神经网络与深度学习-练习1

#!/usr/bin/env python
# -*- coding: utf-8 -*-
# Created by xiaoqin00 on 2020/3/2

import numpy
# #创建一个数组，并初始化为[4,5,6]
# a=numpy.array([4,5,6])
# #输出a的数据类型
# print(a.dtype)
# #输出维度形状
# print(a.shape)
# #输出a的第一个元素
# print(a[0])

# #3.建立一个二维数组 b,初始化为 [ [4, 5, 6],[1, 2, 3]]
# b=numpy.array([[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）
# print(b.shape)
# print(b[0][0])
# print(b[0][1])
# print(b[1][1])

# #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.
# import numpy.matlib
# a=numpy.matlib.zeros([3,3],dtype=int)
# print(a)
# b=numpy.matlib.ones([4,5])
# print(b)
# c=numpy.matlib.empty([4,4])
# print(c)
# d=numpy.matlib.rand(3,2)
# print(d)

#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=numpy.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]])
# print(a)
# print(a[2][3])
# print(a[0][0])

#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])

#### 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[-2:,...]
# print(c)
# print(c[0][-1])

#### 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=numpy.array([[1, 2], [3, 4], [5, 6]])
# print(a[0,0])
# print(a[1,1])
# print(a[2,0])
# print(a[[0, 1, 2], [0, 1, 0]])

# 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=numpy.array([[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12]])
# print(a)
# print(a[[0,1,2,3],[0,2,0,1]])
# import numpy as np
# b = np.array([0, 2, 0, 1])
# print(a[np.arange(4), b])
# # 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)
# a[[0,1,2,3],[0,2,0,1]]+=10
# print(a)

# 11. 执行 x = np.array([1, 2])，然后输出 x 的数据类型
# x=numpy.array([1,2])
# print(x.dtype)
# 12.执行 x = np.array([1.0, 2.0]) ，然后输出 x 的数据类类型
import numpy as np
# x = np.array([1.0, 2.0])
# print(x.dtype)

# 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))
# # 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))
# # 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))
# # 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))
# 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))
# 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))
# 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))
# print(np.sum(x,axis=1))
# 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))
# 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)
# 22.利用13题目中的x,求e的指数（提示： 函数 np.exp()）
# print(np.exp(x))
# 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))

# 24,画图，y=x*x 其中 x = np.arange(0, 100, 0.1) （提示这里用到 matplotlib.pyplot 库）
# x=np.arange(0,100,0.1)
# print(x)
# from matplotlib import pyplot as plt
# y=x*x
# plt.title("demo")
# plt.xlabel("x axis caption")
# plt.ylabel("y axis caption")
# plt.plot(x,y)
# plt.show()

# 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)
# from matplotlib import pyplot as plt
# x=np.arange(0,3*np.pi,0.1)
# print(x)
# y=np.sin(x)
# plt.title("demo")
# plt.xlabel('x')
# plt.ylabel('y')
# plt.plot(x,y)
# plt.show()
# y=np.cos(x)
# plt.title("demo")
# plt.xlabel('x')
# plt.ylabel('y')
# plt.plot(x,y)
# plt.show()