神经网络与深度学习（邱锡鹏）编程练习 1 实验

源代码：

# numpy练习题
print("-----------numpy练习题 1-----------")
# 1.导入numpy库
import numpy as np

print("-----------numpy练习题 2-----------")
# 2.建立一个一维数组a初始化为[4, 5, 6],
# (1) 输出a的类型（type）
# (2) 输出a的各维度的大小（shape）
# (3) 输出a的第一个元素（值为4）
a = np.array([4, 5, 6])
print("type:", type(a))
print("shape:", a.shape)
print("a[0]:", a[0])
print("-----------numpy练习题 3-----------")
# 3.建立一个二维数组b, 初始化为[[4, 5, 6], [1, 2, 3]]
# (1) 输出各维度的大小（shape）
# (2) 输出b(0, 0)，b(0, 1), b(1, 1) 这三个元素（对应值分别为4, 5, 2）
b = np.array([[4, 5, 6],
              [1, 2, 3]])
print("shape:", b.shape)
print("b[0, 0], b[0, 1], b[1, 1]:", b[0, 0], b[0, 1], b[1, 1])
print("-----------numpy练习题 4-----------")
# 4. (1)建立一个全0矩阵 a, 大小为3x3; 类型为整型（提示: dtype = int）
#    (2)建立一个全1矩阵 b, 大小为4x5;
#    (3)建立一个单位矩阵 c, 大小为4x4;
#    (4)生成一个随机数矩阵 d, 大小为3x2.
a = np.zeros((3, 3), dtype=int)
print(a)
b = np.ones((4, 5))
print(b)
c = np.identity(4)
print(c)
d = np.random.rand(3, 2)
print(d)
print("-----------numpy练习题 5-----------")
# 5.建立一个数组a, (值为[[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]]),
# (1)打印a;
# (2)输出下标为(2, 3), (0, 0)这两个数组元素的值
a = np.array([[1, 2, 3, 4],
              [5, 6, 7, 8],
              [9, 10, 11, 12]])
print(a)
print(a[2][3], a[0][0])
print("-----------numpy练习题 6-----------")
# 6.把上一题的a数组的"0到1行""2到3列"，放到b里面去，（此处不需要从新建立a, 直接调用即可）
# (1)输出b;
# (2)输出b的（0, 0）这个元素的值
b = a[0:2, 2:4]
print(b)
print(b[0, 0])
print("-----------numpy练习题 7-----------")
# 7.把第5题中数组a的最后两行所有元素放到c中，（提示： a[1:2, :]）
# (1)输出c;
# (2)输出c中第一行的最后一个元素（提示，使用 - 1表示最后一个元素）
c = a[1:3, :]
print(c)
print(c[-1][-1])
print("-----------numpy练习题 8-----------")
# 8.建立数组a, 初始化a为[[1, 2], [3, 4], [5, 6]]，输出 （0, 0）（1, 1）（2, 0）这三个元素
# （提示： 使用 print(a[[0, 1, 2], [0, 1, 0]]) ）
a = np.array([[1, 2],
              [3, 4],
              [5, 6]])
print(a[[0, 1, 2], [0, 1, 0]])
print("-----------numpy练习题 9-----------")
# 9.建立矩阵a, 初始化为[[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12]]，输出(0, 0), (1, 2), (2, 0), (3, 1)
# (提示使用 b = np.array([0, 2, 0, 1]) print(a[np.arange(4), b]))
a = np.array([[1, 2, 3],
              [4, 5, 6],
              [7, 8, 9],
              [10, 11, 12]])
b = np.array([0, 2, 0, 1])
print(a[np.arange(4), b])
print("-----------numpy练习题 10-----------")
# 10.对9中输出的那四个元素，每个都加上10，然后重新输出矩阵a.(提示： a[np.arange(4), b] += 10 ）
a[np.arange(4), b] += 10
print(a)
print("-----------numpy练习题 11-----------")
# 11.执行x = np.array([1, 2])，然后输出x的数据类型
x = np.array([1, 2])
print(x.dtype)
print("-----------numpy练习题 12-----------")
# 12.执行x = np.array([1.0, 2.0]) ，然后输出x的数据类类型
x = np.array([1.0, 2.0])
print(x.dtype)
print("-----------numpy练习题 13-----------")
# 13.执行x = np.array([[1, 2], [3, 4]], dtype=np.float64) ，y = np.array([[5, 6], [7, 8]], dtype=np.float64)，
# 然后输出 x + y, 和np.add(x, y)
x = np.array([[1, 2],
              [3, 4]],
             dtype=np.float64)
y = np.array([[5, 6],
              [7, 8]],
             dtype=np.float64)
print(x + y)
print(np.add(x, y))
print("-----------numpy练习题 14-----------")
# 14.利用13题目中的x, y输出x - y和np.subtract(x, y)
print(x - y)
print(np.subtract(x, y))
print("-----------numpy练习题 15-----------")
# 15.利用13题目中的x，y输出x * y, 和np.multiply(x, y)还有np.dot(x, y), 比较差异。然后自己换一个不是方阵的试试。
print(x * y)
print(np.multiply(x, y))
print(np.dot(x, y))
# np.multiply()：数组和矩阵对应位置相乘，输出与相乘数组/矩阵大小一致。
# np.dot():执行矩阵乘法运算，若秩为1，则执行对应位置相乘再相加。
print("-----------numpy练习题 16-----------")
# 16.利用13题目中的x, y, 输出x / y.(提示 ： 使用函数np.divide())
print(x / y)
print(np.divide(x, y))
print("-----------numpy练习题 17-----------")
# 17.利用13题目中的x, 输出x的开方。(提示： 使用函数 np.sqrt() )
print(np.sqrt(x))
print("-----------numpy练习题 18-----------")
# 18.利用13题目中的x, y, 执行print(x.dot(y))和print(np.dot(x, y))
print(x.dot(y))
print(np.dot(x, y))
print("-----------numpy练习题 19-----------")
# 19.利用13题目中的x, 进行求和。提示：输出三种求和
# (1)print(np.sum(x))
# (2)print(np.sum(x，axis = 0 ))
# (3)print(np.sum(x, axis=1))
print(np.sum(x))
print(np.sum(x, axis=0))  # 列求和
print(np.sum(x, axis=1))  # 行求和
print("-----------numpy练习题 20-----------")
# 20.利用13题目中的x, 进行求平均数
# 提示：输出三种平均数
# (1)print(np.mean(x))
# (2)print(np.mean(x, axis=0))
# (3)print(np.mean(x, axis=1))
print(np.mean(x))
print(np.mean(x, axis=0))
print(np.mean(x, axis=1))
print("-----------numpy练习题 21-----------")
# 21.利用13题目中的x，对x进行矩阵转置，然后输出转置后的结果，（提示： x.T表示对x的转置）
print(x.T)
print("-----------numpy练习题 22-----------")
# 22.利用13题目中的x, 求e的指数（提示： 函数np.exp()）
print(np.exp(x))
print("-----------numpy练习题 23-----------")
# 23.利用13题目中的x, 求值最大的下标
# 提示
# (1)print(np.argmax(x)),
# (2)print(np.argmax(x, axis=0))
# (3)print(np.argmax(x, axis=1))
print(np.argmax(x))
print(np.argmax(x, axis=0))
print(np.argmax(x, axis=1))
print("-----------numpy练习题 24-----------")
# 24. 画图，y = x * x  其中x = np.arange(0, 100, 0.1) （提示这里用到matplotlib.pyplot库）
import matplotlib.pyplot as plt

x = np.arange(0, 100, 0.1)
y = x * x
plt.plot(x, y)
plt.show()
print("-----------numpy练习题 25-----------")
# 25.画图。画正弦函数和余弦函数， x = np.arange(0, 3 * np.pi, 0.1)(提示：这里用到np.sin()np.cos()函数和matplotlib.pyplot库)
x = np.arange(0, 3 * np.pi, 0.1)
y1 = np.sin(x)
y2 = np.cos(x)
plt.plot(x, y1)
plt.plot(x, y2)
plt.show()
print("-----------numpy练习题 END-----------")

 

执行结果：

-----------numpy练习题 1-----------
-----------numpy练习题 2-----------
type: <class 'numpy.ndarray'>
shape: (3,)
a[0]: 4
-----------numpy练习题 3-----------
shape: (2, 3)
b[0, 0], b[0, 1], b[1, 1]: 4 5 2
-----------numpy练习题 4-----------
[[0 0 0]
 [0 0 0]
 [0 0 0]]
[[1. 1. 1. 1. 1.]
 [1. 1. 1. 1. 1.]
 [1. 1. 1. 1. 1.]
 [1. 1. 1. 1. 1.]]
[[1. 0. 0. 0.]
 [0. 1. 0. 0.]
 [0. 0. 1. 0.]
 [0. 0. 0. 1.]]
[[0.8283075  0.7209645 ]
 [0.43251958 0.6822528 ]
 [0.15579525 0.8218743 ]]
-----------numpy练习题 5-----------
[[ 1  2  3  4]
 [ 5  6  7  8]
 [ 9 10 11 12]]
12 1
-----------numpy练习题 6-----------
[[3 4]
 [7 8]]
3
-----------numpy练习题 7-----------
[[ 5  6  7  8]
 [ 9 10 11 12]]
12
-----------numpy练习题 8-----------
[1 4 5]
-----------numpy练习题 9-----------
[ 1  6  7 11]
-----------numpy练习题 10-----------
[[11  2  3]
 [ 4  5 16]
 [17  8  9]
 [10 21 12]]
-----------numpy练习题 11-----------
int32
-----------numpy练习题 12-----------
float64
-----------numpy练习题 13-----------
[[ 6.  8.]
 [10. 12.]]
[[ 6.  8.]
 [10. 12.]]
-----------numpy练习题 14-----------
[[-4. -4.]
 [-4. -4.]]
[[-4. -4.]
 [-4. -4.]]
-----------numpy练习题 15-----------
[[ 5. 12.]
 [21. 32.]]
[[ 5. 12.]
 [21. 32.]]
[[19. 22.]
 [43. 50.]]
-----------numpy练习题 16-----------
[[0.2        0.33333333]
 [0.42857143 0.5       ]]
[[0.2        0.33333333]
 [0.42857143 0.5       ]]
-----------numpy练习题 17-----------
[[1.         1.41421356]
 [1.73205081 2.        ]]
-----------numpy练习题 18-----------
[[19. 22.]
 [43. 50.]]
[[19. 22.]
 [43. 50.]]
-----------numpy练习题 19-----------
10.0
[4. 6.]
[3. 7.]
-----------numpy练习题 20-----------
2.5
[2. 3.]
[1.5 3.5]
-----------numpy练习题 21-----------
[[1. 3.]
 [2. 4.]]
-----------numpy练习题 22-----------
[[ 2.71828183  7.3890561 ]
 [20.08553692 54.59815003]]
-----------numpy练习题 23-----------
3
[1 1]
[1 1]
-----------numpy练习题 24-----------
-----------numpy练习题 25-----------
-----------numpy练习题 END-----------

进程已结束,退出代码0