标签：练习题 arr python machinelearningplus array 101 Numpy

无论是数据分析还是机器学习，数据的预处理必不可少。
其中最常用、最基础的Python库非numpy和pandas莫属，很多初学者可能看了很多教程，但是很快就把用法忘光了。
光看不练假把式，今天向大家推荐三套感觉不错的练习题，感兴趣的同学可以练练手。

每套题都分四个Level的难度

Difficulty Level: L1

Q. Extract all odd numbers from arr

Input:

arr = np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
Desired output:

#> array([1, 3, 5, 7, 9])

答案是隐藏的，点开Solution即可查看

# Input
arr = np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

# Solution
arr[arr % 2 == 1]
#> array([1, 3, 5, 7, 9])

Numpy 练习题

https://www.machinelearningplus.com/python/101-numpy-exercises-python/

Pandas 练习题

https://www.machinelearningplus.com/python/101-pandas-exercises-python/

datatable 练习题

• 工具包 datatable 的功能特征与 Pandas 非常类似，但更侧重于速度以及对大数据的支持。

https://www.machinelearningplus.com/data-manipulation/101-python-datatable-exercises-pydatatable/

标签：练习题,arr,python,machinelearningplus,array,101,Numpy
来源： https://www.cnblogs.com/jpld/p/14410029.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。