"大润发","沃尔玛","联华","农工商"四个超市都卖苹果、香蕉、桔子、猕猴桃和芒果5种水果。使用NumPy的ndarray实现以下功能。 # 1) 创建一维数组market存储超市名, 一维数组fruit存储水果名 import numpy as np market = np.array(["大润发", "沃尔玛", "联华", "农工商"]) fruit = np.array(["苹果", "香蕉", "桔子", "猕猴桃", "芒果"]) # 注：下面练习中price对应的各超市和水果的序号以 market 和 fruit中的序号为准 # 2) 创建1个4×5的二维数组price存储不同超市的水果价格，价格是[4,10]范围内的随机整数 np.random.seed(7) # 待补充 ​ # 测试 assert price.shape==(4,5) and ((price>=4) & (price<=10)).all() and price.sum()==136 # 3) 将“大润发”的苹果和“联华”的香蕉的价格各增加1元(即直接修改price中的对应数据) ​ # 测试: 注意所有修改和测试需顺序执行且修改只能执行一次。如执行多次，将导致数据被修改多次，测试无法通过 assert price.sum()==138 # 4) 将"农工商"所有水果的价格都减少2元 ​ # 测试 assert price.sum()==128 # 5) 统计四个超市中苹果和芒果的销售均价, 保留2位小数。存在 apple 和 mango变量中 ​ # 测试 assert apple==8.25 and mango==6.75 # 6) 找出桔子价格最贵的超市名称（不是序号,是超市名），存在 names列表中。本例有两个超市的桔子价格正好都最贵 ​

# 2) 创建1个4×5的二维数组price存储不同超市的水果价格，价格是[4,10]范围内的随机整数
np.random.seed(7)
price = np.random.randint(4, 11, size=(4, 5))

# 3) 将“大润发”的苹果和“联华”的香蕉的价格各增加1元(即直接修改price中的对应数据)
price[0, 0] += 1
price[2, 1] += 1

# 4) 将"农工商"所有水果的价格都减少2元
price[3] -= 2

# 5) 统计四个超市中苹果和芒果的销售均价, 保留2位小数。存在 apple 和 mango变量中
apple_price = price[:, 0].mean()
mango_price = price[:, 4].mean()
apple = round(apple_price, 2)
mango = round(mango_price, 2)

# 6) 找出桔子价格最贵的超市名称（不是序号,是超市名），存在 names列表中。本例有两个超市的桔子价格正好都最贵
max_price = np.max(price[:, 2])
names = list(market[np.where(price[:, 2] == max_price)])

相关问题

“大润发”、“沃尔玛”、“联华”和“农工商”四个超市都卖苹果、香蕉、桔子和芒果四种水果。使用NumPy的ndarray实现以下功能。 a) 创建2个一维数组分别存储超市名称和水果名称; b)创建1个4x4的二维数组存储不同

在Python中，我们可以利用NumPy库来创建所需的数组。NumPy的ndarray非常适合处理这样的结构化数据。以下是实现这个功能的步骤：

a) 创建两个一维数组表示超市名称和水果名称：

import numpy as np

# 超市名称
supermarkets = np.array(['大润发', '沃尔玛', '联华', '农工商'])
# 水果名称
fruits = np.array(['苹果', '香蕉', '桔子', '芒果'])

print("超市名称:", supermarkets)
print("水果名称:", fruits)

b) 创建一个4x4的二维数组存储不同超市对每种水果的数量或库存。在这个例子中，由于我们没有实际的数据，我们只能创建一个空数组，然后填充实际数据。如果要用随机数据填充，可以这样做：

# 假设每个超市每种水果都有一个库存值，初始化为0
inventory = np.zeros((len(supermarkets), len(fruits)))

# 这里仅作为示例，替换为实际库存数据
# inventory = np.random.randint(0, 100, (len(supermarkets), len(fruits)))
print("库存数组:\n", inventory)

作业 1. "大润发"、"沃尔玛”、"好德"和"农工商"四个超市都卖苹果、香蕉、橘子和芒果四种水果。使用Numpy的ndarray实现以下功能。1) 创建两个一维数组分别存储超市名称和水果名称。

在Python中，你可以使用numpy库创建名为超市名称和水果名称的一维数组。首先，需要安装numpy如果尚未安装，可以使用`pip install numpy`命令。下面是创建这两个数组的示例：

import numpy as np

# 超市名称数组
supermarkets = np.array(['大润发', '沃尔玛', '好德', '农工商'])
# 水果名称数组
fruits = np.array(['苹果', '香蕉', '橘子', '芒果'])

print("超市名称:", supermarkets)
print("水果名称:", fruits)

这里我们创建了两个长度相同的数组，分别表示每个超市和每种水果。`np.array()`函数用于创建数组，字符串列表作为输入参数。这样就完成了对应数据结构的创建。

如果你需要进一步操作这些数组，比如组合成二维数组表示每个超市销售的所有水果，可以这样做：

combined = np.array([supermarkets, fruits])
print("超市和水果的组合:", combined)