6) Работа с многомерными массивами. Создать два двухмерных массива и применить к ним следующие функции:

np.reshape(), np.transpose(), np.concatenate(), np.vstack(), np.hstack

# Создание двух двумерных массивов

arr1 = np.arange(1, 13).reshape(3, 4) # Массив 3x4 с числами от 1 до 12

arr2 = np.arange(13, 25).reshape(3, 4) # Массив 3x4 с числами от 13 до 24

print("Первый массив:\n", arr1)

print("Второй массив:\n", arr2)

# Изменение формы массива с использованием np.reshape()

reshaped_arr1 = np.reshape(arr1, (4, 3)) # Изменение формы первого массива на 4x3

print("Первый массив после изменения формы:\n", reshaped_arr1)

# Транспонирование массива с использованием np.transpose()

transposed_arr2 = np.transpose(arr2) # Транспонирование второго массива

print("Транспонированный второй массив:\n", transposed_arr2)

# Объединение массивов вдоль разных осей с использованием np.concatenate()

concatenated_arr = np.concatenate((arr1, arr2), axis=0) # Объединение вдоль оси 0 (по строкам)

print("Объединенный массив по строкам:\n", concatenated_arr)

# Вертикальное объединение массивов с использованием np.vstack()

vstack_arr = np.vstack((arr1, arr2)) # Вертикальное объединение массивов

print("Вертикально объединенный массив:\n", vstack_arr)

# Горизонтальное объединение массивов с использованием np.hstack()

hstack_arr = np.hstack((arr1, arr2)) # Горизонтальное объединение массивов

print("Горизонтально объединенный массив:\n", hstack_arr)

print('\n' * 2)

7) Статические функции применить указанные функции к созданному двухмерному массиву:

np.mean(), np.median(), np.std(), np.var().

# Создание двумерного массива

arr = np.array([[1, 2, 3],

[4, 5, 6],

[7, 8, 9]])

# Вычисление среднего значения элементов массива

mean_value = np.mean(arr)

print("Среднее значение элементов массива:", mean_value)

# Вычисление медианы элементов массива

median_value = np.median(arr)

print("Медиана элементов массива:", median_value)

# Вычисление стандартного отклонения элементов массива

std_deviation = np.std(arr)

print("Стандартное отклонение элементов массива:", std_deviation)

# Вычисление дисперсии элементов массива

variance = np.var(arr)

print("Дисперсия элементов массива:", variance)

print('\n' * 2)

8) Случайные числа создать два массива один заполненный функцией np.random.rand(),

а второй функцией np.random.randint(). Размерность выбрать произвольно.

# Создание массива с использованием np.random.rand()

array_rand = np.random.rand(3, 4) # Массив размером 3x4 со случайными числами от 0 до 1

print("Массив, созданный с использованием np.random.rand():\n", array_rand)

# Создание массива с использованием np.random.randint()

array_randint = np.random.randint(1, 10, size=(2, 5)) # Массив размером 2x5 со случайными целыми числами от 1 до 9

print("Массив, созданный с использованием np.random.randint():\n", array_randint)

print('\n' * 2)

9) Индексы и условия.

Функция np.where() в библиотеке NumPy используется для поиска индексов элементов,

удовлетворяющих определенному условию, и для возврата значений в соответствии с этим условием

np.where(condition, [x, y])

Пример использования: