NumPy数组的高级操作第二关

简介
NumPy(Numerical Python) 是 Python 语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。是在学习机器学习、深度学习之前应该掌握的一个非常基本且实用的Python库。

本实训将介绍NumPy的一些更高级的知识与使用方法。实训通关后你将学会NumPy的进阶使用技能，并为后续的综合练习部分打好基础。如果你对NumPy的基础知识不熟，可以看看这里。

PS：若需要更加详细的查阅NumPy所提供的接口，可以查阅官方文档。
任务描述
相关知识
比较
布尔数组作掩码
布尔逻辑
编程要求
任务描述
本关任务：编写一个能比较并筛选数据的程序。

相关知识
为了完成本关任务，你需要掌握：1. 如何对numpy进行比较运算；2. 如何使用逻辑数组。

比较
在许多情况下，数据集可能不完整或因无效数据的存在而受到污染。我们要基于某些准则来抽取、修改、计数或对一个数组中的值进行其他操作时，就需要掩码了。接下来将学习如何用布尔掩码来查看和操作数组中的值。

和算术运算符一样，比较运算符在numpy中也是通过通用函数来实现的。比较运算符和其对应的通用函数如下：

比较运算符通用函数
== np.equal
!= np.not_equal
< np.less
<= np.less_equal

np.greater
= np.greater_equal
这些比较运算符通用函数可以用于任意形状、大小的数组。示例如下：

data=np.array([(‘Alice’, 4, 40),(‘Bob’, 11, 85.5),(‘Cathy’, 7, 68.0),(‘Doug’, 9, 60)],dtype=[(“name”,“S10”),(“age”,“int”),(“score”,“float”)]) #构造结构化数组
print(data[“age”]<10)
‘’’
输出：array([ True, False, True, True])
‘’’
print(data[“score”]>60)
‘’’
输出:array([False, True, True, False])
‘’’
print(data[“score”]>=60)
‘’’
输出:array([False, True, True, True])
‘’’
print(data[“score”]<=60)
‘’’
输出:array([ True, False, False, True])
‘’’
print(data[“age”]!=9)
‘’’
输出:array([ True, True, True, False])
‘’’
print((data[“age”]/2)==(np.sqrt(data[“age”])))
‘’’
输出:array([ True, False, False, False])
‘’’
布尔数组作掩码
一种更加强大的模式是使用布尔数组作为掩码，通过该掩码选择数据的子数据集，实现一些操作：

data=np.array([(‘Alice’, 4, 40), (‘Bob’, 11, 85.5) ,(‘Cathy’, 7, 68.0),(‘Doug’, 9, 60)],dtype=[(“name”,“S10”),(“age”,“int”),(“score”,“float”)])
print(data)
‘’’
输出：[(b’Alice’, 4, 40. )
(b’Bob’, 11, 85.5)
(b’Cathy’, 7, 68. )
(b’Doug’, 9, 60. )]
‘’’
print(data[“score”]>60) #使用比较运算得的一个布尔数组
‘’’
输出:[False True True False]
‘’’
print(data[data[“score”]>60]) #进行简单的索引，即掩码操作将值为True的选出
‘’’
输出:[(b’Bob’, 11, 85.5) (b’Cathy’, 7, 68. )]
‘’’
布尔逻辑
结合Python的逐位逻辑运算符一起使用。逻辑运算符对应numpy中的通用函数如下表：

逻辑运算符通用函数
& np.bitwise_and
| np.bitwise_or
^ np.bitwise_xor
~ np.bitwise_not
print(np.count_nonzero(data[“age”]<10))#统计数组中True的个数
‘’’
输出:3
‘’’
#还可以用np.sum(),输出结果和count_nonzero一样,sum()的好处是可以沿着行或列进行求和
print(np.sum(data[“age”]<10))
print(np.any(data[“score”]<60))#是否有不及格的
‘’’
输出：True
‘’’
print(np.all(data[“age”]>10))#是否都大于10岁
‘’’
输出:False
‘’’
print(data[data[“age”]>10])#打印年龄大于10的信息
‘’’
输出：array([(b’Bob’, 11, 85.5)],
dtype=[(‘name’, ‘S10’), (‘age’, ‘<i4’), (‘score’, ‘<f8’)])
‘’’
编程要求
请在右侧编辑器Begin-End处补充代码，根据输入的数据筛选出大于num的值。

具体要求请参见后续测试样例。
请先仔细阅读右侧上部代码编辑区内给出的代码框架，再开始你的编程工作！
####测试说明
平台会对你编写的代码进行测试，对比你输出的数值与实际正确的数值，只有所有数据全部计算正确才能进入下一关。

测试输入：
[[ 3 ,15, 9 ,11 , 7],[ 2, 0 , 8, 19 ,16],[ 6 , 6, 16 , 9, 5],[ 7 , 5 , 2 , 6 ,13]] 10

预期输出：
[15 11 19 16 16 13]

import numpy as np
def student(num,input_data):
    result=[]
    # ********* Begin *********#
    input_data=np.array(input_data)
    result=input_data[input_data>num]
    # ********* End *********#
    return result

NumPy数组的高级操作第二关

猜你喜欢