练习题1: 数组的创建 创建一个包含10个元素的数组，数组的起始值为1，步长为2。 创建一个包含5个元素的等差数列，数组的起始值为0，终止值为2π（圆周率的两倍） 生成5行4列的随机整数，范围在100到300之间

练习题1涉及到数组的创建和数值生成：

1. **创建一个包含10个元素的数组，数组的起始值为1，步长为2**:
可以使用循环和递增操作来实现这个数组，例如在Python中：

arr = [1 + i * 2 for i in range(10)]

这将得到一个从1开始，每次增加2的数组。

2. **创建一个包含5个元素的等差数列，数组的起始值为0，终止值为2π（约6.283）**:
如果你想精确到小数点后三位，可以使用`math.pi`来获取π的值，并调整范围：

import math
start_value = 0
end_value = 2 * math.pi
steps = 5
arr = [start_value + (i / (steps - 1)) * (end_value - start_value) for i in range(steps)]

3. **生成5行4列的随机整数，范围在100到300之间**:
Python中的`numpy`库适合这种任务，示例如下：

import numpy as np
matrix = np.random.randint(100, 301, size=(5, 4))

这会生成一个5行4列的矩阵，每个元素都在100到300的范围内。

相关问题

numpy 切片与索引 练习题

### 关于 NumPy 切片和索引的练习题

#### 示例一：基础切片操作
考虑创建一个简单的二维数组并执行基本的切片操作。

import numpy as np

n = np.arange(12).reshape((4, 3))
print("原始数组:")
print(n)

# 获取前两行的所有列
first_two_rows_all_columns = n[:2, :]
print("\n前两行的所有列:")
print(first_two_rows_all_columns)

此代码展示了如何通过指定起始位置、结束位置以及步长来选取特定范围内的元素[^2]。

#### 示例二：高级索引应用
下面的例子说明了更复杂的索引方式，比如按条件筛选数据点或访问不连续的位置。

import numpy as np

arr = np.array([[10, 20], [30, 40], [50, 60]])

# 使用布尔掩码进行过滤
mask = (arr % 2 == 0)
even_elements = arr[mask]

print("偶数值元素:")
print(even_elements)

# 访问非连续位置上的元素
indices_row = [0, 2]
indices_col = [0, 1]
selected_elements = arr[indices_row, indices_col]

print("\n选定行列交叉处的元素:")
print(selected_elements)

上述例子中不仅包含了基于逻辑运算符构建的布尔型索引来挑选符合条件的数据项，还涉及到了利用列表形式给出的具体下标来进行多维空间内任意坐标的定位。

#### 示例三：广播机制下的赋值操作
当涉及到不同形状之间的算术计算时，“广播”这一特性允许较小维度的对象自动扩展到匹配较大对象尺寸的程度以便完成相应处理过程。这里展示了一个简单案例，在其中向量被加到矩阵上每一个对应位置上去形成新的结果集。

import numpy as np

matrix = np.ones((3, 3)) * 5    # 创建一个全为5的3x3矩阵
vector = np.array([1, 2, 3])     # 定义一个长度为3的一维数组

result = matrix + vector         # 应用了广播原则后的相加操作

print("原矩阵加上向量的结果如下所示:")
print(result)

在这个实例里可以看到即使两者之间存在明显的结构差异——一个是三维表而另一个则是线性序列；但由于遵循着相同的规则所以仍然能够顺利完成预期的任务目标[^1]。