NumPy測試題

     NumPy 是 Python 科學計算的基礎軟件包，

        提供多維數組對象，多種派生對象（掩碼數組、矩陣等）以及用於快速操作數組的函數及 API，它包括數學、邏輯、數組形狀變換、排序、選擇、I/O 、離散傅立葉變換、基本線性代數、基本統計運算、隨機模擬等等。

70道NumPy測試題~

1. 將 NumPy 導入為 np，並查看版本

問題：將 NumPy 導入為 np，並輸出版本號。

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

2. 如何創建 1 維數組？

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])

import numpy as np

arr = np.arange(10)
print(arr)

3. 如何創建 boolean 數組？

問題：創建所有 True 的 3×3 NumPy 數組。

import numpy as np

ns1 = np.full((3, 3), True, dtype=bool)
#> array([[ True,  True,  True],
#>        [ True,  True,  True],
#>        [ True,  True,  True]], dtype=bool)
print(ns1)

# Alternate method:
ns = np.ones((3,3), dtype=bool)
print(ns)

4. 如何從 1 維數組中提取滿足給定條件的項？

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])

import numpy as np

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

5. 如何將 NumPy 數組中滿足給定條件的項替換成另一個數值？

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])

import numpy as np

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

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？

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])

import numpy as np

arr = np.arange(10)
out = np.where(arr % 2 == 1, -1, arr)
print(arr)
print(out)

7. 如何重塑（reshape）數組？

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]])

import numpy as np

arr = np.arange(10)
arr.reshape(2, -1)
print(arr)

8. 如何垂直堆疊兩個數組？

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]])

import numpy as np

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

r1 = np.concatenate([a, b], axis=0)     # 方法一
r2 = np.vstack([a, b])                  # 方法二
r3 = np.r_[a, b]                        # 方法三

print(r1)
print(r2)
print(r3)

9. 如何水平堆疊兩個數組？

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]])

import numpy as np

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

r1 = np.concatenate([a, b], axis=1)     # 方法一
r2 = np.hstack([a, b])                  # 方法二
r3 = np.c_[a, b]                        # 方法三
print(r1)
print(r2)
print(r3)

10. 在不使用硬編碼的前提下，如何在 NumPy 中生成自定義序列？

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])

import numpy as np

a = np.array([1,2,3])
r1 = np.r_[np.repeat(a, 3), np.tile(a, 3)]
print(r1)

 

11. 如何獲得兩個 Python NumPy 數組中共同的項？

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])

import numpy as np

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])
r1 = np.intersect1d(a,b)
print(r1)

12. 如何從一個數組中移除與另一個數組重復的項？

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])

import numpy as np

a = np.array([1,2,3,4,5])
b = np.array([5,6,7,8,9])
r1 = np.setdiff1d(a,b)
print(r1)

13. 如何獲取兩個數組匹配元素的位置？

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]),)

import numpy as np

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])

r1 = np.where(a == b)
print(r1)

14. 如何從 NumPy 數組中提取給定范圍內的所有數字？

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]),)

import numpy as np

a = np.arange(15)

index = np.where((a >= 5) & (a <= 10))  # 方法一
r1 = a[index]

index = np.where(np.logical_and(a >= 5, a <= 10))  # 方法二
r2 = a[index]

r3 = a[(a >= 5) & (a <= 10)]  # 方法三
print(r1)
print(r2)
print(r3)

15. 如何創建一個 Python 函數以對 NumPy 數組執行元素級的操作？

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): 2 """Get the maximum of two items""" 3 if x >= y: 4 return x 5 else: 6 return y 7 8 maxx(1, 5) 9 #> 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.])

import numpy as np


def maxx(x, y):
    """Get the maximum of two items"""
    if x >= y:
        return x
    else:
        return y


pair_max = np.vectorize(maxx, otypes=[float])

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

r1 = pair_max(a, b)
print(r1)

16. 如何在 2d NumPy 數組中交換兩個列？

問題：在數組 arr 中交換列 1 和列 2。

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

import numpy as np

arr = np.arange(9).reshape(3,3)
r1 = arr[:, [1,0,2]]
print(r1)

17. 如何在 2d NumPy 數組中交換兩個行？

問題：在數組 arr 中交換行 1 和行 2。

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

import numpy as np

arr = np.arange(9).reshape(3, 3)
r1 = arr[[1, 0, 2], :]
print(r1)

18. 如何反轉 2D 數組的所有行？

問題：反轉 2D 數組 arr 中的所有行。

# Inputarr = np.arange(9).reshape(3,3)

import numpy as np

arr = np.arange(9).reshape(3,3)
r1 = arr[::-1]
print(r1)

19. 如何反轉 2D 數組的所有列？

問題：反轉 2D 數組 arr 中的所有列。

• # Inputarr = np.arange(9).reshape(3,3)

import numpy as np

arr = np.arange(9).reshape(3,3)
r1 = arr[:, ::-1]
print(r1)

20. 如何創建一個包含 5 和 10 之間隨機浮點的 2 維數組？

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。

import numpy as np

arr = np.arange(9).reshape(3,3)
# Solution Method 1:
rand_arr = np.random.randint(low=5, high=10, size=(5,3)) + np.random.random((5,3))
print("1",rand_arr)

# Solution Method 2:
rand_arr = np.random.uniform(5,10, size=(5,3))
print("2",rand_arr)

21. 如何在 Python NumPy 數組中僅輸出小數點后三位的數字？

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))

import numpy as np

rand_arr = np.random.random((5,3))
# Create the random array
rand_arr = np.random.random([5,3])
# Limit to 3 decimal places
np.set_printoptions(precision=3)
rand_arr[:4]
print(rand_arr)

22. 如何通過禁用科學計數法（如 1e10）打印 NumPy 數組？

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 arraynp.random.seed(100)

      rand_arr = np.random.random([3,3])/1e3rand_arr


期望輸出：#> array([[ 0.000543, 0.000278, 0.000425],

          #> [ 0.000845, 0.000005, 0.000122],

          #> [ 0.000671, 0.000826, 0.000137]])

import numpy as np

np.set_printoptions(suppress=False)
# Create the random array
np.random.seed(100)
rand_arr = np.random.random([3,3])/1e3

print(rand_arr)

23. 如何限制 NumPy 數組輸出中項的數目？

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)

期望輸出：#> array([ 0, 1, 2, ..., 12, 13, 14])

mport numpy as np

np.set_printoptions(threshold=6)
a = np.arange(15)

print(a)

24. 如何在不截斷數組的前提下打印出完整的 NumPy 數組？

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)

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？

問題：導入 iris 數據集，保持文本不變。

import numpy as np

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')

r1 = iris[:3]	# Print the first 3 rows
print(r1)

26. 如何從 1 維元組數組中提取特定的列？

問題：從前一個問題導入的 1 維 iris 中提取文本列 species。

輸入：rl = https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.datairis_1d = np.genfromtxt(url, delimiter= , , dtype=None)

import numpy as np

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

species = np.array([row[4] for row in iris_1d])
r1 = species[:5]
print(r1)

27. 如何將 1 維元組數組轉換成 2 維 NumPy 數組？

問題：忽略 species 文本字段，將 1 維 iris 轉換成 2 維數組 iris_2d。

url = https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.datairis_1d = np.genfromtxt(url, delimiter= , , dtype=None)

import numpy as np

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

iris_2d = np.array([row.tolist()[:4] for row in iris_1d])		#方法一
r1 = iris_2d[:4]

iris_2d = np.genfromtxt(url, delimiter=',', dtype='float', usecols=[0,1,2,3])	#方法二
r2 = iris_2d[:4]
print(r1)
print(r2)

 

28. 如何計算 NumPy 數組的平均值、中位數和標准差？

問題：找出 iris sepallength（第一列）的平均值、中位數和標准差。

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

import numpy as np

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

mu, med, sd = np.mean(sepallength), np.median(sepallength), np.std(sepallength)
print(mu, med, sd)

 

29. 如何歸一化數組，使值的范圍在 0 和 1 之間？

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.datasepallength = np.genfromtxt(url, delimiter= , , dtype= float , usecols=[0])

import numpy as np

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

Smax, Smin = sepallength.max(), sepallength.min()
S1 = (sepallength - Smin)/(Smax - Smin)
S2 = (sepallength - Smin)/sepallength.ptp()  # Thanks, David Ojeda!
print(S1)
print(S2)

30. 如何計算 softmax 分數？

問題：計算 sepallength 的 softmax 分數。

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

import numpy as np

url = 'https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data'
iris = np.genfromtxt(url, delimiter=',', dtype='object')
sepallength = np.array([float(row[0]) for row in iris])

def softmax(x):
    """Compute softmax values for each sets of scores in x.
    https://stackoverflow.com/questions/34968722/how-to-implement-the-softmax-function-in-python"""
    e_x = np.exp(x - np.max(x))
    return e_x / e_x.sum(axis=0)

r1 = softmax(sepallength)
print(r1)

31. 如何找到 NumPy 數組的百分數？

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.datasepallength = np.genfromtxt(url, delimiter= , , dtype= float , usecols=[0])

import numpy as np

url = 'https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data'
sepallength = np.genfromtxt(url, delimiter=',', dtype='float', usecols=[0])
r1 = np.percentile(sepallength, q=[5, 95])
print(r1)

32. 如何在數組的隨機位置插入值？

問題：在 iris_2d 數據集中的 20 個隨機位置插入 np.nan 值。

# Inputurl = https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.datairis_2d = np.genfromtxt(url, delimiter= , , dtype= object )

import numpy as np

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

i, j = np.where(iris_2d)
np.random.seed(100)
iris_2d[np.random.choice((i), 20), np.random.choice((j), 20)] = np.nan

# Method 2
np.random.seed(100)
iris_2d[np.random.randint(150, size=20), np.random.randint(4, size=20)] = np.nan

# Print first 10 rows
print(iris_2d[:10])

33. 如何在 NumPy 數組中找出缺失值的位置？

問題：在 iris_2d 的 sepallength（第一列）中找出缺失值的數目和位置。

# Inputurl = https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.datairis_2d = np.genfromtxt(url, delimiter= , , dtype= float )iris_2d[np.random.randint(150, size=20), np.random.randint(4, size=20)] = np.nan

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

print("Number of missing values: \n", np.isnan(iris_2d[:, 0]).sum())
print("Position of missing values: \n", np.where(np.isnan(iris_2d[:, 0])))

34. 如何基於兩個或以上條件過濾 NumPy 數組？

問題：過濾 iris_2d 中滿足 petallength（第三列）> 1.5 和 sepallength（第一列）< 5.0 的行。

# Inputurl = https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.datairis_2d = np.genfromtxt(url, delimiter= , , dtype= float , usecols=[0,1,2,3])

import numpy as np

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])

condition = (iris_2d[:, 2] > 1.5) & (iris_2d[:, 0] < 5.0)
r1 = iris_2d[condition]
print(r1)

35. 如何在 NumPy 數組中刪除包含缺失值的行？

問題：選擇 iris_2d 中不包含 nan 值的行。

# Inputurl = https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.datairis_2d = np.genfromtxt(url, delimiter= , , dtype= float , usecols=[0,1,2,3])

import numpy as np

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

# Method 1:
any_nan_in_row = np.array([~np.any(np.isnan(row)) for row in iris_2d])
r1 = iris_2d[any_nan_in_row][:5]

# Method 2: (By Rong)
r2 = iris_2d[np.sum(np.isnan(iris_2d), axis = 1) == 0][:5]
print(r1)
print(r2)

36. 如何找出 NumPy 數組中兩列之間的關聯性？

問題：找出 iris_2d 中 SepalLength（第一列）和 PetalLength（第三列）之間的關聯性。

# Inputurl = https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.datairis_2d = np.genfromtxt(url, delimiter= , , dtype= float , usecols=[0,1,2,3])

import numpy as np

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

r1 = np.corrcoef(iris[:, 0], iris[:, 2])[0, 1]
print(r1)

37. 如何確定給定數組是否有空值？

問題：確定 iris_2d 是否有缺失值。

# Inputurl = https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.datairis_2d = np.genfromtxt(url, delimiter= , , dtype= float , usecols=[0,1,2,3])

import numpy as np
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])

r1 = np.isnan(iris_2d).any()
print(r1)

38. 如何在 NumPy 數組中將所有缺失值替換成 0？

問題：在 NumPy 數組中將所有 nan 替換成 0。

# Inputurl = https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.datairis_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

import numpy as np

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
iris_2d[np.isnan(iris_2d)] = 0
r1 = iris_2d[:4]
print(r1)

 

39. 如何在 NumPy 數組中找出唯一值的數量？

問題：在 iris 的 species 列中找出唯一值及其數量。

# Inputurl = https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.datairis = np.genfromtxt(url, delimiter= , , dtype= object )names = ( sepallength , sepalwidth , petallength , petalwidth , species )

import numpy as np

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')
species = np.array([row.tolist()[4] for row in iris])
r1 = np.unique(species, return_counts=True)
print(r1)

40. 如何將一個數值轉換為一個類別（文本）數組？

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

• # Inputurl = https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.datairis = np.genfromtxt(url, delimiter= , , dtype= object )names = ( sepallength , sepalwidth , petallength , petalwidth , species )

import numpy as np

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')

petal_length_bin = np.digitize(iris[:, 2].astype('float'), [0, 3, 5, 10])
label_map = {1: 'small', 2: 'medium', 3: 'large', 4: np.nan}
petal_length_cat = [label_map[x] for x in petal_length_bin]
r = petal_length_cat[:4]
print(r)

41. 如何基於 NumPy 數組現有列創建一個新的列？

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。

url = https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.datairis_2d = np.genfromtxt(url, delimiter= , , dtype= object )names = ( sepallength , sepalwidth , petallength , petalwidth , species )

import numpy as np

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

sepallength = iris_2d[:, 0].astype('float')
petallength = iris_2d[:, 2].astype('float')
volume = (np.pi * petallength * (sepallength**2))/3
volume = volume[:, np.newaxis]
out = np.hstack([iris_2d, volume])

r1 = out[:4]
print(r1)

42. 如何在 NumPy 中執行概率采樣？

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

import numpy as np

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

species = iris[:, 4]
np.random.seed(100)
a = np.array(['Iris-setosa', 'Iris-versicolor', 'Iris-virginica'])
species_out = np.random.choice(a, 150, p=[0.5, 0.25, 0.25])
np.random.seed(100)
probs = np.r_[np.linspace(0, 0.500, num=50), np.linspace(0.501, .750, num=50), np.linspace(.751, 1.0, num=50)]
index = np.searchsorted(probs, np.random.random(150))
species_out = species[index]
print(np.unique(species_out, return_counts=True))

 

43. 如何在多維數組中找到一維的第二最大值？

問題：在 species setosa 的 petallength 列中找到第二最大值。

# Inputurl = https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.datairis = np.genfromtxt(url, delimiter= , , dtype= object )names = ( sepallength , sepalwidth , petallength , petalwidth , species )

import numpy as np

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

petal_len_setosa = iris[iris[:, 4] == b'Iris-setosa', [2]].astype('float')

r1 = np.unique(np.sort(petal_len_setosa))[-2]
print(r1)

44. 如何用給定列將 2 維數組排序？

問題：基於 sepallength 列將 iris 數據集排序。

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

import numpy as np

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')

print(iris[iris[:,0].argsort()][:20])

45. 如何在 NumPy 數組中找到最頻繁出現的值？

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.datairis = np.genfromtxt(url, delimiter= , , dtype= object )names = ( sepallength , sepalwidth , petallength , petalwidth , species )

import numpy as np

url = 'https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data'
iris = np.genfromtxt(url, delimiter=',', dtype='object')
vals, counts = np.unique(iris[:, 2], return_counts=True)
print(vals[np.argmax(counts)])

 

46. 如何找到第一個大於給定值的數的位置？

問題：在 iris 數據集的 petalwidth（第四列）中找到第一個值大於 1.0 的數的位置。

# Input:url = https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.datairis = np.genfromtxt(url, delimiter= , , dtype= object )

import numpy as np

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

r1 = np.argwhere(iris[:, 3].astype(float) > 1.0)[0]
print(r1)

 

47. 如何將數組中所有大於給定值的數替換為給定的 cutoff 值？

問題：對於數組 a，將所有大於 30 的值替換為 30，將所有小於 10 的值替換為 10。

輸入：np.random.seed(100)np.random.uniform(1,50, 20)

import numpy as np

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

np.clip(a, a_min=10, a_max=30)

print(np.where(a < 10, 10, np.where(a > 30, 30, a)))

48. 如何在 NumPy 數組中找到 top-n 數值的位置？

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)

import numpy as np

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

# Solution:
print(a.argsort())      #> [18 7 3 10 15]
# Solution 2:
print(np.argpartition(-a, 5)[:5])       #> [15 10  3  7 18]

r1 = a[a.argsort()][-5:]     # Method 1:
print(r1)

r2 = np.sort(a)[-5:]         # Method 2:
print(r2)

r3 = np.partition(a, kth=-5)[-5:]        # Method 3:
print(r3)

r4 = a[np.argpartition(-a, 5)][:5]       # Method 4:
print(r4)

49. 如何逐行計算數組中所有值的數量？

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，這意味着，數字 3 在第一行出現了兩次。

import numpy as np

np.random.seed(100)
arr = np.random.randint(1,11,size=(6, 10))
print(arr)

50. 如何將 array_of_arrays 轉換為平面 1 維數組？

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])

import numpy as np

arr1 = np.arange(3)
arr2 = np.arange(3,7)
arr3 = np.arange(7,10)

array_of_arrays = np.array([arr1, arr2, arr3])
print('array_of_arrays: ', array_of_arrays)

arr_2d = np.array([a for arr in array_of_arrays for a in arr])

arr_2d = np.concatenate(array_of_arrays)
print(arr_2d)

51. 如何為 NumPy 數組生成>

問題：計算>

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.]])

import numpy as np

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

def one_hot_encodings(arr):
    uniqs = np.unique(arr)
    out = np.zeros((arr.shape[0], uniqs.shape[0]))
    for i, k in enumerate(arr):
        out[i, k-1] = 1
    return out

r1 = one_hot_encodings(arr)
print("r1",r1)
r2 = (arr[:, None] == np.unique(arr)).view(np.int8)
print("r2",r2)

52. 如何創建由類別變量分組確定的一維數值？

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.dataspecies = 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= <U15 )

期望輸出：#> [0, 1, 2, 3, 4, 5, 0, 1, 2, 3, 4, 5, 0, 1, 2, 3, 4, 5, 6, 7]

import numpy as np

url = 'https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data'
species = np.genfromtxt(url, delimiter=',', dtype='str', usecols=4)
np.random.seed(100)
species_small = np.sort(np.random.choice(species, size=20))
print(species_small)
print([i for val in np.unique(species_small) for i, grp in enumerate(species_small[species_small==val])])

53. 如何基於給定的類別變量創建分組 id？

問題：基於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.dataspecies = 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= <U15 )

期望輸出：#> [0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 2]

import numpy as np

url = 'https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data'
species = np.genfromtxt(url, delimiter=',', dtype='str', usecols=4)
np.random.seed(100)
species_small = np.sort(np.random.choice(species, size=20))
print(species_small)

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]]

# Solution: For Loop version
output = []
uniqs = np.unique(species_small)

for val in uniqs:  # uniq values in group
    for s in species_small[species_small==val]:  # each element in group
        groupid = np.argwhere(uniqs == s).tolist()[0][0]  # groupid
        output.append(groupid)

print(output)

54. 如何使用 NumPy 對數組中的項進行排序？

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]

import numpy as np

np.random.seed(10)
a = np.random.randint(20, size=10)
print('Array: ', a)

print(a.argsort().argsort())
print('Array: ', a)

55. 如何使用 NumPy 對多維數組中的項進行排序？

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]]

import numpy as np

np.random.seed(10)
a = np.random.randint(20, size=[2,5])
print(a)

print(a.ravel().argsort().argsort().reshape(a.shape))

56. 如何在 2 維 NumPy 數組中找到每一行的最大值？

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]])

import numpy as np

np.random.seed(100)
a = np.random.randint(1,10, [5,3])
print("a=",a)

r1 = np.amax(a, axis=1)
print("r1=",r1)
r2 = np.apply_along_axis(np.max, arr=a, axis=1)
print("r2",r2)

57. 如何計算 2 維 NumPy 數組每一行的 min-by-max？

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]])

import numpy as np

np.random.seed(100)
a = np.random.randint(1,10, [5,3])
print("a=",a)


r1 = np.apply_along_axis(lambda x: np.min(x)/np.max(x), arr=a, axis=1)
print("r1",r1)

58. 如何在 NumPy 數組中找到重復條目？

問題：在給定的 NumPy 數組中找到重復條目（從第二次出現開始），並將其標記為 True。第一次出現的條目需要標記為 False。

# Inputnp.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]

import numpy as np

np.random.seed(100)
a = np.random.randint(0, 5, 10)
out = np.full(a.shape[0], True)
unique_positions = np.unique(a, return_index=True)[1]
out[unique_positions] = False

print(out)

59. 如何找到 NumPy 的分組平均值？

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.datairis = 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]]

import numpy as np

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')

numeric_column = iris[:, 1].astype('float')  # sepalwidth
grouping_column = iris[:, 4]  # species


[[group_val, numeric_column[grouping_column==group_val].mean()] for group_val in np.unique(grouping_column)]

output = []
for group_val in np.unique(grouping_column):
    output.append([group_val, numeric_column[grouping_column==group_val].mean()])

r1 = output
print(r1)

60. 如何將 PIL 圖像轉換成 NumPy 數組？

問題：從以下 URL 中導入圖像，並將其轉換成 NumPy 數組。

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

import numpy as np
from io import BytesIO
from PIL import Image
import PIL, requests

# Import image from URL
URL = 'https://upload.wikimedia.org/wikipedia/commons/8/8b/Denali_Mt_McKinley.jpg'
response = requests.get(URL)

I = Image.open(BytesIO(response.content))       # Read it as Image
I = I.resize([150,150])     # Optionally resize
arr = np.asarray(I)     # Convert to numpy array

# Optionaly Convert it back to an image and show
im = PIL.Image.fromarray(np.uint8(arr))
r1 = Image.Image.show(im)
print(r1)

61. 如何刪除 NumPy 數組中所有的缺失值？

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.])

import numpy as np

a = np.array([1, 2, 3, np.nan, 5, 6, 7, np.nan])
r1 = a[~np.isnan(a)]
print(r1)

62. 如何計算兩個數組之間的歐幾里得距離？

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])

import numpy as np

a = np.array([1,2,3,4,5])
b = np.array([4,5,6,7,8])
dist = np.linalg.norm(a-b)
print(dist)

63. 如何在一個 1 維數組中找到所有的局部極大值（peak）？

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])

import numpy as np

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

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？

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]]

import numpy as np

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

print(a_2d - b_1d[:,None])

65. 如何在數組中找出某個項的第 n 個重復索引？

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])

import numpy as np

x = np.array([1, 2, 1, 1, 3, 4, 3, 1, 1, 2, 1, 1, 2])
n = 5

[i for i, v in enumerate(x) if v == 1][n-1]
r1 = np.where(x == 1)[0][n-1]
print(r1)

66. 如何將 NumPy 的 datetime64 對象（object）轉換為 datetime 的 datetime 對象？

問題：將 NumPy 的 datetime64 對象（object）轉換為 datetime 的 datetime 對象。

Input: a numpy datetime64 objectdt64 = np.datetime64( 2018-02-25 22:10:10 )

import numpy as np

dt64 = np.datetime64('2018-02-25 22:10:10')

from datetime import datetime
r1 = dt64.tolist()
print(r1)

r2 = dt64.astype(datetime)
print(r2)

67. 如何計算 NumPy 數組的移動平均數？

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)

import numpy as np

def moving_average(a, n=3):
    ret = np.cumsum(a, dtype=float)
    ret[n:] = ret[n:] - ret[:-n]
    return ret[n - 1:] / n

np.random.seed(100)
Z = np.random.randint(10, size=10)
print('array: ', Z)

r1 = moving_average(Z, n=3).round(2)
print("r1=", r1)

r2 = np.convolve(Z, np.ones(3) / 3, mode='valid')
print("r2=", r2)

68. 給定起始數字、length 和步長，如何創建一個 NumPy 數組序列？

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。

import numpy as np

length = 10
start = 5
step = 3

def seq(start, length, step):
    end = start + (step*length)
    return np.arange(start, end, step)

r1 = seq(start, length, step)
print(r1)

69. 如何在不規則 NumPy 日期序列中填充缺失日期？

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：# Inputdates = 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 ]

import numpy as np

dates = np.arange(np.datetime64('2018-02-01'), np.datetime64('2018-02-25'), 2)
print("dates=", dates)

filled_in = np.array([np.arange(date, (date+d)) for date, d in zip(dates, np.diff(dates))]).reshape(-1)

output = np.hstack([filled_in, dates[-1]])      # add the last day
print("output=", output)

out = []
for date, d in zip(dates, np.diff(dates)):
    out.append(np.arange(date, (date+d)))

filled_in = np.array(out).reshape(-1)
output = np.hstack([filled_in, dates[-1]])      # add the last day
print("output", output)

70. 如何基於給定的 1 維數組創建 strides？

問題：給定 1 維數組 arr，使用 strides 生成一個 2 維矩陣，其中 window length 等於 4，strides 等於 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]]

import numpy as np


def gen_strides(a, stride_len=5, window_len=5):
    n_strides = ((a.size - window_len) // stride_len) + 1
    return np.array([a[s:(s + window_len)] for s in np.arange(0, n_strides * stride_len, stride_len)])

print(gen_strides(np.arange(15), stride_len=2, window_len=4))

 

 歸類 : 面試題收集&整理