import numpy as np arr = np.arange(0,50) #转换成5行10列的ndarray整数数组 arr=______【1】______ x=int(input('输入一正整数：\n')) #寻找数组元素中的能被 x 整除的数，置为1，其余设置为 0 ，生成新数组 arr1=______【2】______ #计算个数n n=______【3】______ #输出原数组、新数组和个数 print(arr,arr1,sep='\n') print(f"能被 {x} 整除的数的个数有：{n} 个。")

import numpy as np

arr = np.arange(0,50)
arr = arr.reshape(5, 10) #转换成5行10列的ndarray整数数组
x = int(input('输入一正整数：\n'))

arr1 = np.where(arr % x == 0, 1, 0) #寻找数组元素中的能被 x 整除的数，置为1，其余设置为 0 ，生成新数组

n = np.count_nonzero(arr1) #计算个数n

#输出原数组、新数组和个数
print(arr,arr1,sep='\n')
print(f"能被 {x} 整除的数的个数有：{n} 个。")

相关问题

import numpy as np a=np.arange(3) b=np.arange(4) c=np.arange(5) np.savez('array_save.npz',a,b,c) 多个ndarray类型的数组

这段代码使用NumPy将三个ndarray类型的数组a、b、c保存到名为“array_save.npz”的文件中。

可以使用以下代码加载这些数据：

data = np.load('array_save.npz')
a = data['arr_0']
b = data['arr_1']
c = data['arr_2']

其中，'arr_0'、'arr_1'、'arr_2'是自动生成的键值，对应着保存时的数组a、b、c。如果需要自定义键值，可以在保存时使用关键字参数指定，例如：

np.savez('array_save.npz',x=a,y=b,z=c)

然后可以使用以下代码加载数据：

data = np.load('array_save.npz')
a = data['x']
b = data['y']
c = data['z']

from PIL import Image import numpy as np import matplotlib.pyplot as plt img = Image.open("work/Lena_RGB.jpg") plt.imshow(img) plt.show() plt.close() img_arr = np.array(img) h,w = img_arr.shape gray_levels = np.arange(256) freq = np.zeros(256) for i in range(h): for j in range(w): freq[img_arr[i, j]] += 1 prob = freq / (h * w)

这段代码是用Python处理图像的代码，主要功能是打开一张名为"Lena_RGB.jpg"的图片，并将其转化为numpy数组形式。然后使用matplotlib库中的plt.imshow()和plt.show()函数将图片显示出来。接下来，代码计算了图片中每个像素值的出现频率，并将其存储在名为freq的数组中。最后，根据频率数组计算每个像素值的概率，并将其存储在名为prob的数组中。