Это старая версия Информатика/Архив/2017/11Б1/numpy за 28.12.2016 12:30:54.

numpy

Во-первых, нужно установить сборку питона под названием анаконда с сайта https://www.continuum.io/downloads
(брать версию для python 3.5, версию для x64, если у вас 64-х битная ось)


Во-вторых, рекомендуется переходить на IDE PyCharm, который имеет достаточно много фич, которые нам будут удобны.
Основные — это большое количество подсказок в процессе написания кода.
Основные hot key:
Ctrl+Alt+E — выполнить выделенный код в консоли
Shift+Ctrl+F10 — запустить текущий скрипт целиком в отдельном процессе


Ссылки по теме:
Если вы знаете английски, то лучше всего подойдёт оригинальный tutorial: https://docs.scipy.org/doc/num[..]user/quickstart.html


Иначе можно начать со странички https://pythonworld.ru/numpy/1.html



Задачи

01. Массив нулей

На вход даётся число n. Выведите массив нулей n на n

02. Числа на диагонали

На вход даётся число n. Выведите массив размера n на n,
в котором по диагонали идут числа 0 до n-1, а остальные числа равны 0

03. Числа в нулевой строке

На вход даётся число n. Выведите массив размера n на n,
в котором в первой строчке идут числа от 0 до n-1, а остальные числа равны 0

04. Сбитый прицел

На вход даётся числа n, r, c. Выведите массив размера n на n, в котором
в строке r и столбце c стоят 1, а остальные числа равны 0

05. Почётные единицы

На вход даётся число n. Выведите массив размера n на n,
в котором в чётных строчках стоят 1, а в нечётных
нули

06. Решето

На вход даётся числа n, r, c. Выведите массив размера n на n, в котором
в котором в каждой R-ой строчке и в каждом C-ом столбце стоят 1

07. Шахматы единиц

На вход даётся число n. Выведите массив размера n на n,
имеющий вид шахматной доски.

08. Разлиновка

На вход даётся число n. В следующей строке идёт несколько чисел. Выведите массив размера n на n,
в котором в строках с перечисленными выше индексами стоят 1.

09. Порядок индексов

Даны числа w и h 
ширина и высота картинки в пикселях.
Создайте подходящий массив, в котором можно хранить трёхцветную картинку данной ширины и высоты.
При этом данные в памяти должны храниться так, чтобы сначала шли три цвета одного пикселя,
затем цвета следующего пикселя в этой же строчке или первый пиксель из следующей строчки.

10. Картинки

Скачайте картинки: 30x60g и 30x60c. Прочитайте их в numpy-массив при помощи команд вида
from skimage import io
img = io.imread('30x60g.png')
Сохранять изменённые картинки можно при помощи команды
from skimage import io
io.imsave('res.png', img)
Извлеките из цветной картинки только зелёный слой и сохраните в отдельный файл.

11. Состыковка

Состыкуйте две ч/б картинки так, чтобы получилась картинка 60х60, и 30х120. Сохраните их в отдельные файлы.
Сделайте то же самое с цветными картинками.

12. Вставка

Добавьте в ч/б картинку по центру белую вертикальную полосу шириной в 10 пикселей. Сохраните картинку в отдельный файл.
Добавьте ещё и горизонтальную серую полосу.
Теперь в цветную картинку добавьте зелёную вертикальную полосу и красную горизонтальную (каждую по центру, шириной 10 пикселей)

13. Удаление

Удалите из картинок центральную полосу шириной в 10 пикселей (всё аналогично 12-й задаче).

14. Отрезок

Создайте белую картинку 100х100 пикселей.
Проведите на ней отрезок из точки (x1,y1) в точку (x2,y2).
Сохраните картинку в файл (или нагуглите, как её показать прямо из программы).

15. Случайное подмножество строк

Дан массив размера HxW и число k.
Отберите случайные k строк из массива и сформируйте из них массив размера kxW.

16. Перемешать строки

Перемешайте случайным образом строки прямоугольного массива

17. Индекс в массиве

Дан массив размерности (6,7,8). Каков индекс (x,y,z) сотого элемента?

18. Поменять знак

Дан массив, поменять знак у элементов, значения которых между 3 и 8

19. Заменить все максимумы

Дан массив. Заменить все значения, равные максимальному, на -1.

20. Ближайшее

Найти ближайшее к заданному значению число в заданном массиве

21. Сортировка

Отсортировать данный линейный массив

22. argsort

Для каждого элемента данного линейного массива найдите позицию, на которую он попадёт, если массив отсортировать

23. argsort – 2

Даны три линейных массива длины N. В первом массиве хранятся стоимости брусков, во втором – длины, а в третьем – массы. Отсортируйте массивы так, чтобы данные по брускам шли в порядке возрастания стоимости.

24. Нормировка

Дан массив действительных чисел. Отнормируйте (X -> aX+b) его так, чтобы все числа лежали на отрезке [0,1] и значения 0 и 1 принимались. Гарантируется, что в массиве есть хотя бы два различных числа.


matplotlib


Основным материалом будет следующий ресурс: http://nbviewer.jupyter.org/gi[..]_python/tree/master/


Задача 1

Глобальная задача: увидеть, что в питоне для умножения больших чисел используется алгоритм Карацубы, а также получить практически его асимптотику.
Должен получиться график в духе такого:


py vs gmp 2


Задача 2

Ирисы Фишера
from sklearn import datasets
# После этой команды будет загружен словарь (выполнить один раз)
iris = datasets.load_iris()


# Сохраняем данные на компьютер (выполнить один раз)
# data, target, feature_names, target_names = iris['data'], iris['target'], iris['feature_names'], iris['target_names']
# with open(r'M:\np_basic\iris.dump', 'wb') as f:
# pickle.dump((data, target, feature_names, target_names), f)


# Загрузка данных из сохранённого дампа
with open(r'M:\np_basic\iris.dump', 'rb') as f:

(data, target, feature_names, target_names) = pickle.load(f)


Задача 3

Титаник


Данные:
file:/titanic_train.csv


import numpy as np
import pandas as pd
titanic_df = pd.read_csv("titanic_train.csv")
# Вектор ответов
y_train = titanic_df['Survived'].as_matrix()
# Удаляем ненужные столбцы
titanic_df.drop(['PassengerId','Name','Ticket','Survived'], axis=1, inplace=True)
# Данные
columns = titanic_df.columns
x_train = titanic_df.as_matrix()


Описание столбцов:


  • PassengerId — идентификатор пассажира
  • Survival — поле в котором указано спасся человек (1) или нет (0)
  • Pclass — содержит социально-экономический статус:
    • высокий
    • средний
    • низкий
  • Name — имя пассажира
  • Sex — пол пассажира
  • Age — возраст
  • SibSp — содержит информацию о количестве родственников 2-го порядка (муж, жена, братья, сетры)
  • Parch — содержит информацию о количестве родственников на борту 1-го порядка (мать, отец, дети)
  • Ticket — номер билета
  • Fare — цена билета
  • Cabin — каюта
  • Embarked — порт посадки
    • C — Cherbourg
    • Q — Queenstown
    • S — Southampton




Для kaggle:
file:/titanic_test.csv


test_df = pd.read_csv("train.csv")
# Сохраняем ID пассажиров
PassengerIds = test_df['PassengerId'].as_matrix()
# Удаляем ненужные столбцы
test_df.drop(['PassengerId','Name','Ticket','Survived'], axis=1, inplace=True)
# Делаем предсказание
y_pred = np.zeros_like(PassengerIds)
# Генерим ответ
submission = pd.DataFrame({"PassengerId": PassengerIds, "Survived": y_pred})
submission.to_csv('titanic_submission.csv', index=False)