Python 练习题<1>

Python 练习题

练习一：假设有一组学生的考试成绩，存储在一个一维数组中。现在，需要将它们重新组织为不同班级的二维数组。

任务要求：

1、创建一个包含12名学生成绩的一维数组

import numpy as np

arr = np.random.randint(0, 100, (1, 12))

2、使用 reshape() 方法将一维数组重组为3x4的二维数组，同时修改第2个班级第1个学生的成绩，同时将修改后的二维数组和原来的一维数组打印出来。

3、使用 resize() 方法将一维数组重组为3x4的二维数组，同时修改第3个班级第2个学生的成绩，同时将修改后的二维数组和原来的一维数组打印出来。

import numpy as np
arr = np.random.randint(0, 100, (1, 12))
print("原始一维数组:")
print(arr)

arr_reshape = arr.reshape(3, 4)
arr_reshape[1, 0] = 99
print("\n 使用reshape修改后的二维数组:")
print(arr_reshape)
print("此时原始一维数组:")
print(arr)

arr_resize = arr.resize(3, 4)
arr[2, 1] = 88
print("\n使用resize修改后的二维数组:")
print(arr)
print("此时原始一维数组:")
print(arr)

练习二：假设有一个包含不同地区、不同月份的销售额数据的二维数组。

任务要求：

1、生成一个 4x6 的随机销售数据数组，表示 4 个地区在过去 6 个月的销售额（随机数值可以在 10 到 100 之间）。

import numpy as np

arr = np.random.randint(10, 100, (4, 6))

2、使用 ravel() 方法将二维数组按行展平为一维数组，然后修改第3个元素的值为99，最后，将展平数组和原来的二维数组打印出来。

3、使用 faltten() 方法将二维数组按列展平为一维数组，然后修改第3个元素的值为99，最后，将展平数组和原来的二维数组打印出来。

import numpy as np
arr2 = np.random.randint(10, 100, (4, 6))
print("原始一维数组:")
print(arr2)

ravel_arr2 = arr.ravel()
ravel_arr2[2] = 99
print("\n使用ravel展平后的一维数组:")
print(ravel_arr2)
print("修改后的原始二维数组:")
print(arr2)

arr2 = np.random.randint(10, 100, (4, 6))
flatten_arr2 = arr.flatten('F')
flatten_arr2[2] = 99
print("\n重新生成的原始二维数组:")
print(arr2)
print("\n使用flatten按列展平后的一维数组:")
print(flatten_arr2)
print("原始二维数组:")
print(arr2)

练习三：现在有一个 3x5 的二维数组，表示 3 个仓库在过去 5 个月的库存数据。

任务要求：

1、生成一个 3x5 的随机库存数据数组，表示 3 个仓库在过去 5 个月的库存量（库存数量在 50 到 500 之间）。

import numpy as np

arr = np.random.randint(50, 500, (3, 5))

2、分别计算每个仓库的总库存量、每个月的总库存量。

3、计算每个仓库库存的乘积。

4、计算所有仓库的平均库存量。

5、计算所有仓库的库存方差和标准差，判断库存波动情况。

import numpy as np
arr3 = np.random.randint(50, 500, (3, 5))
print("库存数据数据:")
print(arr3)

# 1.计算每个仓库的总库存量
warehouse_total = np.sum(arr3, axis = 1)
print("\n每个仓库的总库存量:")
print(warehouse_total)

# 每个月的总库存量
month_total = np.sum(arr, axis = 0)
print("每个月的总库存量:")
print(month_total)

# 3.计算每个仓库库存的乘积
warehouse_product = np.prod(arr3, axis=1)
print("\n每个仓库库存的乘积:")
print(warehouse_product)

# 4.计算所有仓库的平均库存量
average_stock = np.mean(arr3)
print("\n所有仓库的平均库存量")
print(average_stock)

# 5.计算所有仓库的库存方差和标准差
variance = np.var(arr3)
std_dev = np.std(arr3)
print("\n所有仓库的库存方差:")
print(variance)
print("\n所有仓库的库存标准差:")
print(std_dev)

# 判断库存波动情况
if std_dev < np.mean(arr3) * 0.3:
    print("库存波动较小，比较稳定")
else:
    print("库存波动较大，不太稳定")