个数组
    b:是一个列表
    n:是列表中的索引
    你需要做的是 m+b[n]
    返回值:
    ret: 一个numpy数组
    '''    
    ret = 0

    #********** Begin *********#
    ret=m+b[n]
      #********** End **********#

    return ret
# 定义opemul函数
def opemul(m,b,n):
    '''
    参数：
    m:是一个数组
    b:是一个列表
    n:是列表中的索引
    你需要做的是 m*b[n]
    返回值:
    ret: 一个numpy数组
    '''
    ret = 0

    #********** Begin *********#
    ret=m*b[n]
    #********** End **********#
    return ret

在这里插入图片描述

第3关：Numpy 数组的切片与索引

编程要求
本关的任务是，补全右侧编辑器 Begin-End 内的代码，以实现 Numpy 数组的索引功能的功能。具体要求如下：

函数接受两个参数，然后返回切片找出的指定元素；
本关的测试样例参见下文；
本关设计的代码文件 ce.py 的代码框架如下：

# 引入numpy库
import numpy as np
# 定义cnmda函数
def ce(a,m,n):
    '''
    参数：
    a:是一个Numpy数组
    m:是第m维数组的索引
    n:第m维数组的前n个元素的索引
    返回值:
    ret: 一个numpy数组
    '''
    ret = 0
    # 请在此添加切片的代码,实现找出多维数组a中第m个数组的前n个元素并赋值给ret
    #********** Begin *********#
    #********** End **********#

    return ret

测试说明
本关的测试过程如下:

平台运行 step2/cetest.py 文件，并以标准输入方式提供测试输入；

cetest.py 文件调用 ce 中的 ce 方法，平台获取 cetest.py 的输出，然后将其与预期输出作对比，如果一致，则测试通过；否则测试失败。

预处理的数组

[[1,2,3,4,5],[7,8,9,10,11],[12,13,14,15]]

以下是平台对 step2/cetest.py 的测试样例：

测试输入：
1；
3；
预期输出：

[7,8,9]

测试输入：
2；
2；
预期输出：

[12,13]

示例代码如下：

# 引入numpy库
import numpy as np
# 定义cnmda函数
def ce(a,m,n):
    '''
    参数：
    a:是一个Numpy数组
    m:是第m维数组的索引
    n:第m维数组的前n个元素的索引
    返回值:
    ret: 一个numpy数组
    '''
    ret = 0
    # 请在此添加切片的代码,实现找出多维数组a中第m个数组的前n个元素 并赋值给ret
    #********** Begin *********#
    ret = a[m,:n]
    #********** End **********#
    return ret

在这里插入图片描述

第4关：Numpy 数组的堆叠

编程要求
本关的任务是，补全右侧编辑器 Begin-End 内的代码，分别实现 Numpy 数组的垂直叠加、水平叠加、深度叠加。具体要求如下：

函数接受两个参数，然后将两个参数进行叠加；
本关的测试样例参见下文；
本关设计的代码文件 manipulation.py 的代码框架如下：

# 引入numpy库
import numpy as np
# 定义varray函数
def  varray(m,n):
    '''
    参数：
    m：是第一个数组
    n：是第二个数组
    返回值:
    ret: 一个numpy数组
    '''
    ret = 0
    # 请在此添加代码实现数组的垂直叠加 并赋值给ret
    #********** Begin *********#
    #********** End **********#
    return ret
# 定义darray函数
def  darray(m,n):
    '''
    参数：
    m：是第一个数组
    n：是第二个数组
    返回值:
    ret: 一个numpy数组
    '''
    ret = 0
    # 请在此添加代码实现数组的深度叠加并赋值给ret
    #********** Begin *********#
    #********** End **********#
    return ret
 # 定义harray函数
def  harray(m,n):
    '''
    参数：
    m：是第一个数组
    n：是第二个数组
    返回值:
    ret: 一个numpy数组
    '''
    ret = 0
    # 请在此添加代码实现数组的水平叠加并赋值给ret
    #********** Begin *********#
    #********** End **********#
    return ret

测试说明
本关的测试过程如下:

平台运行 step3/manipulationtest.py 文件，并以标准输入方式提供测试输入；

manipulationtest.py 文件调用 manipulation 中的三个方法，平台获取 manipulationtest.py 的输出，然后将其与预期输出作对比，如果一致，则测试通过；否则测试失败。

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

以下是平台对 step3/manipulationtest.py 的测试样例：
测试输入： v；
预期输出：

[[1 2 3]
[4 5 6]
[3 4 5]
[7 8 9]]
测试输入： d；
预期输出：

[[[1 3]
[2 4]
[3 5]]
[[4 7]
[5 8]
[6 9]]]
示例代码如下：

# 引入numpy库
import numpy as np
# 定义varray函数
def  varray(m,n):
    '''
    参数：
    m：是第一个数组
    n：是第二个数组
    返回值:
    ret: 一个numpy数组
    '''
    ret = 0
    # 请在此添加代码实现数组的垂直叠加并赋值给ret
    #********** Begin *********#
    ret = np.vstack((m,n))
    #********** End **********#
    return ret
# 定义darray函数
def  darray(m,n):
    '''
    参数：
    m：是第一个数组
    n：是第二个数组
    返回值:
    ret: 一个numpy数组
    '''
    ret = 0
    # 请在此添加代码实现数组的深度叠加并赋值给ret
    #********** Begin *********#
    ret = np.dstack((m,n))
    #********** End **********#
    return ret
 # 定义harray函数
def  harray(m,n):
    '''
    参数：
    m：是第一个数组
    n：是第二个数组
    返回值:
    ret: 一个numpy数组
    '''
    ret = 0
    # 请在此添加代码实现数组的水平叠加并赋值给ret
    #********** Begin *********#
    ret = np.hstack((m,n))
    #********** End **********#
    return ret

在这里插入图片描述

第5关：Numpy 的拆分

编程要求
本关的任务是，补全右侧编辑器 Begin-End 内的代码，分别实现 Numpy 数组的纵向拆分、横向拆分、深度拆分。具体要求如下：

函数接受一个参数，然后将数组进行拆分；
本关的测试样例参见下文；
本关设计的代码文件 splitarray.py 的代码框架如下：

# 引入numpy库
import numpy as np
# 定义varray函数
def  vsarray(m,n):
    '''
    参数：
    m：是第一个数组
    n：是需要拆分到的维度
    返回值:
    ret: 一个numpy数组
    '''
    ret = 0
    # 请在此添加代码实现数组的纵向拆分并赋值给ret
    #********** Begin *********#
    #********** End **********#
    return ret
   
# 定义hsarray函数
def  hsarray(m,n):
    '''
    参数：
    m：是第一个数组
    n：是需要拆分到的维度
    返回值:
    ret: 一个numpy数组
    '''
    ret = 0
    # 请在此添加代码实现数组的水平拆分并赋值给ret
    #********** Begin *********#
    #********** End **********#
    return ret
 # 定义dsarray函数
def  dsarray(m,n):
    '''
    参数：
    m：是第一个数组
    n：是需要拆分到的维度
    返回值:
    ret: 一个numpy数组
    '''
    ret = 0
    # 请在此添加代码实现数组的深度拆分并赋值给ret
    #********** Begin *********#
    #********** End **********#
    return ret

测试说明
本关的测试过程如下:

平台运行 step5/splitarraytest.py 文件，并以标准输入方式提供测试输入；

splitarraytest.py 文件调用 splitarray 中的三个方法方法，平台获取 splitarraytest.py 的输出，然后将其与预期输出作对比，如果一致，则测试通过；否则测试失败。

预处理数组：

a= np.arange(9).reshape(3,3)

c = np.arange(27).reshape(3,3,3)

以下是平台对 step4/splitarraytest.py 的测试样例：

测试输入： v；

预期输出： [array([[0, 1, 2]]), array([[3, 4, 5]]), array([[6, 7, 8]])]

测试输入： h；

预期输出： [array([[0],[3],[6]]), array([[1],[4],[7]]), array([[2],[5],[8]])]

示例代码如下：

# 引入numpy库
import numpy as np
# 定义varray函数
def  vsarray(m,n):
    '''
    参数：
    m：是第一个数组
    n：是需要拆分到的维度
    返回值:
    ret: 一个numpy数组
    '''
    ret = 0
    # 请在此添加代码实现数组的纵向拆分并赋值给ret
    #********** Begin *********#
    ret = np.vsplit(m,n)
    #********** End **********#
    return ret
# 定义darray函数
def  dsarray(m,n):
    '''
    参数：
    m：是第一个数组
    n：是需要拆分到的维度
    返回值:
    ret: 一个numpy数组
    '''
    ret = 0
    # 请在此添加代码实现数组的深度拆分并赋值给ret
    #********** Begin *********#
    ret = np.dsplit(m,n)
    #********** End **********#
    return ret
 # 定义harray函数
def  hsarray(m,n):
    '''
    参数：
    m：是第一个数组
    n：是需要拆分到的维度
    返回值:
    ret: 一个numpy数组
    '''
    ret = 0
    # 请在此添加代码实现数组的水平拆分并赋值给ret
    #********** Begin *********#
    ret = np.hsplit(m,n)
    #********** End **********#
    return ret

在这里插入图片描述

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.coloradmin.cn/o/1553875.html

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈，一经查实，立即删除！

相关文章

查询优化-提升子查询-UNION类型

查询优化-提升子查询-UNION类型

瀚高数据库 目录 文档用途 详细信息 文档用途 剖析UNION类型子查询提升的条件和过程 详细信息 注：图片较大，可在浏览器新标签页打开。 SQL: SELECT * FROM score sc, LATERAL(SELECT * FROM student WHERE sno 1 UNION ALL SELECT * FROM student…
阅读更多...
Mybatis中QueryWrapper的复杂查询SQL

Mybatis中QueryWrapper的复杂查询SQL

最近在使用QueryWrapper编写查询语句时发现复杂的SQL不会写。在网上找了半天，终于得到了点启示。在此做个记录以备忘。 我要实现的SQL是这样的： -- 实现这个复杂查询 -- 查询设备表 select * from oa_device where ((dev_code BSD1003 and dev_status…
阅读更多...
系统开发实训小组作业week5 —— 用例描述与分析

系统开发实训小组作业week5 —— 用例描述与分析

目录 4.3 UC003电影浏览与查询 4.3.1 用例描述 4.3.2 活动图 4.3.3 界面元素 4.3.4 功能 4.4 UC004在线订票 4.4.1 用例描述 4.4.2 活动图 4.4.3 界面元素 4.4.4 功能 4.3 UC003电影浏览与查询 4.3.1 用例描述 用例号 UC003-01 用例名称 电影浏览与查询 用例描述…
阅读更多...
2.9 Python缩进规则（包含快捷键)

2.9 Python缩进规则（包含快捷键)

Python缩进规则（包含快捷键） 和其它程序设计语言（如 Java、C 语言）采用大括号“{}”分隔代码块不同，Python采用代码缩进和冒号（ : ）来区分代码块之间的层次。 在 Python 中，对于类…
阅读更多...
数据可视化为什么能在智慧港口中发挥作用？

数据可视化为什么能在智慧港口中发挥作用？

随着全球贸易活动日益频繁，港口作为国际贸易的重要节点，其运营效率与智能化程度直接影响着整个物流链的效能。在此背景下，智慧港口的概念应运而生，它借助先进的信息技术手段对传统港口进行改造升级，其中，数…
阅读更多...
1.Mysql基础入门—MySQL-mysql 8.0.11安装教程

1.Mysql基础入门—MySQL-mysql 8.0.11安装教程

1.Mysql基础入门—MySQL-mysql 8.0.11安装教程 摘要个人简介下载Mysql安装Mysql配置环境变量 摘要 MySQL 8.0.11的安装过程涉及几个关键步骤，首先访问MySQL官方网站下载页面，选择操作系统相对应的MySQL版本进行下载。对于Windows用户，启动下…
阅读更多...
算法---动态规划练习-6（地下城游戏）

算法---动态规划练习-6（地下城游戏）

地下城游戏 1. 题目解析2. 讲解算法原理3. 编写代码 1. 题目解析 题目地址：点这里 2. 讲解算法原理 首先，定义一个二维数组 dp，其中 dp[i][j] 表示从位置 (i, j) 开始到达终点时的最低健康点数。 初始化数组 dp 的边界条件： 对…
阅读更多...
主流公链 - BCH BSV BTG

主流公链 - BCH BSV BTG

为什么出现分叉 BTC是自由的，BTC社区也是自由的，自然而然的会出现不同观点的群体 1. 比特币现金（Bitcoin Cash，BCH） 分叉日期： 2017年8月1日主要目的： 提高比特币的交易吞吐量和降低交易费用技术…
阅读更多...
简单了解原型模式

简单了解原型模式

什么是原型模式 区别于单例模式，原型模式的一个类可以有多个实例化的对象。 原型模式通过拷贝来产生新的对象，而不是new，并且可以根据自己的需求修改对象的属性。 实现Cloneable接口实现拷贝 而拷贝又分为浅拷贝和深拷贝，两者在…
阅读更多...
系统分析师-软件开发模型总结

系统分析师-软件开发模型总结

前言 软件工程模型也称软件开发模型。它是指软件开发全部过程、活动和任务的结构框架，通过该模型能清晰、直观地表达软件开发全过程，明确地规定要完成的主要活动和任务，它奠定了软件项目工作的基础 一、瀑布模型（Waterfall Model…
阅读更多...
气象预测新篇章：Python人工智能的变革力量

气象预测新篇章：Python人工智能的变革力量

Python是功能强大、免费、开源，实现面向对象的编程语言，在数据处理、科学计算、数学建模、数据挖掘和数据可视化方面具备优异的性能，这些优势使得Python在气象、海洋、地理、气候、水文和生态等地学领域的科研和工程项目中得到广泛应用。可以…
阅读更多...
【娱乐】战双帕弥什游戏笔记攻略

【娱乐】战双帕弥什游戏笔记攻略

文章目录 Part.I IntroductionChap.I Information Part.II 新手攻略Chap.I 角色和武器挑选Chap.II 新手意识推荐 Part.II 阵容搭配Chap.I 一拖二Chap.II 毕业队 Reference Part.I Introduction 2019年12月5日全平台公测。 偶然间入坑战双，玩了几天，觉得…
阅读更多...
pbrt-v4 windows编译失败指南

pbrt-v4 windows编译失败指南

cpu下编译成功很容易，但是gpu有点麻烦，主要有下面几个坑 安装optix 7，cmake build 要加上PBRT_OPTIX_PATH cmake cuda 版本要对应，不然会出现 cuda not found，或者generate的时候报错，导致最后pbrt.exe --…
阅读更多...
如何使用固定公网地址远程连接Python编译器并将运行结果返回到Pycharm

如何使用固定公网地址远程连接Python编译器并将运行结果返回到Pycharm

文章目录 一、前期准备1. 检查IDE版本是否支持2. 服务器需要开通SSH服务 二、Pycharm本地链接服务器测试1. 配置服务器python解释器 三、使用内网穿透实现异地链接服务器开发1. 服务器安装Cpolar2. 创建远程连接公网地址 四、使用固定TCP地址远程开发 本文主要介绍如何使用Pych…
阅读更多...
【JAVAEE学习】探究Java中多线程的使用和重点及考点

【JAVAEE学习】探究Java中多线程的使用和重点及考点

˃͈꒵˂͈꒱ write in front ꒰˃͈꒵˂͈꒱ ʕ̯•͡˔•̯᷅ʔ大家好，我是xiaoxie.希望你看完之后,有不足之处请多多谅解，让我们一起共同进步૮₍❀ᴗ͈ . ᴗ͈ აxiaoxieʕ̯•͡˔•̯᷅ʔ—CSDN博客 本文由xiaoxieʕ̯•͡˔•̯᷅ʔ 原创 CSDN 如…
阅读更多...
备考ICA----Istio实验13---使用 Istio Ingress 暴露应用

备考ICA----Istio实验13---使用 Istio Ingress 暴露应用

备考ICA----Istio实验13—使用Istio Ingress TLS暴露应用 1. 环境部署 清理之前实验遗留,并重新部署httpbin服务进行测试 # 清理之前的环境 kubectl delete vs httpbin kubectl delete gw mygateway # 部署httpbin kubectl apply -f istio/samples/httpbin/httpbin.yaml 确认…
阅读更多...
Ubuntu 系统下安装 Nginx

Ubuntu 系统下安装 Nginx

目录 一、Nginx是什么 ​二、Ubuntu 系统下安装 Nginx 1、安装包下载 2、上传服务器并解压缩 3、依赖配置安装 4、生成编译脚本 ​5、编译 6、开始安装 7、设置为随机自启动 7.1、创建 nginx.service 文件，将以下内容粘贴到文件中 7.2、将 nginx.service…
阅读更多...
【小白入门篇4】兄弟,你还在网上盗图吗

【小白入门篇4】兄弟,你还在网上盗图吗

01 绘画AI工具 之前《【小白入门篇2】总有一款AI工具适合你》、《【小白入门篇3】还是GPT4更香》文章的介绍软件中大部分是文字生成文字的，随着人对艺术形态追求越来越高，现在AIGC领域也逐渐出现文生图、文生视频的大模型。今天我们先介绍一下文生图的A…
阅读更多...
提升用户体验：6款热门软件助力APP界面设计

提升用户体验：6款热门软件助力APP界面设计

APP界面设计是APP开发过程中的关键阶段，APP界面设计的细节决定了APP的成败。APP界面设计是否美观大方，决定了用户对APP最直接的视觉判断。大多数用户给予肯定的APP界面设计，必须包含设计师对每一个细节的精心设计。要创建一个惊人的APP界面设…
阅读更多...
AI赋能微服务：Spring Boot与机器学习驱动的未来应用开发

AI赋能微服务：Spring Boot与机器学习驱动的未来应用开发

🧑 作者简介：阿里巴巴嵌入式技术专家，深耕嵌入式人工智能领域，具备多年的嵌入式硬件产品研发管理经验。 📒 博客介绍：分享嵌入式开发领域的相关知识、经验、思考和感悟。提供嵌入式方向的学习指导、简历面…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023