[Numpy] Numpy 문제 모음 정답 및 설명 (100 numpy exercises) - ing

1. np이름으로 numpy 패키지를 가져옵니다. (★☆☆)

import numpy as np

2.  numpy 버전과 구성을 출력합니다. (★☆☆)

print(np.__version__)
np.show_config()

3. 사이즈 10의 Null 벡터를 생성합니다. (★☆☆)

Z = np.zeros(10)
print(Z)

4. 모든 배열의 메모리 크기 찾기 (★☆☆)

Z = np.zeros((10,10))
print("%d bytes" % (Z.size * Z.itemsize))

5. 명령행에서 numpy add 기능의 설명서를 얻는 방법은 무엇입니까? (★☆☆)

%run `python -c "import numpy; numpy.info(numpy.add)"`

6. 크기 10의 Null 벡터를 생성하되, 다섯 번째 값인 1을 출력합니다. (★☆☆)

Z = np.zeros(10)
Z[4] = 1
print(Z)

7. 값이 10 ~ 49인 벡터를 만드세요 (★☆☆)

Z = np.arange(10,50)
print(Z)

8. 벡터를 반전하세요(첫 번째 요소가 마지막이 됨). (★☆☆)

Z = np.arange(50)
Z = Z[::-1]
print(Z)

9.  0 - 8 범위의 값을 사용하여 3x3 매트릭스 만들기(★☆☆)

Z = np.arange(9).reshape(3, 3)
print(Z)

10. [1,2,0,0,4,0]에서 0이 아닌 요소의 색인 찾기(★☆☆)

nz = np.nonzero([1,2,0,0,4,0])
print(nz)

11. 3x3 매트릭스 생성 (★☆☆)

Z = np.eye(3)
print(Z)

12. 랜덤 값이 있는 3x3x3 어레이 생성 (★☆☆)

Z = np.random.random((3,3,3))
print(Z)

13. 랜덤 값이 있는 10x10 배열을 만들고 최소값과 최대값을 찾기. (★☆☆)

Z = np.random.random((10,10))
Zmin, Zmax = Z.min(), Z.max()
print(Zmin, Zmax)

14. 30 크기의 랜덤 벡터를 만들고 평균 값 찾기 (★☆☆)

Z = np.random.random(30)
m = Z.mean()
print(m)

15. 경계가 1이고 내부가 0인 2차원 배열 만들기 (★☆☆)

Z = np.ones((10,10))
Z[1:-1,1:-1] = 0
print(Z)

16. 기존 어레이에 테두리를 0으로 채우는 방법 (★☆☆)

Z = np.ones((5,5))
Z = np.pad(Z, pad_width=1, mode='constant', constant_values=0)
print(Z)

# Using fancy indexing
Z[:, [0, -1]] = 0
Z[[0, -1], :] = 0
print(Z)

17. 어떤 결과가 나올지 생각해보기. (★☆☆)

0 * np.nan
np.nan == np.nan
np.inf > np.nan
np.nan - np.nan
np.nan in set([np.nan])
0.3 == 3 * 0.1

print(0 * np.nan)
print(np.nan == np.nan)
print(np.inf > np.nan)
print(np.nan - np.nan)
print(np.nan in set([np.nan]))
print(0.3 == 3 * 0.1)

18. 5x5 매트릭스 생성(대각선 바로 아래에 값 1,2,3,4를 사용). (★☆☆)

Z = np.diag(1+np.arange(4),k=-1)
print(Z)

19. 8x8 매트릭스를 만들어 체크보드 패턴으로 채우기 (★☆☆)

Z = np.zeros((8,8),dtype=int)
Z[1::2,::2] = 1
Z[::2,1::2] = 1
print(Z)

20. 100번째 원소의 색인(x,y,z)은 무엇입니까(형상 배열(6,7,8)을 고려하시오)?

print(np.unravel_index(99,(6,7,8)))

21. 타일 함수를 사용하여 체크보드 8x8 매트릭스 만들기(★☆☆)

Z = np.tile( np.array([[0,1],[1,0]]), (4,4))
print(Z)

22. 5x5 랜덤 행렬 정규화하기 (★☆☆)

Z = np.random.random((5,5))
Z = (Z - np.mean (Z)) / (np.std (Z))
print(Z)

23. 색상을 4바이트(RGBA)로 나타내는 사용자 지정 dtype 생성하세요 (★☆☆)

color = np.dtype([("r", np.ubyte, 1),
                  ("g", np.ubyte, 1),
                  ("b", np.ubyte, 1),
                  ("a", np.ubyte, 1)])

24. 5x3 매트릭스에 3x2 매트릭스를 곱합니다. (★☆☆)

Z = np.dot(np.ones((5,3)), np.ones((3,2)))
print(Z)

Z = np.ones((5,3)) @ np.ones((3,2))
print(Z)

25.  1차원 배열이 주어지면 3과 8 사이의 모든 요소를 부정하기. (★☆☆)

Z = np.arange(11)
Z[(3 < Z) & (Z < 8)] *= -1
print(Z)

26. 아래의 스크립트의 결과물을 예측하세요. (★☆☆)

print(sum(range(5),-1))
from numpy import *
print(sum(range(5),-1))

print(sum(range(5),-1))
from numpy import *
print(sum(range(5),-1))

27. 이 표현들 중 어느 것이 맞는 표현인가요(정수 벡터 Z를 생각)? (★☆☆)

Z**Z
2 << Z >> 2
Z <- Z
1j*Z
Z/1/1
Z<Z>Z

28. 다음 표현식의 결과는 무엇입니까?

np.array(0) / np.array(0)
np.array(0) // np.array(0)
np.array([np.nan]).astype(int).astype(float)

print(np.array(0) / np.array(0))
print(np.array(0) // np.array(0))
print(np.array([np.nan]).astype(int).astype(float))

29. 실수형 배열 0에서 반올림하는 방법 (★☆☆)

Z = np.random.uniform(-10,+10,10)
print(np.copysign(np.ceil(np.abs(Z)), Z))

# More readable but less efficient
print(np.where(Z>0, np.ceil(Z), np.floor(Z)))

30. 두 어레이 간의 공통 값을 찾는 방법 (★☆☆)

Z1 = np.random.randint(0,10,10)
Z2 = np.random.randint(0,10,10)
print(np.intersect1d(Z1,Z2))

31. 모든 numpy 경고를 무시하는 방법(권장하지 않음) (★☆☆)

# Suicide mode on
defaults = np.seterr(all="ignore")
Z = np.ones(1) / 0

# Back to sanity
_ = np.seterr(**defaults)

# Equivalently with a context manager
with np.errstate(all="ignore"):
    np.arange(3) / 0

32. 다음 표현이 사실인가요? (★☆☆)

np.sqrt(-1) == np.emath.sqrt(-1)

33. 어제, 오늘, 그리고 내일의 날짜를 알아보는법 (★☆☆)

yesterday = np.datetime64('today') - np.timedelta64(1)
today     = np.datetime64('today')
tomorrow  = np.datetime64('today') + np.timedelta64(1)

34.  2016년 7월에 해당하는 모든 날짜를 어떻게 알 수 있을까요? (★★☆)

Z = np.arange('2016-07', '2016-08', dtype='datetime64[D]')
print(Z)

35. (A+B)*(-A/2)를 제 자리에서 계산하는 방법(복사본 없이) (★★☆)

A = np.ones(3)*1
B = np.ones(3)*2
C = np.ones(3)*3
np.add(A,B,out=B)
np.divide(A,2,out=A)
np.negative(A,out=A)
np.multiply(A,B,out=A)

36. 4가지 다른 방법을 사용하여 양수 배열의 정수 부분 추출하기 (★★☆)

Z = np.random.uniform(0,10,10)

print(Z - Z%1)
print(Z // 1)
print(np.floor(Z))
print(Z.astype(int))
print(np.trunc(Z))

37. 행 값이 0~4인 5x5 매트릭스 만들기 (★★☆)

Z = np.zeros((5,5))
Z += np.arange(5)
print(Z)

38. 10개의 정수를 생성하고 이를 사용하여 배열을 만드는 함수를 구현하시오. (★☆☆)

def generate():
    for x in range(10):
        yield x
Z = np.fromiter(generate(),dtype=float,count=-1)
print(Z)

39. 0에서 1 사이의 값으로 크기 10의 벡터를 만듭니다(둘 다 제외). (★★☆)

Z = np.linspace(0,1,11,endpoint=False)[1:]
print(Z)

40. 크기 10의 랜덤 벡터를 만들어 정렬합니다. (★★☆)

Z = np.random.random(10)
Z.sort()
print(Z)

41. np.sum보다 1차원 배열을 더 빨리 합하는 방법 (★★☆)

Z = np.arange(10)
np.add.reduce(Z)

42. 두 개의 랜덤 배열 A와 B를 고려하여 같은지 확인합니다. (★★☆)

A = np.random.randint(0,2,5)
B = np.random.randint(0,2,5)

# Assuming identical shape of the arrays and a tolerance for the comparison of values
equal = np.allclose(A,B)
print(equal)

# Checking both the shape and the element values, no tolerance (values have to be exactly equal)
equal = np.array_equal(A,B)
print(equal)

43. 배열을 불변으로 만듭니다(읽기 전용). (★★☆)

Z = np.zeros(10)
Z.flags.writeable = False
Z[0] = 1

44. 데카르트 좌표를 나타내는 랜덤 10x2 행렬을 고려하여 극좌표로 변환합니다. (★★☆)

Z = np.random.random((10,2))
X,Y = Z[:,0], Z[:,1]
R = np.sqrt(X**2+Y**2)
T = np.arctan2(Y,X)
print(R)
print(T)

45. 크기 10의 랜덤 벡터를 만들고 최대값을 0으로 바꿉니다.(★★☆)

Z = np.random.random(10)
Z[Z.argmax()] = 0
print(Z)

46. [0,1]x[0,1] 영역을 포함하는 x 및 y 좌표로 구성된 배열 만들기 (★★☆)

Z = np.zeros((5,5), [('x',float),('y',float)])
Z['x'], Z['y'] = np.meshgrid(np.linspace(0,1,5),np.linspace(0,1,5))                     
print(Z)

47. X와 Y의 두 배열이 주어지면 Cauchy 행렬 C(Cij = 1/(xi - yj)를 구성합니다.

X = np.arange(8)
Y = X + 0.5
C = 1.0 / np.subtract.outer(X, Y)
print(np.linalg.det(C))

48.  각 numpy 스칼라 유형에 대해 표현 가능한 최소값과 최대값을 인쇄합니다. (★★☆)

for dtype in [np.int8, np.int32, np.int64]:
   print(np.iinfo(dtype).min)
   print(np.iinfo(dtype).max)
for dtype in [np.float32, np.float64]:
   print(np.finfo(dtype).min)
   print(np.finfo(dtype).max)
   print(np.finfo(dtype).eps)

49. 배열의 모든 값을 인쇄하는 방법 (★★☆)

np.set_printoptions(threshold=float("inf"))
Z = np.zeros((16,16))
print(Z)

50. 벡터에서 (특정 스칼라에) 가장 가까운 값을 찾는 방법 (★★☆)

Z = np.arange(100)
v = np.random.uniform(0,100)
index = (np.abs(Z-v)).argmin()
print(Z[index])

51. 위치(x,y)와 색상(r,g,b)을 나타내는 구조화된 배열을 만들기. (★★☆)

Z = np.zeros(10, [ ('position', [ ('x', float, 1),
                                  ('y', float, 1)]),
                   ('color',    [ ('r', float, 1),
                                  ('g', float, 1),
                                  ('b', float, 1)])])
print(Z)

52. 점 거리별 점 찾기(좌표를 나타내는 형상(100,2)이 있는 랜덤 벡터 고려) (★★☆)

Z = np.random.random((10,2))
X,Y = np.atleast_2d(Z[:,0], Z[:,1])
D = np.sqrt( (X-X.T)**2 + (Y-Y.T)**2)
print(D)

# Much faster with scipy
import scipy
# Thanks Gavin Heverly-Coulson (#issue 1)
import scipy.spatial

Z = np.random.random((10,2))
D = scipy.spatial.distance.cdist(Z,Z)
print(D)

53. 실수(32비트) 배열을 정수(32비트)로 변환하는 방법은 무엇입니까?

Z = (np.random.rand(10)*100).astype(np.float32)
Y = Z.view(np.int32)
Y[:] = Z
print(Y)

54. 다음 파일을 어떻게 읽습니까? (★★☆)

1, 2, 3, 4, 5 
6,  ,   ,  7, 8 
  ,  , 9,10, 11

from io import StringIO

# Fake file
s = StringIO('''1, 2, 3, 4, 5

                6,  ,  , 7, 8

                 ,  , 9,10,11
''')
Z = np.genfromtxt(s, delimiter=",", dtype=np.int)
print(Z)

55. 어레이에 대한 인덱스, 요소 구하기. (★★☆)

Z = np.arange(9).reshape(3,3)
for index, value in np.ndenumerate(Z):
    print(index, value)
for index in np.ndindex(Z.shape):
    print(index, Z[index])

56. 2차원 가우스 배열 만들기 (★★☆)

X, Y = np.meshgrid(np.linspace(-1,1,10), np.linspace(-1,1,10))
D = np.sqrt(X*X+Y*Y)
sigma, mu = 1.0, 0.0
G = np.exp(-( (D-mu)**2 / ( 2.0 * sigma**2 ) ) )
print(G)

57.  2차원 배열에 p 요소를 랜덤하게 배치하는 방법 (★★☆)

n = 10
p = 3
Z = np.zeros((n,n))
np.put(Z, np.random.choice(range(n*n), p, replace=False),1)
print(Z)

58.  행렬의 각 행의 평균을 출력 하는법. (★★☆)

X = np.random.rand(5, 10)

# Recent versions of numpy
Y = X - X.mean(axis=1, keepdims=True)

# Older versions of numpy
Y = X - X.mean(axis=1).reshape(-1, 1)

print(Y)

59.  배열을 n번째 열로 정렬하는 방법 (★★☆)

Z = np.random.randint(0,10,(3,3))
print(Z)
print(Z[Z[:,1].argsort()])

60. 주어진 2D 배열에 null 열이 있는지 확인하는 방법 (★★☆)

Z = np.random.randint(0,3,(3,10))
print((~Z.any(axis=0)).any())

61. 배열의 지정된 값에서 가장 가까운 값 찾기 (★★☆)

Z = np.random.uniform(0,1,10)
z = 0.5
m = Z.flat[np.abs(Z - z).argmin()]
print(m)

62. 반복문을 사용하여 합계를 계산하는 방법(형상 (1,3)과 (3,1)의 두 배열을 고려). (★★☆)

A = np.arange(3).reshape(3,1)
B = np.arange(3).reshape(1,3)
it = np.nditer([A,B,None])
for x,y,z in it: z[...] = x + y
print(it.operands[2])

63. 이름 속성을 가진 어레이 클래스 생성 (★★☆)

class NamedArray(np.ndarray):
    def __new__(cls, array, name="no name"):
        obj = np.asarray(array).view(cls)
        obj.name = name
        return obj
    def __array_finalize__(self, obj):
        if obj is None: return
        self.info = getattr(obj, 'name', "no name")

Z = NamedArray(np.arange(10), "range_10")
print (Z.name)

64. 주어진 벡터를 생각해 보자. 두 번째 벡터에 의해 인덱싱된 각 요소에 1을 추가하는 방법. (★★★)

Z = np.ones(10)
I = np.random.randint(0,len(Z),20)
Z += np.bincount(I, minlength=len(Z))
print(Z)

# Another solution
# Author: Bartosz Telenczuk
np.add.at(Z, I, 1)
print(Z)

65. 인덱스 목록(I)을 기준으로 배열(F)에 벡터(X) 요소를 누적하는 방법 (★★★)

X = [1,2,3,4,5,6]
I = [1,3,9,3,4,1]
F = np.bincount(I,X)
print(F)

66. (dtype = ubyte)의 (w,h,3) 이미지를 고려하여 고유 색상의 수를 계산합니다. (★★★)

w,h = 16,16
I = np.random.randint(0,2,(h,w,3)).astype(np.ubyte)
F = I[...,0]*256*256 + I[...,1]*256 +I[...,2]
n = len(np.unique(F))
print(np.unique(I))

67. 4차원 배열을 고려했을 때, 마지막 두 축에서 합계를 한 번에 얻는 방법은 무엇입니까? (★★★)

A = np.random.randint(0,10,(3,4,3,4))
# solution by passing a tuple of axes (introduced in numpy 1.7.0)
sum = A.sum(axis=(-2,-1))
print(sum)
# solution by flattening the last two dimensions into one
# (useful for functions that don't accept tuples for axis argument)
sum = A.reshape(A.shape[:-2] + (-1,)).sum(axis=-1)
print(sum)

68. 1차원 벡터 D를 고려했을 때, 부분 집합 지수를 설명하는 동일한 크기의 벡터 S를 사용하여 D의 부분 집합 평균을 계산하는 방법은 무엇인가? (★★★)

D = np.random.uniform(0,1,100)
S = np.random.randint(0,10,100)
D_sums = np.bincount(S, weights=D)
D_counts = np.bincount(S)
D_means = D_sums / D_counts
print(D_means)

# Pandas solution as a reference due to more intuitive code
import pandas as pd
print(pd.Series(D).groupby(S).mean())

69. 도트 제품의 대각선을 구하는 방법 (★★★)

A = np.random.uniform(0,1,(5,5))
B = np.random.uniform(0,1,(5,5))

# Slow version
np.diag(np.dot(A, B))

# Fast version
np.sum(A * B.T, axis=1)

# Faster version
np.einsum("ij,ji->i", A, B)

70. 벡터 [1, 2, 3, 4, 5]를 생각해 보십시오. 각 값 사이에 3연속 0이 인터리브된 새 벡터를 만드는 방법은 무엇입니까? (★★★)

Z = np.array([1,2,3,4,5])
nz = 3
Z0 = np.zeros(len(Z) + (len(Z)-1)*(nz))
Z0[::nz+1] = Z
print(Z0)

71. 차원 배열(5,5,3), 차원 배열(5,5)을 곱하는 방법을 고려하십시오. (★★★)

A = np.ones((5,5,3))
B = 2*np.ones((5,5))
print(A * B[:,:,None])

72. 배열의 두 행을 바꾸는 방법 (★★★)

A = np.arange(25).reshape(5,5)
A[[0,1]] = A[[1,0]]
print(A)

73. 10개의 삼각형(공유 꼭지점 포함)을 설명하는 10개의 세쌍둥이 집합을 고려합니다. 모든 삼각형을 구성하는 고유한 선 세그먼트 집합을 찾습니다. (★★★)

faces = np.random.randint(0,100,(10,3))
F = np.roll(faces.repeat(2,axis=1),-1,axis=1)
F = F.reshape(len(F)*3,2)
F = np.sort(F,axis=1)
G = F.view( dtype=[('p0',F.dtype),('p1',F.dtype)] )
G = np.unique(G)
print(G)

74. 빈 카운트에 해당하는 정렬된 배열 C가 주어진 경우 np.bincount(A) == C와 같은 배열 A를 생성하는 방법은 무엇입니까? (★★★)

C = np.bincount([1,1,2,3,4,4,6])
A = np.repeat(np.arange(len(C)), C)
print(A)

75. 배열 상의 슬라이딩 창을 사용하여 평균을 계산하는 방법은 무엇입니까? (★★★)

def moving_average(a, n=3) :
    ret = np.cumsum(a, dtype=float)
    ret[n:] = ret[n:] - ret[:-n]
    return ret[n - 1:] / n
Z = np.arange(20)
print(moving_average(Z, n=3))

76. 1차원 배열 Z를 고려하여 첫 번째 행이 (Z[0], Z[1], Z[2]인 2차원 배열을 만들고 그 다음 행이 1로 이동됩니다(마지막 행은 (Z[-3], Z[-2], Z[-1]). (★★★)

from numpy.lib import stride_tricks

def rolling(a, window):
    shape = (a.size - window + 1, window)
    strides = (a.itemsize, a.itemsize)
    return stride_tricks.as_strided(a, shape=shape, strides=strides)
Z = rolling(np.arange(10), 3)
print(Z)

77. 부울을 부정하는 방법 또는 부동 부호를 변경하는 방법 (★★★)

Z = np.random.randint(0,2,100)
np.logical_not(Z, out=Z)

Z = np.random.uniform(-1.0,1.0,100)
np.negative(Z, out=Z)

78. p에서 각 선(i)까지의 거리를 계산하는 방법은? (★★★)

def distance(P0, P1, p):
    T = P1 - P0
    L = (T**2).sum(axis=1)
    U = -((P0[:,0]-p[...,0])*T[:,0] + (P0[:,1]-p[...,1])*T[:,1]) / L
    U = U.reshape(len(U),1)
    D = P0 + U*T - p
    return np.sqrt((D**2).sum(axis=1))

P0 = np.random.uniform(-10,10,(10,2))
P1 = np.random.uniform(-10,10,(10,2))
p  = np.random.uniform(-10,10,( 1,2))
print(distance(P0, P1, p))

79. 각 점 j(P[j])에서 각 선 i(P0[i]까지의 거리를 계산하는 방법. (★★★)

P0 = np.random.uniform(-10, 10, (10,2))
P1 = np.random.uniform(-10,10,(10,2))
p = np.random.uniform(-10, 10, (10,2))
print(np.array([distance(P0,P1,p_i) for p_i in p]))

80.  임의 배열을 고려하여 지정된 요소(필요한 경우 채우기 값을 가진 패드)를 중심으로 하위절 추출 기능을 작성합니다. (★★★)

Z = np.random.randint(0,10,(10,10))
shape = (5,5)
fill  = 0
position = (1,1)

R = np.ones(shape, dtype=Z.dtype)*fill
P  = np.array(list(position)).astype(int)
Rs = np.array(list(R.shape)).astype(int)
Zs = np.array(list(Z.shape)).astype(int)

R_start = np.zeros((len(shape),)).astype(int)
R_stop  = np.array(list(shape)).astype(int)
Z_start = (P-Rs//2)
Z_stop  = (P+Rs//2)+Rs%2

R_start = (R_start - np.minimum(Z_start,0)).tolist()
Z_start = (np.maximum(Z_start,0)).tolist()
R_stop = np.maximum(R_start, (R_stop - np.maximum(Z_stop-Zs,0))).tolist()
Z_stop = (np.minimum(Z_stop,Zs)).tolist()

r = [slice(start,stop) for start,stop in zip(R_start,R_stop)]
z = [slice(start,stop) for start,stop in zip(Z_start,Z_stop)]
R[r] = Z[z]
print(Z)
print(R)

81. 배열 R × [1,2,3,4,5,6,7,8,9,10,11,3,13,14]을 생성하는 방법을 고려하십시오. 배열 R × [[1,2,3,4,5], [3,4,6], [1,12,13,14], [1,12,13,14]. (★★★)

Z = np.arange(1,15,dtype=np.uint32)
R = stride_tricks.as_strided(Z,(11,4),(4,4))
print(R)

82. 행렬 순위 계산 (★★★)

Z = np.random.uniform(0,1,(10,10))
U, S, V = np.linalg.svd(Z) # Singular Value Decomposition
rank = np.sum(S > 1e-10)
print(rank)

83. 어레이에서 가장 빈번한 값을 찾는 방법

Z = np.random.randint(0,10,50)
print(np.bincount(Z).argmax())

84. 임의의 10x10 매트릭스에서 모든 연속 3x3 블록 추출 (★★★)

Z = np.random.randint(0,5,(10,10))
n = 3
i = 1 + (Z.shape[0]-3)
j = 1 + (Z.shape[1]-3)
C = stride_tricks.as_strided(Z, shape=(i, j, n, n), strides=Z.strides + Z.strides)
print(C)

85. Z[i,j] [ Z[j,i]와 같은 2D 어레이 하위 클래스 생성 (★★★)

class Symetric(np.ndarray):
    def __setitem__(self, index, value):
        i,j = index
        super(Symetric, self).__setitem__((i,j), value)
        super(Symetric, self).__setitem__((j,i), value)

def symetric(Z):
    return np.asarray(Z + Z.T - np.diag(Z.diagonal())).view(Symetric)

S = symetric(np.random.randint(0,10,(5,5)))
S[2,3] = 42
print(S)

86. 형상 모수(n,n)와 형상 모수(n,1)가 있는 p 벡터의 집합(n,1)을 고려합니다. p 매트릭스 제품의 합계를 한 번에 계산하는 방법은 무엇입니까? (결과 형상이 (n,1)임) (★★★)

p, n = 10, 20
M = np.ones((p,n,n))
V = np.ones((p,n,1))
S = np.tensordot(M, V, axes=[[0, 2], [0, 1]])
print(S)

# It works, because:
# M is (p,n,n)
# V is (p,n,1)

87. 블록 합을 얻는 방법(블록 크기는 4x4)인 16x16 어레이를 고려해 보십시오. (★★★)

Z = np.ones((16,16))
k = 4
S = np.add.reduceat(np.add.reduceat(Z, np.arange(0, Z.shape[0], k), axis=0),
                                       np.arange(0, Z.shape[1], k), axis=1)
print(S)

88. Numpy 어레이를 사용하여 Game of Life를 구현하는 방법 (★★★)

def iterate(Z):
    # Count neighbours
    N = (Z[0:-2,0:-2] + Z[0:-2,1:-1] + Z[0:-2,2:] +
         Z[1:-1,0:-2]                + Z[1:-1,2:] +
         Z[2:  ,0:-2] + Z[2:  ,1:-1] + Z[2:  ,2:])

    # Apply rules
    birth = (N==3) & (Z[1:-1,1:-1]==0)
    survive = ((N==2) | (N==3)) & (Z[1:-1,1:-1]==1)
    Z[...] = 0
    Z[1:-1,1:-1][birth | survive] = 1
    return Z

Z = np.random.randint(0,2,(50,50))
for i in range(100): Z = iterate(Z)
print(Z)

89. 배열의 가장 큰 값을 얻는 방법 (★★★)

Z = np.arange(10000)
np.random.shuffle(Z)
n = 5

# Slow
print (Z[np.argsort(Z)[-n:]])

# Fast
print (Z[np.argpartition(-Z,n)[:n]])

90. 임의의 수의 벡터가 주어지면 데카르트 제품(모든 항목의 모든 조합)을 작성합니다. (★★★)

def cartesian(arrays):
    arrays = [np.asarray(a) for a in arrays]
    shape = (len(x) for x in arrays)

    ix = np.indices(shape, dtype=int)
    ix = ix.reshape(len(arrays), -1).T

    for n, arr in enumerate(arrays):
        ix[:, n] = arrays[n][ix[:, n]]

    return ix

print (cartesian(([1, 2, 3], [4, 5], [6, 7])))

91. 일반 배열에서 레코드 배열을 만드는 방법 (★★★)

Z = np.array([("Hello", 2.5, 3),
              ("World", 3.6, 2)])
R = np.core.records.fromarrays(Z.T,
                               names='col1, col2, col3',
                               formats = 'S8, f8, i8')
print(R)

92. 큰 벡터 Z를 생각해보세요, 3가지 다른 방법을 사용하여 Z를 3의 힘으로 계산하세요. (★★★)

x = np.random.rand(int(5e7))

%timeit np.power(x,3)
%timeit x*x*x
%timeit np.einsum('i,i,i->i',x,x,x)

93. 형상 (8,3)과 (2,2)의 배열 A와 B를 두 개의 배열로 간주한다. B의 원소의 순서에 상관없이 B의 각 행의 원소가 포함된 A 행을 찾는 방법은? (★★★)

A = np.random.randint(0,5,(8,3))
B = np.random.randint(0,5,(2,2))

C = (A[..., np.newaxis, np.newaxis] == B)
rows = np.where(C.any((3,1)).all(1))[0]
print(rows)

94. 10x3 행렬을 고려하여 값이 동일하지 않은 행(예: [2,2,3])을 추출합니다. (★★★)

Z = np.random.randint(0,5,(10,3))
print(Z)
# solution for arrays of all dtypes (including string arrays and record arrays)
E = np.all(Z[:,1:] == Z[:,:-1], axis=1)
U = Z[~E]
print(U)
# soluiton for numerical arrays only, will work for any number of columns in Z
U = Z[Z.max(axis=1) != Z.min(axis=1),:]
print(U)

95. 인트의 벡터를 행렬 이항 표현으로 변환 (★★★)

I = np.array([0, 1, 2, 3, 15, 16, 32, 64, 128])
B = ((I.reshape(-1,1) & (2**np.arange(8))) != 0).astype(int)
print(B[:,::-1])

# Author: Daniel T. McDonald

I = np.array([0, 1, 2, 3, 15, 16, 32, 64, 128], dtype=np.uint8)
print(np.unpackbits(I[:, np.newaxis], axis=1))

96. 2차원 배열이 주어진 경우 고유 행을 추출하는 방법은 무엇입니까? (★★★)

Z = np.random.randint(0,2,(6,3))
T = np.ascontiguousarray(Z).view(np.dtype((np.void, Z.dtype.itemsize * Z.shape[1])))
_, idx = np.unique(T, return_index=True)
uZ = Z[idx]
print(uZ)

# Author: Andreas Kouzelis
# NumPy >= 1.13
uZ = np.unique(Z, axis=0)
print(uZ)

97. 2개의 벡터 A와 B를 고려하여 내부, 외부, 합계 및 다중 함수에 해당하는 einsum을 작성하십시오. (★★★)

A = np.random.uniform(0,1,10)
B = np.random.uniform(0,1,10)

np.einsum('i->', A)       # np.sum(A)
np.einsum('i,i->i', A, B) # A * B
np.einsum('i,i', A, B)    # np.inner(A, B)
np.einsum('i,j->ij', A, B)    # np.outer(A, B)

98. 2개의 벡터 A와 B를 고려하여 내부, 외부, 합계 및 다중 함수에 해당하는 einsum을 작성하십시오. (★★★)?

phi = np.arange(0, 10*np.pi, 0.1)
a = 1
x = a*phi*np.cos(phi)
y = a*phi*np.sin(phi)

dr = (np.diff(x)**2 + np.diff(y)**2)**.5 # segment lengths
r = np.zeros_like(x)
r[1:] = np.cumsum(dr)                # integrate path
r_int = np.linspace(0, r.max(), 200) # regular spaced path
x_int = np.interp(r_int, r, x)       # integrate path
y_int = np.interp(r_int, r, y)

99. 정수 n과 2D 배열 X가 주어진 경우, n도의 다항 분포에서 추출한 것으로 해석할 수 있는 행, 즉 정수만 포함하는 행과 n의 합을 X에서 선택합니다. (★★★)

X = np.asarray([[1.0, 0.0, 3.0, 8.0],
                [2.0, 0.0, 1.0, 1.0],
                [1.5, 2.5, 1.0, 0.0]])
n = 4
M = np.logical_and.reduce(np.mod(X, 1) == 0, axis=-1)
M &= (X.sum(axis=-1) == n)
print(X[M])

100. 1차원 배열 X의 평균에 대해 부트스트랩 95% 신뢰 구간 계산(즉, 배열 요소를 대체 N번으로 다시 표본 추출, 각 표본의 평균 계산, 평균에 대한 백분위수 계산) (★★★)

X = np.random.randn(100) # random 1D array
N = 1000 # number of bootstrap samples
idx = np.random.randint(0, X.size, (N, X.size))
means = X[idx].mean(axis=1)
confint = np.percentile(means, [2.5, 97.5])
print(confint)