src/numpy_basics/__init__.py - develop - oop_nust_misis/NumpyBasics-Plesik

src/numpy_basics/__init__.py
312 строк12 KB
vivianlo
src done
17 фев 2026, 14:37
17 фев 2026, 14:375939a92
from typing import Tuple

import numpy as np


def task1_create_arrays() -> Tuple[np.ndarray, np.ndarray, np.ndarray, np.ndarray]:
    """
    Задание 1: Создание массивов

    Создайте различные типы массивов:
    1. Одномерный массив из списка чисел [1, 2, 3, 4, 5]
    2. Двумерный массив 3x3 из чисел от 0 до 8
    3. Массив 5x5, заполненный нулями
    4. Массив 4x4, заполненный единицами

    Returns:
        Кортеж из четырех массивов
    """
    # TODO: Замените None на создание соответствующих массивов
    array_1d = np.array(range(1, 6))  # Одномерный массив из [1, 2, 3, 4, 5]
    array_2d = np.arrange(9).reshape(3, 3)  # Двумерный массив 3x3 (0-8)
    zeros_array = np.zeros((5, 5))  # Массив 5x5 из нулей
    ones_array = np.ones((4, 4))  # Массив 4x4 из единиц

    return array_1d, array_2d, zeros_array, ones_array


def task2_array_operations() -> Tuple[np.ndarray, np.ndarray, np.ndarray, np.ndarray]:
    """
    Задание 2: Базовые операции с массивами

    Даны два массива:
    a = [1, 2, 3, 4]
    b = [5, 6, 7, 8]

    Выполните операции:
    1. Сложение массивов
    2. Умножение массивов (поэлементное)
    3. Умножение массива a на число 3
    4. Возведение массива b в квадрат (каждый элемент)

    Returns:
        Кортеж результатов операций
    """
    a = np.array([1, 2, 3, 4])
    b = np.array([5, 6, 7, 8])

    # TODO: Реализуйте операции
    addition = a + b
    multiplication = a * b
    scalar_multiplication = a * 3
    squaring = b ** 2

    return addition, multiplication, scalar_multiplication, squaring


def task3_indexing_slicing() -> Tuple[float, np.ndarray, np.ndarray, np.ndarray]:
    """
    Задание 3: Индексация и срезы

    Дан массив:
    [[1, 2, 3, 4],
     [5, 6, 7, 8],
     [9, 10, 11, 12]]

    Выполните:
    1. Получите элемент во второй строке и третьем столбце (индексы 1,2)
    2. Получите первую строку
    3. Получите последний столбец
    4. Получите подмассив из первых двух строк и двух последних столбцов

    Returns:
        Кортеж с результатами
    """
    arr = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]])

    # TODO: Реализуйте индексацию и срезы
    element = arr[1, 2]  # Элемент (1,2)
    first_row = arr[0, :]  # Первая строка
    last_column = arr[:, -1]  # Последний столбец
    subarray = arr[:2, -2:]  # Подмассив [первые 2 строки, последние 2 столбца]

    return element, first_row, last_column, subarray


def task4_array_properties() -> Tuple[Tuple[int, ...], int, int, np.dtype]:
    """
    Задание 4: Свойства массивов

    Для данного массива определите:
    1. Форму (shape) массива
    2. Количество измерений (ndim)
    3. Общее количество элементов (size)
    4. Тип данных (dtype)

    Returns:
        Кортеж свойств: (shape, ndim, size, dtype)
    """
    arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12]])

    # TODO: Определите свойства массива
    shape = arr.shape  # Форма массива
    ndim = arr.ndim  # Количество измерений
    size = arr.size  # Общее количество элементов
    dtype = arr.dtype  # Тип данных

    return shape, ndim, size, dtype


def task5_reshaping() -> Tuple[np.ndarray, np.ndarray, np.ndarray]:
    """
    Задание 5: Изменение формы массивов

    Дан массив чисел от 0 до 11.
    Выполните:
    1. Измените форму на 3x4
    2. Преобразуйте в одномерный массив
    3. Транспонируйте массив 3x4

    Returns:
        Кортеж с преобразованными массивами
    """
    arr = np.arange(12)  # [0, 1, 2, ..., 11]

    # TODO: Измените форму массивов
    reshaped = arr.reshape(3, 4)  # Форма 3x4
    flattened = arr.reshape(-1)  # Одномерный массив
    transposed = arr.reshape(4, 3).T # Транспонированный массив 3x4

    return reshaped, flattened, transposed


def task6_aggregate_functions() -> Tuple[float, float, float, float, float]:
    """
    Задание 6: Агрегирующие функции

    Для данного массива вычислите:
    1. Сумму всех элементов
    2. Среднее значение
    3. Максимальное значение
    4. Минимальное значение
    5. Стандартное отклонение

    Returns:
        Кортеж результатов: (sum, mean, max, min, std)
    """
    arr = np.array([2, 5, 1, 8, 3, 9, 4, 7, 6])

    # TODO: Вычислите агрегирующие функции
    total_sum = arr.sum()
    average = arr.mean()
    maximum = arr.max()
    minimum = arr.min()
    std_dev = arr.std() 

    return total_sum, average, maximum, minimum, std_dev


def task7_random_arrays() -> Tuple[np.ndarray, np.ndarray, np.ndarray]:
    """
    Задание 7: Работа со случайными числами

    Создайте:
    1. Массив 3x3 со случайными числами от 0 до 1
    2. Массив 5 элементов со случайными целыми от 1 до 100
    3. Массив 2x4 со случайными числами из нормального распределения

    Returns:
        Кортеж со случайными массивами
    """
    # TODO: Создайте случайные массивы
    random_uniform = np.random.randn(3, 3)  # 3x3, равномерное распределение [0,1]
    random_integers = np.random.randint(1, 101, size=5)  # 5 элементов, целые 1-100
    random_normal = np.random.randn(2, 4)  # 2x4, нормальное распределение

    return random_uniform, random_integers, random_normal


def task8_boolean_indexing() -> Tuple[np.ndarray, np.ndarray, int]:
    """
    Задание 8: Булева индексация

    Дан массив чисел. Используя булеву индексацию:
    1. Найдите все элементы больше 5
    2. Найдите все четные элементы
    3. Посчитайте количество элементов меньше 3

    Returns:
        Кортеж: (элементы > 5, четные элементы, количество элементов < 3)
    """
    arr = np.array([1, 8, 3, 6, 2, 9, 4, 7, 5])

    # TODO: Реализуйте булеву индексацию
    greater_than_5 = arr[arr > 5]  # Элементы > 5
    even_numbers = arr[arr % 2 == 0]  # Четные элементы
    count_less_than_3 = arr[arr < 3].size  # Количество элементов < 3

    return greater_than_5, even_numbers, count_less_than_3


def task9_where_function() -> np.ndarray:
    """
    Задание 9: Функция np.where

    Дан массив. Используйте np.where для замены:
    - Всех отрицательных чисел на 0
    - Всех положительных чисел на 1

    Returns:
        Массив с замененными значениями
    """
    arr = np.array([-2, 5, -1, 0, 3, -4, 2, -3, 1])

    # TODO: Используйте np.where для замены значений
    result = np.where(arr <= 0, 0, 1)  # Замените отрицательные на 0, положительные на 1

    return result


def task10_stack_arrays() -> Tuple[np.ndarray, np.ndarray]:
    """
    Задание 10: Объединение массивов

    Даны два массива. Объедините их:
    1. По вертикали (столбцы)
    2. По горизонтали (строки)

    Returns:
        Кортеж: (вертикальное объединение, горизонтальное объединение)
    """
    a = np.array([[1, 2], [3, 4]])
    b = np.array([[5, 6], [7, 8]])

    # TODO: Объедините массивы
    vertical_stack = np.vstack((a, b))  # Объединение по вертикали
    horizontal_stack = np.hstack((a, b))  # Объединение по горизонтали

    return vertical_stack, horizontal_stack


def task11_broadcasting() -> np.ndarray:
    """
    Задание 11: Трансляция (broadcasting)

    Дан массив 3x3. Добавьте вектор [10, 20, 30] к каждой строке,
    используя трансляцию (без циклов!).

    Returns:
        Массив с добавленным вектором
    """
    matrix = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
    vector = np.array([10, 20, 30])

    # TODO: Используйте broadcasting для сложения
    result = None  # matrix + vector к каждой строке

    return result


def task12_simple_statistics() -> Tuple[float, np.ndarray, np.ndarray]:
    """
    Задание 12: Простая статистика

    Для данного 2D массива вычислите:
    1. Общее среднее значение
    2. Среднее по столбцам
    3. Сумму по строкам

    Returns:
        Кортеж: (общее среднее, среднее по столбцам, сумма по строкам)
    """
    data = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

    # TODO: Вычислите статистики
    overall_mean = data.mean()  # Среднее всех элементов
    column_means = data.mean(axis = 0)  # Среднее по каждому столбцу
    row_sums = data.sum(axis = 1)  # Сумма по каждой строке

    return overall_mean, column_means, row_sums


# Дополнительные вспомогательные функции
def create_sample_data() -> np.ndarray:
    """
    Создает пример данных для экспериментов.

    Returns:
        Массив 4x4 со случайными целыми числами от 1 до 20
    """
    return np.random.randint(1, 21, size=(4, 4))


def demonstrate_operations() -> None:
    """
    Демонстрирует различные операции с массивами.
    Полезно для экспериментов и понимания.
    """
    print("Демонстрация операций с NumPy:")

    # Создание массива
    arr = np.array([1, 2, 3, 4, 5])
    print(f"Исходный массив: {arr}")

    # Базовые операции
    print(f"Умножение на 2: {arr * 2}")
    print(f"Возведение в квадрат: {arr**2}")
    print(f"Сумма элементов: {arr.sum()}")


def main():
    # Запуск демонстрации
    demonstrate_operations()