Educoder python NumPy基礎及取值操作 第3關：基礎操作

 題目鏈接：https://www.educoder.net/tasks/uwohnfelbk4j

• 任務描述
• 相關知識
  • 算術運算
  • 矩陣運算
  • 簡單統計
• 編程要求
• 測試說明

---

任務描述

本關任務：根據本關所學知識，補全右側代碼編輯器中缺失的代碼，完成程序的編寫並通過所有測試用例。

相關知識

爲了完成本關任務，你需要掌握：

• 算術運算；
• 矩陣運算；
• 簡單統計。

算術運算

如果想要對ndarray對象中的元素做elementwise(逐個元素地)的算術運算非常簡單，加減乘除即可。代碼如下：

1. import numpy as np
2.  
3. a = np.array([0, 1, 2, 3])
4.  
5. # a中的所有元素都加2，結果爲[2, 3, 4, 5]
6. b = a + 2
7.  
8. # a中的所有元素都減2，結果爲[-2, -1, 0, 1]
9. c = a - 2
10.  
11. # a中的所有元素都乘以2，結果爲[0, 2, 4, 6]
12. d = a * 2
13.  
14. # a中的所有元素都平方，結果爲[0, 1, 4, 9]
15. e = a ** 2
16.  
17. # a中的所有元素都除以2，結果爲[0, 0.5, 1, 1.5]
18. f = a / 2
19.  
20. # a中的所有元素都與2比，結果爲[True, True, False, False]
21. g = a < 2

矩陣運算

相同shape的矩陣A與矩陣B之間想要做elementwise運算也很簡單，加減乘除即可。代碼如下：

1. import numpy as np
2.  
3. a = np.array([[0, 1], [2, 3]])
4. b = np.array([[1, 1], [3, 2]])
5.  
6. # a與b逐個元素相加，結果爲[[1, 2], [5, 5]]
7. c = a + b
8.  
9. # a與b逐個元素相減，結果爲[[-1, 0], [-1, 1]]
10. d = a - b
11.  
12. # a與b逐個元素相乘，結果爲[[0, 1], [6, 6]]
13. e = a * b
14.  
15. # a的逐個元素除以b的逐個元素，結果爲[[0., 1.], [0.66666667, 1.5]]
16. f = a / b
17.  
18. # a與b逐個元素做冪運算，結果爲[[0, 1], [8, 9]]
19. g = a ** b
20.  
21. # a與b逐個元素相比較，結果爲[[True, False], [True, False]]
22. h = a < b

細心的同學應該發現了，*只能做elementwise運算，如果想做真正的矩陣乘法運算顯然不能用*。NumPy提供了@和dot函數來實現矩陣乘法。代碼如下：

1. import numpy as np
2.  
3. A = np.array([[1, 1], [0, 1]])
4. B = np.array([[2, 0], [3, 4]])
5.  
6. # @表示矩陣乘法，矩陣A乘以矩陣B，結果爲[[5, 4], [3, 4]]
7. print(A @ B)
8.  
9. # 面向對象風格，矩陣A乘以矩陣B，結果爲[[5, 4], [3, 4]]
10. print(A.dot(B))
11.  
12. # 面向過程風格，矩陣A乘以矩陣B，結果爲[[5, 4], [3, 4]]
13. print(np.dot(A, B))

簡單統計

有的時候想要知道ndarray對象中元素的和是多少，最小值是多少，最小值在什麼位置，最大值是多少，最大值在什麼位置等信息。這個時候可能會想着寫一個循環去遍歷ndarray對象中的所有元素來進行統計。NumPy爲了解放我們的雙手，提供了sum，min，max，argmin，argmax等函數來實現簡單的統計功能，代碼如下：

1. import numpy as np
2.  
3. a = np.array([[-1, 1, 2, 3], [4, 5, 6, 7], [8, 9, 10, 13]])
4.  
5. # 計算a中所有元素的和，結果爲67
6. print(a.sum())
7.  
8. # 找出a中最大的元素，結果爲13
9. print(a.max())
10.  
11. # 找出a中最小的元素，結果爲-1
12. print(a.min())
13.  
14. # 找出a中最大元素在a中的位置，由於a中有12個元素，位置從0開始計，所以結果爲11
15. print(a.argmax())
16.  
17. # 找出a中最小元素在a中位置，結果爲0
18. print(a.argmin())

有的時候，我們在統計時需要根據軸來統計。舉個例子，公司員工的基本工資，績效工資，年終獎的信息如下：

工號	基本工資	績效工資	年終獎
1	3000	4000	20000
2	2700	5500	25000
3	2800	3000	15000

這樣一個表格很明顯，可以用ndarray來存儲。代碼如下：

1. import numpy as np
2.  
3. info = np.array([[3000, 4000, 20000], [2700, 5500, 25000], [2800, 3000, 15000]])

info實例化之後就有了維度和軸的概念，很明顯info是個二維數組，所以它的維度是2。維度爲2換句話來說就是info有兩個軸：0號軸與1號軸（軸的編號從0開始算）。軸所指的方向如下圖所示：

如果想要統計下這3位員工中基本工資、績效工資與年終獎的最小值與最大值（也就是說分別統計出每一列中的最小與最大值）。我們可以沿着0號軸來統計。想要實現沿着哪個軸來統計，只需要修改axis即可，代碼如下：

1. import numpy as np
2.  
3. info = np.array([[3000, 4000, 20000], [2700, 5500, 25000], [2800, 3000, 15000]])
4.  
5. # 沿着0號軸統計，結果爲[2700, 3000, 15000]
6. print(info.min(axis=0))
7.  
8. # 沿着0號軸統計，結果爲[3000, 5500, 25000]
9. print(info.max(axis=0))

PS:當沒有修改axis時，axis的值默認爲None。意思是在統計時會把ndarray對象中所有的元素都考慮在內。

編程要求

根據提示，在右側編輯器Begin-End處補充代碼，根據測試用例的輸入，打印每行的最大值的位置。

• 具體要求請參見後續測試樣例。

請先仔細閱讀右側上部代碼編輯區內給出的代碼框架，再開始你的編程工作！

測試說明

平臺會對你編寫的代碼進行測試，對比你輸出的數值與實際正確的數值，只有所有數據全部計算正確才能進入下一關。

測試輸入：

[[0.2, 0.7, 0.1], [0.1, 0.3, 0.6]]

預期輸出：

[1 2]

開始你的任務吧，祝你成功！

import numpy as np
def get_answer(input_data):
    '''
    將ipnut_data轉換成ndarray後統計每一行中最大值的位置並打印
    :param input_data: 測試用例，類型爲list
    :return: None
    '''
    #********* Begin *********#
    print(np.array(input_data).argmax(axis=1))
    #********* End *********#