数据分析必备的NumPy技巧（Python）-德赢Vwin官网网

前言

NumPy系统是Python的一种开源的数值计算扩展，它也是是Python数据分析必不可少的第三方库。近日，国外博主Selva Prabhakaran制作了101道真题，为熟悉/不熟悉NumPy的“后备数据科学家”们提供了一个检测自己水平的机会，你不想来挑战一下吗？本文中的NumPy真题旨在提供一个参考，读者可以借此测试自己数据分析技巧的掌握水平。

1.导入NumPy并查看版本

难度：L1

导入NumPy并将它并名为np，输出版本信息。

点击空白处查看答案

import numpy as np

print(np.__version__)

#> 1.13.3

无论你要做什么，你必须在其他代码前先输入import numpy as np，这之后它才能正常工作。如果还没有安装，你可以去anaconda下载。

2.如何创建一维数组？

难度：L1

创建一个包含数字0-9的一维数组：#> array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])。

点击空白处查看答案

arr = np.arange(10)

arr

#> array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

3.如何创建布尔型数组？

难度：L1

创建一个3×3的，所有填充为True的数组。

点击空白处查看答案

np.full((3, 3), True, dtype=bool)

#> array([[ True, True, True],

#> [ True, True, True],

#> [ True, True, True]], dtype=bool)

# Alternate method:

np.ones((3,3), dtype=bool)

4.如何从一维数组中索引符合条件的元素？

难度：L1

从输入arr中筛选出所有奇数。

输入：

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

期望的输出：

#> array([1, 3, 5, 7, 9])

# Input

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

# Solution

arr[arr % 2 == 1]

#> array([1, 3, 5, 7, 9])

5.如何用另一个值替换数组中符合条件的元素？

难度：L1

用-1替换输入arr中的所有奇数。

输入：

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

期望的输出：

#> array([ 0, -1, 2, -1, 4, -1, 6, -1, 8, -1])

点击空白处查看答案

arr[arr % 2 == 1] = -1

arr

#> array([ 0, -1, 2, -1, 4, -1, 6, -1, 8, -1])

6.如何在确保输入数组不变的同时替换数组中符合条件的元素？

难度：L2

用-1替换输入arr中的所有奇数，但不能改变arr。

输入：

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

期望的输出：

out#> array([ 0, -1, 2, -1, 4, -1, 6, -1, 8, -1])arr#> array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

arr = np.arange(10)

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

print(arr)

out

#> [0 1 2 3 4 5 6 7 8 9]

array([ 0, -1, 2, -1, 4, -1, 6, -1, 8, -1])

7.如何重组数组？

难度：L1

将一维数组转换为有2行的二维数组。

输入：

np.arange(10)#> array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

期望的输出：

#> array([[0, 1, 2, 3, 4],#> [5, 6, 7, 8, 9]])

arr = np.arange(10)

arr.reshape(2, -1) # Setting to -1 automatically decides the number of cols

#> array([[0, 1, 2, 3, 4],

#> [5, 6, 7, 8, 9]])

8.如何垂直合并两个数组？

难度：L2

将数组a和数组b垂直合并。

输入：

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

期望的输出：

#> array([[0, 1, 2, 3, 4],

#> [5, 6, 7, 8, 9],

#> [1, 1, 1, 1, 1],

#> [1, 1, 1, 1, 1]])

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

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

# Answers

# Method 1:

np.concatenate([a, b], axis=0)

# Method 2:

np.vstack([a, b])

# Method 3:

np.r_[a, b]

#> array([[0, 1, 2, 3, 4],

#> [5, 6, 7, 8, 9],

#> [1, 1, 1, 1, 1],

#> [1, 1, 1, 1, 1]])

9.如何水平合并两个数组？

难度：L2

将数组a和数组b水平合并。

输入：

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

期望的输出：

#> array([[0, 1, 2, 3, 4, 1, 1, 1, 1, 1],#> [5, 6, 7, 8, 9, 1, 1, 1, 1, 1]])

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

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

# Answers

# Method 1:

np.concatenate([a, b], axis=1)

# Method 2:

np.hstack([a, b])

# Method 3:

np.c_[a, b]

#> array([[0, 1, 2, 3, 4, 1, 1, 1, 1, 1],

#> [5, 6, 7, 8, 9, 1, 1, 1, 1, 1]])

10.如何在没有hardcode的情况下在NumPy里生成自定义数组？

难度：L2

在没有hardcode的情况下，用数组a和NumPy函数输出以下目标数组。

输入：

a = np.array([1,2,3])

期望的输出：

#> array([1, 1, 1, 2, 2, 2, 3, 3, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3])

点击空白处查看答案

np.r_[np.repeat(a, 3), np.tile(a, 3)]

#> array([1, 1, 1, 2, 2, 2, 3, 3, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3])

声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表德赢Vwin官网网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。举报投诉

数据分析

数据分析

+关注

关注
2

文章
1445

浏览量
34047
python

python

+关注

关注
56

文章
4792

浏览量
84623

原文标题：真题演练（一）：数据分析必备的NumPy技巧（Python）

文章出处：【微信号：jqr_AI，微信公众号：论智】欢迎添加关注！文章转载请注明出处。

数据可视化与数据分析的关系

在当今这个信息爆炸的时代，数据无处不在。无论是企业运营、科学研究还是个人决策，我们都需要从海量的数据中提取有价值的信息。数据分析和数据可视化作为两个关键的工具，它们帮助我们理解、解释和

发表于 12-06 17:09 •321次阅读

LLM在数据分析中的作用

随着大数据时代的到来，数据分析已经成为企业和组织决策的关键工具。数据科学家和分析师需要从海量数据中提取有价值的信息，以支持业务决策。在这个过

发表于 11-19 15:35 •246次阅读

eda与传统数据分析的区别

EDA（Exploratory Data Analysis，探索性数据分析）与传统数据分析之间存在显著的差异。以下是两者的主要区别：一、分析目的和方法论 EDA 目的：EDA的主要目的是对

发表于 11-13 10:52 •300次阅读

raid 在大数据分析中的应用

RAID（Redundant Array of Independent Disks，独立磁盘冗余阵列）在大数据分析中的应用主要体现在提高存储系统的性能、可靠性和容量上。以下是RAID在大数据分析中

发表于 11-12 09:44 •223次阅读

云计算在大数据分析中的应用

云计算在大数据分析中的应用广泛且深入，它为用户提供了存储、计算、分析和预测的强大能力。以下是对云计算在大数据分析中应用的介绍：一、存储和处理海量数据云计算提供了强大的存储和计算能力

发表于 10-24 09:18 •431次阅读

使用AI大模型进行数据分析的技巧

使用AI大模型进行数据分析的技巧涉及多个方面，以下是一些关键的步骤和注意事项：一、明确任务目标和需求在使用AI大模型之前，首先要明确数据分析的任务目标，这将直接影响模型的选择、数据收集和处理方式

发表于 10-23 15:14 •686次阅读

IP 地址大数据分析如何进行网络优化?

一、大数据分析在网络优化中的作用 1.流量分析大数据分析可以对网络中的流量进行实时监测和分析，了解网络的使用情况和流量趋势。通过对流量数据

发表于 10-09 15:32 •227次阅读

网络爬虫,Python和数据分析

德赢Vwin官网网站提供《网络爬虫,Python和数据分析.pdf》资料免费下载

发表于 07-13 09:27 •1次下载

数据分析除了spss还有什么

数据分析是当今世界中一个非常重要的领域，它涉及到从大量数据中提取有用信息、发现模式和趋势，并为决策提供支持。SPSS（Statistical Package for the Social

发表于 07-05 15:01 •604次阅读

数据分析的工具有哪些

数据分析是一个涉及收集、处理、分析和解释数据以得出有意义见解的过程。在这个过程中，使用正确的工具至关重要。以下是一些主要的数据分析工具，以及它们的功能和用途的介绍。 Excel Exc

发表于 07-05 14:54 •845次阅读

数据分析有哪些分析方法

数据分析是一种重要的技能，它可以帮助我们从大量的数据中提取有价值的信息，从而做出更明智的决策。在这篇文章中，我们将介绍数据分析的各种方法，包括描述性分析、诊断性

发表于 07-05 14:51 •566次阅读

机器学习在数据分析中的应用

随着大数据时代的到来，数据量的爆炸性增长对数据分析提出了更高的要求。机器学习作为一种强大的工具，通过训练模型从数据中学习规律，为企业和组织提供了更高效、更准确的

发表于 07-02 11:22 •610次阅读

求助，关于AD采集到的数据分析问题

问题描述：使用AD采集一个10Hz到2MHz的脉冲，脉冲底部可能大于零，由采集到的数据分析出该脉冲的上升时间，幅值和占空比。备注：在分析的时候已经知道脉冲的频率，精度为2X10^-5. 在分析

发表于 05-09 07:40

python 学习：在内网中 python库-numpy 安装方法，升级pip3版本的指令

\\\\numpy-1.26.4-cp311-cp311-win_amd64.whl 内网中升级pip 升级版本的指令： python.exe -m pip install --upgrade pip--proxy \"http://gateway.schneider.z

发表于 04-22 17:18

态势数据分析系统软件

智慧华盛恒辉态势分析软件系统的功能描述、部署环境、界面使用、技术支持及一些常见问题及其解决办法等。为数据态势分析软件系统的管理人员和使用人员提供说明。智慧华盛恒辉态势数据分析系统软件

发表于 04-22 11:36 •442次阅读

搜索历史

数据分析必备的NumPy技巧（Python）

前言

1.导入NumPy并查看版本

评论

数据可视化与数据分析的关系

LLM在数据分析中的作用

eda与传统数据分析的区别

raid 在大数据分析中的应用

云计算在大数据分析中的应用

使用AI大模型进行数据分析的技巧

IP 地址大数据分析如何进行网络优化?

网络爬虫,Python和数据分析

数据分析除了spss还有什么

数据分析的工具有哪些

数据分析有哪些分析方法

机器学习在数据分析中的应用

求助，关于AD采集到的数据分析问题

python 学习：在内网中 python库-numpy 安装方法，升级pip3版本的指令

态势数据分析系统软件