【头歌】大数据分析及应用-NumPy中的聚合函数&NumPy数组排序及其结构化数组&NumPy通用函数

NumPy中的聚合函数

• 第1关：聚合函数

  import numpy as np
  
  data = eval(input())
  
  # 请在下面的Begin-End之间编写正确的代码
  ########## Begin ##########
  
  a=np.array(data)
  
  print('平均身高： '+str(np.mean(a)))
  
  print('最小身高： '+str(np.min(a)))
  print('最大身高： '+str(np.max(a)))
  print('25th percentile： '+str(np.percentile(a,25)))
  print('50th percentile： '+str(np.percentile(a,50)))
  print('75th percentile： '+str(np.percentile(a,75)))
  
  ########## End ##########

NumPy数组排序及其结构化数组

• 第1关：Numpy的排序和条件筛选

  import numpy as np
  def studen(input_data,num):
      '''
      将ipnut_data转换成ndarray后筛选出大于num的元素组成新的ndarray并排序
      :param input_data: 测试用例，类型为list
      :param num: 测试用例，类型为int
      :return: result，类型为ndarray
      '''
      result=[]
      #********* Begin *********#
      a=np.array(input_data)
      for i in a.flat:
          if(i>num):
              result.append(i)
      b=np.array(result)
      result=np.sort(b)
      #********* End *********#
      return  result

• 第2关 Numpy的结构化数组

  import numpy as np
  def studen(file_name):
      '''
      读取文件内容转换为结构化数组并筛选年龄在10岁之上的平均score
      :return: None
      '''
      # ********* Begin *********#
      data = np.genfromtxt(file_name, dtype=[("name","S10"),("age","int"),("score","float")])
  
      # 筛选年龄在10岁及以上的数据
      data = data[data['age'] > 10]
  
      # 计算平均分并保留一位小数
      avg_score = round(np.mean(data['score']), 1)
  
      print(avg_score)
  
      # ********* End *********#

NumPy通用函数

• 第1关：通用函数

  import numpy as np
  
  data1 = eval(input())     # 被除数
  data2 = eval(input())     # 除数
  
  # 请在下面的Begin-End之间编写正确的代码
  ########## Begin ##########
  n=np.shape(data1)[1]
  m=np.shape(data1)[0]
  y = np.zeros((m*2-1)*(n*2-1)).reshape(m*2-1,n*2-1)
  for i in range(0,m):
      np.floor_divide(data1[i],data2[i],out=y[i*2][::2])
  print(y)
  ########## End ##########