1. 数组创建与基本操作

题目1： 创建一个5x5的数组，所有元素都是0，并命名为zero_array。

import numpy as np zero_array = np.zeros((5, 5)) 

题目2： 创建一个包含1到10的数组，并命名为sequence_array。

sequence_array = np.arange(1, 11) 

题目3： 创建一个3x3的单位矩阵，并命名为identity_matrix。

identity_matrix = np.eye(3) 

2. 数组索引与切片

题目4： 从sequence_array中获取元素5和7。

element_5 = sequence_array[4] # Python中索引从0开始 element_7 = sequence_array[6] 

题目5： 从zero_array中获取第二行第三列的元素。

element_23 = zero_array[1, 2] 

题目6： 从zero_array中获取左上角的2x2子数组。

sub_array = zero_array[:2, :2] 

3. 数组形状与类型

题目7： 获取zero_array的形状。

shape_zero_array = zero_array.shape 

题目8： 将sequence_array的元素类型转换为浮点数。

sequence_array_float = sequence_array.astype(float) 

4. 数组运算

题目9： 计算sequence_array和其自身相加的结果。

sum_array = sequence_array + sequence_array 

题目10： 计算sequence_array的平方。

squared_array = sequence_array ** 2 

题目11： 计算矩阵identity_matrix与自身相乘的结果。

identity_matrix_squared = np.dot(identity_matrix, identity_matrix) 

5. 数组函数

题目12： 计算数组sequence_array的最大值和最小值。

max_value = sequence_array.max() min_value = sequence_array.min() 

题目13： 计算数组sequence_array的平均值。

mean_value = sequence_array.mean() 

题目14： 计算数组sequence_array的中位数。

median_value = np.median(sequence_array) 

6. 数组操作

题目15： 创建一个包含随机数的3x3数组，并命名为random_array。

random_array = np.random.rand(3, 3) 

题目16： 将random_array中的所有元素乘以2。

random_array_doubled = random_array * 2 

题目17： 将random_array中的所有小于0.5的元素设置为0。

random_array_clipped = np.where(random_array < 0.5, 0, random_array) 

通过这些测试题，您可以检验自己对NumPy核心功能的掌握程度。在实际应用中，NumPy提供了更多高级功能，如线性代数运算、统计分析等，建议继续深入学习以充分利用其强大的功能。