习题2.1 ndarray 快速入门
这里是2.1节的习题。我们先在这里import所有需要用到的库。
import numpy as np
import pandas as pd
arr1 = np.load("data/1-task-arr1.npy")
arr2 = np.load("data/1-task-arr2.npy")
iris_df = pd.read_csv("data/iris.csv")
基础练习
- 请创建形状为
(3, 4, 5)的全0，全1，全2 数组.
# 请在这里输入你的代码
- 请创建长度为16的一维数组，其中数据为 24,22,20,18...,-6.
# 请在这里输入你的代码
- 请获取数组
arr1的维度、形状与类型.
# 请在这里输入你的代码
- 请获取
arr2的简略字符串与详细字符串.
# 请在这里输入你的代码
- 请计算将
arr2中的每个元素加100的平方根后的数组, 并求出它的最大值、均值与标准差.
# 请在这里输入你的代码
- 请遍历
arr2中的所有元素并存储到一个集合set中.
# 请在这里输入你的代码
- 请获取一个数值为1 ~ 9 ,形状为 (3, 3)的数组，将其存储至
arr3中.
# 请在这里输入你的代码
- 请计算
arr2与arr3在第一个轴上的堆叠，arr2在arr3之前.
# 请在这里输入你的代码
实战演练
这里我们使用了经典的鸢尾花数据集（Iris Dataset）。已知数组iris_arr存储的是iris_df的特征，即其中第2-5列的数据(按照顺序)，数组iris_index存储的是这四列的名称，iris_target存储的是目标特征，即species列中的数据。请完成下述问题。
iris_arr = iris_df.to_numpy()[:,1:5]
iris_index = iris_df.columns[1:5].to_list().copy()
iris_target = iris_df.to_numpy()[:, 5].copy()
iris_df.head()
| Unnamed: 0 | sepal_length | sepal_width | petal_length | petal_width | species | |
|---|---|---|---|---|---|---|
| 0 | 0 | 5.1 | 3.5 | 1.4 | 0.2 | Iris-setosa |
| 1 | 1 | 4.9 | 3.0 | 1.4 | 0.2 | Iris-setosa |
| 2 | 2 | 4.7 | 3.2 | 1.3 | 0.2 | Iris-setosa |
| 3 | 3 | 4.6 | 3.1 | 1.5 | 0.2 | Iris-setosa |
| 4 | 4 | 5.0 | 3.6 | 1.4 | 0.2 | Iris-setosa |
- 请计算每个特征的均值和方差
# 请在这里输入你的代码
- 请将
iris数据标准化（均值为0，方差为1）
# 请在这里输入你的代码
- 请计算每个类别的平均特征值
# 请在这里输入你的代码
# 提示：可以通过np.unique(arr)获取所有不同的值