NumPy进阶修炼｜矩阵操作20题

大家好，又到了NumPy进阶修炼专题，其实已经断更很久了，那么在本文正式发布题目之前，先说下改动的地方，在以前的Pandas120题和NumPy热身20题中，我都是将我的答案附在每一题的后面?

这种形式的题目对于读者来说，尤其是新手朋友们，很容易被我的思路带进去，实际上不论我的pandas还是numpy的习题，每一题都有多种解法，并且我的解法有时也并不是最佳方法，所以为了让大家多一点自己思考的时间，在numpy以及后面的其他系列习题中，我将换一种方式整理习题?

就像上图一样，我将同时发布两个Notebook版本习题，一份习题单独版，一份带有我的答案的单独版本，大家可以先试着在只有习题的版本中思考，写代码，并与我的答案对比，也欢迎给我提交不一样的答案！

好了，废话不多说，我们来看今天的20题，主要将涉及到用NumPy对矩阵的一些操作！

21 数据创建

题目：创建主对角线都是5的5x5矩阵

难度：⭐

答案

result = np.diag([5,5,5,5,5])

22 数据修改

题目：交换第一列与第二列

难度：⭐⭐

答案

a = result[:, [1,0,2,3,4]]

23 数据修改

题目：交换第一行与第二行

难度：⭐⭐

答案

result[result % 2 == 1] = 666

24 数据查看

题目：判断两个矩阵是否有任何元素不同

难度：⭐⭐

答案

print((a == b).all())

25 数据计算

题目：计算两个矩阵不同元素的个数

难度：⭐⭐

答案

len(np.argwhere(a != b))

26 数据查看

题目：找到两个矩阵不同元素的位置

难度：⭐⭐

答案

np.argwhere(a != b)

27 数据计算

题目：对a和b做矩阵乘法

难度：⭐⭐

答案

np.dot(a,b)

28 数据计算

题目：计算a和b对应元素相乘

难度：⭐⭐

答案

print(np.multiply(a,b))
print('========方法2========')
print(a * b) #方法2

29 数据计算

题目：计算行列式(使用21题生成的矩阵)

难度：⭐⭐

答案

np.linalg.det(result)

30 数据计算

题目：矩阵求逆(使用21题生成的矩阵)

难度：⭐⭐

答案

np.linalg.inv(result)

31 数据计算

题目：将22与23题生成的np.array对象修改为np.matrix对象

难度：⭐⭐

答案

a = np.matrix(a)
b = np.matrix(b)

32 数据计算

题目：计算上一题生成的两个np.matrix格式矩阵的对应元素乘积（对比异同）

难度：⭐⭐

答案

np.multiply(a,b)

33

数据计算

题目：对31题生成的两个np.matrix格式矩阵做矩阵乘法（对比异同）

难度：⭐⭐

答案

a * b

34 数据计算

题目：将ab两个矩阵按照行拼接

难度：⭐⭐

答案

np.hstack((a,b))

35 数据计算

题目：将ab两个矩阵按照列拼接

难度：⭐⭐

答案

np.vstack((a,b))

36 数据计算

题目：思考下面代码运行后new的结果

难度：⭐⭐⭐

答案

new = np.pad(result,pad_width = 1,constant_values=1)

37 数据查找

题目：找到new中大于1的元素的位置

难度：⭐⭐

答案

np.argwhere(new > 1)

38 数据修改

题目：将new中大于1的元素修改为8

难度：⭐⭐

答案

new[new > 1] = 8

39 数据计算

题目：对new矩阵按列求和

难度：⭐⭐

答案

np.sum(new, 0)

40

数据计算

题目：对new矩阵按行求和

难度：⭐⭐

答案

np.sum(new, 1)

以上就是本期20题的全部内容，你可以在后台回复NumPy来获取Notebook的两种版本习题练习，其实NumPy中的操作没有Pandas中的多变，所以全部大概在100题左右，差不多已经整理完毕。本文主要目的就是说一下新版的变化，如果你也喜欢这种形式的习题可以给我点个在看，我们下期见。

注：我未授权任何人在微信公众号之外的平台发布Pandas和NumPy系列文章，但近期在其他网站发现有人搬运相关习题甚至标记为原创，如有读者发现这种情况可以点击举报并联系我，希望大家能够尊重原创，谢谢！