6. 如何在不影响原始数组的情况下替换满足条件的元素项？
难度等级： L2
问题： 将arr中的所有奇数替换为-1，而不改变arr。
给定：
arr = np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
期望的输出：
out
# > array([ 0, -1, 2, -1, 4, -1, 6, -1, 8, -1])
arr
# > array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
答案：
arr = np.arange(10)
out = np.where(arr % 2 == 1, -1, arr)
print(arr)
out
# > [0 1 2 3 4 5 6 7 8 9]
array([ 0, -1, 2, -1, 4, -1, 6, -1, 8, -1])
15. 如何创建一个python函数来处理scalars并在numpy数组上工作？
难度等级： L2
问题： 转换适用于两个标量的函数maxx，以处理两个数组。
给定：
def maxx(x, y):
"""Get the maximum of two items"""
if x >= y:
return x
else:
return y
maxx(1, 5)
# > 5
期望的输出：
a = np.array([5, 7, 9, 8, 6, 4, 5])
b = np.array([6, 3, 4, 8, 9, 7, 1])
pair_max(a, b)
# > array([ 6., 7., 9., 8., 9., 7., 5.])
答案：
def maxx(x, y):
"""Get the maximum of two items"""
if x >= y:
return x
else:
return y
pair_max = np.vectorize(maxx, otypes=[float])
a = np.array([5, 7, 9, 8, 6, 4, 5])
b = np.array([6, 3, 4, 8, 9, 7, 1])
pair_max(a, b)
# > array([ 6., 7., 9., 8., 9., 7., 5.])
16. 如何交换二维numpy数组中的两列？
难度等级： L2
问题： 在数组arr中交换列1和2。
给定：
arr = np.arange(9).reshape(3,3)
arr
答案：
# Input
arr = np.arange(9).reshape(3,3)
arr
# Solution
arr[:, [1,0,2]]
# > array([[1, 0, 2],
# > [4, 3, 5],
# > [7, 6, 8]])
19. 如何反转二维数组的列？
难度等级： L2
问题： 反转二维数组arr的列。
给定：
# Input
arr = np.arange(9).reshape(3,3)
答案：
# Input
arr = np.arange(9).reshape(3,3)
# Solution
arr[:, ::-1]
# > array([[2, 1, 0],
# > [5, 4, 3],
# > [8, 7, 6]])
35. 如何从numpy数组中删除包含缺失值的行？
难度等级： L3:
问题： 选择没有任何nan值的iris_2d行。
给定：
# Input
url = 'https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data'
iris_2d = np.genfromtxt(url, delimiter=',', dtype='float', usecols=[0,1,2,3])
答案：
# Input
url = 'https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data'
iris_2d = np.genfromtxt(url, delimiter=',', dtype='float', usecols=[0,1,2,3])
iris_2d[np.random.randint(150, size=20), np.random.randint(4, size=20)] = np.nan
# Solution
# No direct numpy function for this.
# Method 1:
any_nan_in_row = np.array([~np.any(np.isnan(row)) for row in iris_2d])
iris_2d[any_nan_in_row][:5]
# Method 2: (By Rong)
iris_2d[np.sum(np.isnan(iris_2d), axis = 1) == 0][:5]
# > array([[ 4.9, 3. , 1.4, 0.2],
# > [ 4.7, 3.2, 1.3, 0.2],
# > [ 4.6, 3.1, 1.5, 0.2],
# > [ 5. , 3.6, 1.4, 0.2],
# > [ 5.4, 3.9, 1.7, 0.4]])
