【NumPy基础】100道numpy练习——进阶篇

标签：numpy   python   

【NumPy基础】100道numpy练习——进阶篇

@author：wepon

@blog：http://blog.csdn.net/u012162613/article/details/42846777

选自numpy-100，当作熟悉NumPy的练习。NumPy只是一个数值计算的工具包，在实际的算法实现中来熟悉NumPy才是有效的，因此后面不打算继续写了，到此文为止，基本的语法已经够用了，之后在实践中总结可能效果更好。而且遇到问题参考NumPy官网文档即可。

之前两篇：

【NumPy基础】100道numpy练习——初学与入门篇

【NumPy基础】100道numpy练习——Apprentice篇

1、读入文件中的数据，例如一个example.txt，里面的数据如下：

1,2,3,4
5,,,6
7,8,,9

>>> Z = np.genfromtxt("example.txt", delimiter=",")
>>> print Z
[[ 1. 2. 3. 4.]
[ 5. nan nan 6.]
[ 7. 8. nan 9.]]

note：np.genfromtxt()函数第一个参数表示文件路径名，delimiter是分隔符，在我们的exampl.txt中分隔符是逗号“,”，故设置为逗号。顺便提一下，很多数据文件都是以csv后缀格式给出的，csv就是逗号分隔符文件。

2、numpy的高级特性：生成器。利用生成器函数创建数组。

>>> def generate():
... for x in xrange(10):
... yield x 
... 
>>> Z = np.fromiter(generate(),dtype=float,count=-1)
>>> print Z
[ 0. 1. 2. 3. 4. 5. 6. 7. 8. 9.]

note：其中的yield关键字使得generate()变成生成器，这是numpy的高级特性。

3、bincount()函数，输出数组中每个数出现的次数。output的下标代表原数组中的数，output的值就是该数出现的次数，举例：

>>> Z=[0,2,4,8,8]
>>> np.bincount(Z)
array([1, 0, 1, 0, 1, 0, 0, 0, 2])

可以看到8出现了两次。

4、 bincount(x, weights=None, minlength=None)，其中weights表示权重，用法如下：

>>> X = [1,2,3,4,5,6]
>>> I = [1,3,9,3,4,1]
>>> F = np.bincount(I,X)
>>> print F
[ 0. 7. 0. 6. 5. 0. 0. 0. 0. 3.]

note：以I为输入，X是权重。分析一下：F[0]=0，因为I中没有出现过0，F[1]=7，因为I中1出现了两次，并且它们的权重为1、6，故F[1]=1*1+1*6

# Author: Nadav Horesh
w,h = 16,16
I = np.random.randint(0,2,(h,w,3)).astype(np.ubyte)
F = I[...,0]*256*256 + I[...,1]*256 +I[...,2]
n = len(np.unique(F))
print np.unique(I)

>>> A = np.random.randint(0,10,(1,2,3,4))
>>> print A
[[[[2 7 9 7]
[6 6 8 2]
[0 0 9 3]]
[[5 4 1 4]
[5 7 9 7]
[8 4 1 4]]]]
>>> A.reshape(A.shape[:-2] + (-1,))
array([[[2, 7, 9, 7, 6, 6, 8, 2, 0, 0, 9, 3],
[5, 4, 1, 4, 5, 7, 9, 7, 8, 4, 1, 4]]])
>>> sum = A.reshape(A.shape[:-2] + (-1,)).sum(axis=-1)
>>> print sum
[[59 59]]

7、Considering a one-dimensional vector D, how to compute  means of subsets of D using a vector S of same size describing subset indices ?

>>> D = np.random.uniform(0,1,100)
>>> S = np.random.randint(0,10,100)
>>> D_sums = np.bincount(S, weights=D)
>>> D_counts = np.bincount(S)
>>> print D_sums
[ 3.37619132 6.13452126 3.84121952 5.27577033 4.45979323
7.26807049
6.00231146 6.72050881 4.1281527 6.55666661]
>>> print D_counts
[ 6 12 10 8 7 13 13 12 7 12]
>>> D_means = D_sums / D_counts
>>> print D_means
[ 0.56269855 0.5112101 0.38412195 0.65947129 0.63711332
0.55908235
0.46171627 0.5600424 0.5897361 0.54638888]

>>> Z = np.array([1,2,3,4,5])
>>> nz = 3
>>> Z0 = np.zeros(len(Z) + (len(Z)-1)*(nz))
>>> Z0[::nz+1] = Z
>>> print Z0
[ 1. 0. 0. 0. 2. 0. 0. 0. 3. 0. 0. 0. 4. 0. 0. 
0. 5.]

>>> A = np.ones((3,3,2))
>>> B = 2*np.ones((3,3))
>>> print A * B[:,:,None]
[[[ 2. 2.]
[ 2. 2.]
[ 2. 2.]]
[[ 2. 2.]
[ 2. 2.]
[ 2. 2.]]
[[ 2. 2.]
[ 2. 2.]
[ 2. 2.]]]
>>> B[:,:,None]
array([[[ 2.],
[ 2.],
[ 2.]],
[[ 2.],
[ 2.],
[ 2.]],
[[ 2.],
[ 2.],
[ 2.]]])

>>> A = np.arange(25).reshape(5,5)
>>> print A
[[ 0 1 2 3 4]
[ 5 6 7 8 9]
[10 11 12 13 14]
[15 16 17 18 19]
[20 21 22 23 24]]
>>> A[[0,1]]
array([[0, 1, 2, 3, 4],
[5, 6, 7, 8, 9]])
>>> A[[1,0]]
array([[5, 6, 7, 8, 9],
[0, 1, 2, 3, 4]])
>>> A[[0,1]] = A[[1,0]]
>>> print A
[[ 5 6 7 8 9]
[ 0 1 2 3 4]
[10 11 12 13 14]
[15 16 17 18 19]
[20 21 22 23 24]]

【NumPy基础】100道numpy练习——进阶篇

标签：numpy   python   

原文地址：http://blog.csdn.net/u012162613/article/details/42847011