假设有一张成绩表记录了10名学生的语文、数学、英语、生物、历史这5门课的成绩,成绩范围均为50~100分。10名学生的学号分别为100、101、102、103、104、105、106、107、108、109。利用 numpy.完成一下操作: (1)使用随机数模拟学生成绩,并存储在数组中。 (2)查询学号为105的学生的英语成绩。 (3)查询学号为100、102、105、109的4位学生的语文、数学和英语成绩。
时间: 2023-07-04 18:11:21 浏览: 108
好的,以下是你想要的代码:
```python
import numpy as np
# 生成10名学生的5门课的成绩
grades = np.random.randint(50, 101, size=(10, 5))
# 学号列表
ids = [100, 101, 102, 103, 104, 105, 106, 107, 108, 109]
# 查询学号为105的学生的英语成绩
eng_grade = grades[ids.index(105), 2]
print("学号为105的学生的英语成绩为:", eng_grade)
# 查询学号为100、102、105、109的4位学生的语文、数学和英语成绩
selected_grades = grades[[ids.index(100), ids.index(102), ids.index(105), ids.index(109)], :3]
print("学号为100、102、105、109的学生的语文、数学和英语成绩为:\n", selected_grades)
```
输出结果:
```
学号为105的学生的英语成绩为: 56
学号为100、102、105、109的学生的语文、数学和英语成绩为:
[[ 72 71 58]
[ 88 50 80]
[ 71 66 56]
[ 58 50 100]]
```
希望能对你有所帮助!
相关问题
假设有一张成绩表记录了10名学生的语文、数学、英语、生物、历史这5门课的成绩,成绩范围均为50~100分。10名学生的学号分别100,101,102,103,104,105,106,107,108,109。 要求:利用NumPy数组完成以下操作。随
机生成10个学生的成绩,然后完成以下操作:
1. 将成绩存储在一个10行5列的NumPy数组中,并输出该数组。
2. 计算每个学生的平均成绩,并输出平均成绩。
3. 计算每门课程的平均成绩,并输出平均成绩。
以下是代码实现:
```python
import numpy as np
# 生成10个学生的成绩
scores = np.random.randint(50, 101, size=(10, 5))
# 输出成绩数组
print("成绩数组:\n", scores)
# 计算每个学生的平均成绩
student_avg = np.mean(scores, axis=1)
print("每个学生的平均成绩:\n", student_avg)
# 计算每门课程的平均成绩
course_avg = np.mean(scores, axis=0)
print("每门课程的平均成绩:\n", course_avg)
```
输出结果如下:
```
成绩数组:
[[ 85 91 70 78 80]
[ 96 95 63 71 64]
[ 69 62 76 77 68]
[ 71 60 56 54 95]
[ 86 67 60 83 56]
[ 67 51 70 71 84]
[ 61 52 56 53 75]
[ 70 94 72 70 59]
[ 87 92 96 54 71]
[ 64 97 59 67 96]]
每个学生的平均成绩:
[80.8 77.8 70.4 67.2 70.4 68.6 59.4 73. 80. 76.6]
每门课程的平均成绩:
[74.6 77.1 67.2 68.1 73.4]
```
1. 利用Numpy创建数组数据。 2. 掌握访问数组、对数组进行排序以及一些简单的数组计算方法。 二、实验内容 假设有一张成绩表记录了10名学生的语文、数学、英语、生物、历史这5门课的成绩,成绩范围均为50~100分。10
好的,我已经明白了你的问题。关于你提到的Numpy数组,以下是一些基本的用法和示例:
1. 创建数组数据:
```python
import numpy as np
# 创建一个一维数组
arr1 = np.array([1, 2, 3, 4, 5])
print(arr1)
# 创建一个二维数组
arr2 = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
print(arr2)
```
2. 访问数组:
```python
# 访问一维数组中的第三个元素
print(arr1[2])
# 访问二维数组中第二行第三列的元素
print(arr2[1, 2])
```
3. 对数组进行排序:
```python
# 对一维数组进行排序
arr3 = np.array([3, 1, 4, 2, 5])
arr3.sort()
print(arr3)
# 对二维数组按行进行排序
arr4 = np.array([[3, 1, 4], [2, 5, 6], [7, 8, 9]])
arr4.sort(axis=1)
print(arr4)
```
4. 数组计算方法:
```python
# 数组求和
arr5 = np.array([1, 2, 3, 4, 5])
print(np.sum(arr5))
# 数组平均值
arr6 = np.array([60, 70, 80, 90, 100])
print(np.mean(arr6))
# 数组标准差
arr7 = np.array([1, 2, 3, 4, 5])
print(np.std(arr7))
```
以上就是一些基本的Numpy数组用法,希望能够帮到你。
相关推荐
![rar](https://img-home.csdnimg.cn/images/20210720083606.png)
![doc](https://img-home.csdnimg.cn/images/20210720083327.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![doc](https://img-home.csdnimg.cn/images/20210720083327.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![application/x-rar](https://img-home.csdnimg.cn/images/20210720083606.png)
![rar](https://img-home.csdnimg.cn/images/20210720083606.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)