陕西学业水平考试，密码
Posted
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了陕西学业水平考试，密码相关的知识，希望对你有一定的参考价值。
陕西学业水平考试，我改了密码以后为什么再登录时他说我密码错误？注：密码绝对没错！！！急求
在线=，有知道的速度
陕西学业水平考试原密码均是1234。
根据教育部《普通高中课程方案（实验）》（教基〔2003〕6号）和江苏省教育厅《江苏省普通高中课程改革实施方案（试行）》（苏教基〔2005〕16号）的精神，设置全省普通高中学生学业水平测试。
实行学业水平测试是为了加强对高中的课程管理和质量监控，同时，向高校提供更多有效的考生信息。实行学业水平测试有利于促进高中学生全面发展，有利于高校更加科学、自主地选拔人才。 学业水平测试从2005年秋季入学的学生开始实行。
内容形式：
学业水平测试为常模相关一目标参照考试。测试内容以教育部《普通高中课程方案（实验）》和各学科课程标准为依据，考察学生学习的状况，重点考察学生的基础知识与基本技能，并注重考察学生分析问题、解决问题的能力和学习能力。
学生水平测试根据各学科不同情况，合理设置客观题型与主观题型，客观题型一般不超过试卷总分的50%。另行制订的“学业水平测试说明”，明确各学科测试具体内容、题型、试卷结构等。
以上内容参考 百度百科——学业水平测试
例如，某网页上有一文本框，允许你输入用户名称，但是它限制你只能输入4个字符。许多程序都是在客户端限制，然后用msgbox弹出错误提示。如果你攻击时需要突破此限制，只需要在本地做一个一样的主页，只是取消了限制，通常是去掉VBscript或IavaScript的限制程序，就可以成功突破。
如果是javascript做的，干脆临时把浏览器的脚本支持关掉。如果是有经验的程序员常常在程序后台再做一遍检验，如果有错误就用response.write或类似的语句输出错误。
2。对SQL的突破
例如某网页需要你输入用户名称和口令，这样就有两个文本框等待你的输入，现在我们假设有一用户adam,我们不知道他的口令，却想以他的身份登陆。
正常情况下，我们在第一个文本框输入adam,第二个文本框输入1234之类的密码，如果密码正确就可以进入，否则报错。
程序中的查询语句可能是：
sql="select * from user where username='"&text1.value&"' and passwd= '"&text2.value&"'"
执行时候就是
select * from user where username='adam' and passwd='1234'
好了，如果我们在text2里输入的不是1234,而是1234'"&"'or 1=1
我们的sql语句就成了，
select * from user where username='adam' and passwd='1234' or 1=1
我们就可以进入了。。。
有经验的用户就在程序中增加对单引号等特殊字符的过滤。
但是，一般人习惯上有两种登录认证方式我就用ASP的VBScript做例子了：
一是用select * from ... where username = ' & Request.Form("username") & "password = " & Request.Form("password")，然后判断结果是否为空来验证。其实还有一种方式：
用select * from ... where username = ' & Request.Form("username"), 然后判断结果集中的密码是否和输入相同来验证，这种方式就安全一些了。
3。利用多语句执行漏洞。
根据上面的思路，如果用户根据书名(例如linux入门)查询所有的书，SQL语句为
select book.name,book.content from book where bookname='linux入门'
如果我们输入的不是linux入门而是 linux入门' delete from user where '1' = '1
从而构成对表的删除。
成功的前提条件是对方允许多条语句的执行。
由于程序没有处理边界符“'”产生的漏洞的危害程度和结果集的类型及数据库的配置有很大的关系。首先说结果集，如果结果集只支持单条的SQL语句，那么你所能做的只是上面提到的那种在密码框内输入' or '1' = '1来登录，其他的做不了。
我们还可以用这种方法在数据库里增加用户。
4。SQL Server装完后自动创建一个管理用户sa，密码为空。而好多人装完后并不去改密码，这样就留下了一个极大的安全问题，我稍后再细说。
程序中的连接一般用两种，不是用global.asa就是用SSL文件。SSL文件一般人习惯放到到Web的/include或/inc目录下。而且文件名常会是conn.inc、db_conn.inc、dbconninc，等等，反正有时能猜到。
如果这个目录没有禁读，一旦猜到文件名就可以了，因为.inc一般不会去做关联的，直接请求不是下载就是显示源文件。
还有当主要程序放到一个后缀为.inc的文件而没有处理“'”，当运行出错时返回的出错信息中常会暴露.inc文件，我遇到过几次这样的情况。其实可以在IIS里设置来不回应脚本出错信息的。
5。数据库的利用。
如果程序中的连接用户权限极小，甚至多数表只能读，你就很难有所作为了。这时所能做的是能猜出表名和字段名来进行删除数据或表的操作。
INSERT语句利用起来讨厌一些，主要是里面有好多列，而且还要处理掉最后的“)”。
我就以我最熟悉的MS SQL Server来说一些吧。它的默认端口号是1433，你用telnet连一下服务器的这个端口，如果能连上去一般是装了MS SQL Server，当然这是可以改掉的。
好了，说一说数据库的利用。
如果对方的数据直接在Web服务器上而且你知道端口号，有帐号就干脆用SQL Analyzer来直接连接数据库。在它里面可以执行SQL语句。常用的是存储过程master.dbo.xp_cmdshell，这是一个扩展存储过程，它只有一个参数，把参数做为系统命令来装给系统执行。
如果是管理用户就有权执行这个存储过程，而且这时可以执行很多操作，如用ipconfig来看ip设置，用net user来看系统用户。不过用net user /add 用户名 密码并不一定成功，有时会返回一个“指定的登录会话不存在”而不能执行，原因我还不清楚。
如果没有权限也不要紧，MS SQL Server有个漏洞，你可以创建一个临时存储过程来执行，就可以绕过去，如：
CREATE PROC #cmdshell(@cmdstr varchar(200))
AS
EXEC master.dbo.xp_cmdshell @cmdshell
当然这时是没有权限执行net user /add等的，不过可以查看，可以创建文件。
反复用echo创建一个FTP脚本，把木马传到一个FTP站点上，然后用存储过程调用ftp来利用脚本来下载并安装，然后......呵呵:)
如果数据库没有装在Web服务器上所以没有找到或改了端口号而一时找不到还是有办法的。
如果数据库服务器直接从Internet上无法访问，你可以利用程序里的漏洞来删除、修改数据或加入javascript语句到数据库，通常他们显示本来应该自己人录入的数据时不去过滤<>，所以可以用javascript把它转到其他站点上或做些什么。
如果只是改了端口号就要看程序里数据库用户的 参考技术B 首先确保密码正确
当你输入后如果出现：“考藉号或密码错误！05”说明是网络的问题，你只需等到服务器宽松的时段即可。
但如果是：“考藉号或密码错误！”（没有05）就说明是你学籍号，密码的问题了，这样就不好办了！
如果是第一种情况就不要担心了。本回答被提问者采纳 参考技术C 那个网站很垃圾的。用原来的密码试试，不行只能给管理员留言了。 参考技术D 你用原来的密码试试看？我以前也是，自己改了密码，没多久它系统又给改回来了……
多维数据结构与运算
数据科学技术与应用——第2章 多维数据结构与运算
2.1 多维数据对象
例题如下
例题[2-1] 创建两个一维数组风别保存学生姓名和考试科目，访问数组元素。学业水平考试涉及多门课程和多名学生，虽然课程名称、姓名的数据类型都是字符串，但是对应的现实概念却不同，需存放两个一位数组中。
>>> import numpy as np
>>> names = np.array(['王薇','肖良英','方绮雯','刘旭阳','钱易铭'])
>>> names
array(['王薇', '肖良英', '方绮雯', '刘旭阳', '钱易铭'], dtype='<U3')
>>> subjects = np.array(['Math','English','Python','Chinese','Art','Database','Physics'])
>>> subjects
array(['Math', 'English', 'Python', 'Chinese', 'Art', 'Database',
'Physics'], dtype='<U8')
>>>
[例题2-2] 创建二维数组scores,记录names中每名学生对应subjects各门课程的考试成绩。
>>> scores = np.array([[70,85,77,90,82,84,89],[60,64,80,75,80,92,90],[90,93,88,87,86,90,91],[80,82,91,88,83,86,80],[88,72,78,90,91,73,80]])
>>> scores
array([[70, 85, 77, 90, 82, 84, 89],
[60, 64, 80, 75, 80, 92, 90],
[90, 93, 88, 87, 86, 90, 91],
[80, 82, 91, 88, 83, 86, 80],
[88, 72, 78, 90, 91, 73, 80]])
>>>
思考练习
1.一维数组访问
（1）在subjects数组中选择显示序号为：1、2、4科目的名称，使用倒序索引选择并显示names数组的“方绮雯”。
>>> subjects[[1,2,4]]
array(['English', 'Python', 'Art'], dtype='<U8')
>>> names[-3]
'方绮雯'
>>>
（2）选择并显示names数组从2到最后的数组元素，选择并显示subjects数组正序2~4的数组元素。
>>> names[2:]
array(['方绮雯', '刘旭阳', '钱易铭'], dtype='<U3')
>>> subjects[2:5]
array(['Python', 'Chinese', 'Art'], dtype='<U8')
>>>
（3）使用布尔条件选择并显示subjects数组中English和physics的科目名称。
>>> subjects[(subjects == 'English')|(subjects == 'Physics')]
array(['English', 'Physics'], dtype='<U8')
>>>
2.二维数组访问
(1)选择并显示scores数组的1行，4行。
>>> scores
array([[70, 85, 77, 90, 82, 84, 89],
[60, 64, 80, 75, 80, 92, 90],
[90, 93, 88, 87, 86, 90, 91],
[80, 82, 91, 88, 83, 86, 80],
[88, 72, 78, 90, 91, 73, 80]])
>>> scores[[1,4]]
array([[60, 64, 80, 75, 80, 92, 90],
[88, 72, 78, 90, 91, 73, 80]])
>>>
(2)选择并显示scores数组中行序为2，4学生的Math和Python成绩。
>>> subjects
array(['Math', 'English', 'Python', 'Chinese', 'Art', 'Database',
'Physics'], dtype='<U8')
>>> scores
array([[70, 85, 77, 90, 82, 84, 89],
[60, 64, 80, 75, 80, 92, 90],
[90, 93, 88, 87, 86, 90, 91],
[80, 82, 91, 88, 83, 86, 80],
[88, 72, 78, 90, 91, 73, 80]])
>>> scores[[1,3]]
array([[60, 64, 80, 75, 80, 92, 90],
[80, 82, 91, 88, 83, 86, 80]])
>>> scores[[1,3]][:,(subjects=='Math')|(subjects== 'Python')]
array([[60, 80],
[80, 91]])
>>>
(3)选择并显示scores数组中所有学生的Math和Art成绩。
>>> subjects
array(['Math', 'English', 'Python', 'Chinese', 'Art', 'Database',
'Physics'], dtype='<U8')
>>> scores
array([[70, 85, 77, 90, 82, 84, 89],
[60, 64, 80, 75, 80, 92, 90],
[90, 93, 88, 87, 86, 90, 91],
[80, 82, 91, 88, 83, 86, 80],
[88, 72, 78, 90, 91, 73, 80]])
>>> scores[:,(subjects=='Math')|(subjects== 'Art')]
array([[70, 82],
[60, 80],
[90, 86],
[80, 83],
[88, 91]])
>>>
(4)选择并显示scores数组中“王薇”和“刘旭阳”的English和Art成绩。
>>> names
array(['王薇', '肖良英', '方绮雯', '刘旭阳', '钱易铭'], dtype='<U3')
>>> scores
array([[70, 85, 77, 90, 82, 84, 89],
[60, 64, 80, 75, 80, 92, 90],
[90, 93, 88, 87, 86, 90, 91],
[80, 82, 91, 88, 83, 86, 80],
[88, 72, 78, 90, 91, 73, 80]])
>>> subjects
array(['Math', 'English', 'Python', 'Chinese', 'Art', 'Database',
'Physics'], dtype='<U8')
>>> scores[(names == 'English')|(names == 'Art')]
array([], shape=(0, 7), dtype=int32)
>>> scores[(names == '王薇')|(names == '刘旭阳')][:,(subjects == 'English')|(subjects == 'Art')]
array([[85, 82],
[82, 83]])
>>>
3.生成有整数10~19组成的2 x 5的二维数组。
>>> np.arange(10,20).reshape(2,5)
array([[10, 11, 12, 13, 14],
[15, 16, 17, 18, 19]])
>>>
2.2 多维数组运算
例题如下
例题[2-3] 为所有学生的所有课程成绩增加5分
>>> scores
array([[70, 85, 77, 90, 82, 84, 89],
[60, 64, 80, 75, 80, 92, 90],
[90, 93, 88, 87, 86, 90, 91],
[80, 82, 91, 88, 83, 86, 80],
[88, 72, 78, 90, 91, 73, 80]])
>>> scores + 5
array([[75, 90, 82, 95, 87, 89, 94],
[65, 69, 85, 80, 85, 97, 95],
[95, 98, 93, 92, 91, 95, 96],
[85, 87, 96, 93, 88, 91, 85],
[93, 77, 83, 95, 96, 78, 85]])
>>>
Python内部实现数组与标量相加时，使用“广播机制”先将标量5转换成元素值为5的5 x 7二维数组，再将scores和新生成的数组按位相加，等价于以下代码。
>>> scores
array([[70, 85, 77, 90, 82, 84, 89],
[60, 64, 80, 75, 80, 92, 90],
[90, 93, 88, 87, 86, 90, 91],
[80, 82, 91, 88, 83, 86, 80],
[88, 72, 78, 90, 91, 73, 80]])
>>> a = np.ones((5,7))
>>> a
array([[1., 1., 1., 1., 1., 1., 1.],
[1., 1., 1., 1., 1., 1., 1.],
[1., 1., 1., 1., 1., 1., 1.],
[1., 1., 1., 1., 1., 1., 1.],
[1., 1., 1., 1., 1., 1., 1.]])
>>> a = np.ones((5,7))*5
>>> a
array([[5., 5., 5., 5., 5., 5., 5.],
[5., 5., 5., 5., 5., 5., 5.],
[5., 5., 5., 5., 5., 5., 5.],
[5., 5., 5., 5., 5., 5., 5.],
[5., 5., 5., 5., 5., 5., 5.]])
>>> scores + a
array([[75., 90., 82., 95., 87., 89., 94.],
[65., 69., 85., 80., 85., 97., 95.],
[95., 98., 93., 92., 91., 95., 96.],
[85., 87., 96., 93., 88., 91., 85.],
[93., 77., 83., 95., 96., 78., 85.]])
>>>
例题[2-4] 首先创建一维数组存放不同科目增加分数，然后将其和scores相加。
>>> bonus = np.array([3,4,5,3,6,7,2])
>>> scores + bonus
array([[73, 89, 82, 93, 88, 91, 91],
[63, 68, 85, 78, 86, 99, 92],
[93, 97, 93, 90, 92, 97, 93],
[83, 86, 96, 91, 89, 93, 82],
[91, 76, 83, 93, 97, 80, 82]])
>>>
例题[2-5]将学生的考试成绩转换为整数形式的十分制分数
>>> np.floor(scores/10)
array([[7., 8., 7., 9., 8., 8., 8.],
[6., 6., 8., 7., 8., 9., 9.],
[9., 9., 8., 8., 8., 9., 9.],
[8., 8., 9., 8., 8., 8., 8.],
[8., 7., 7., 9., 9., 7., 8.]])
>>>
例题[2-6] 使用subtract()给每个学生的分数减去3分
>>> np.subtract(scores,3)
array([[67, 82, 74, 87, 79, 81, 86],
[57, 61, 77, 72, 77, 89, 87],
[87, 90, 85, 84, 83, 87, 88],
[77, 79, 88, 85, 80, 83, 77],
[85, 69, 75, 87, 88, 70, 77]])
>>>
例题[2-7] 按照分析目标使用聚合函数进行统计。
(1)统计不同科目的成绩总分。
当axis=0时，按列求和；当axis=1时，按行求和
>>> scores
array([[70, 85, 77, 90, 82, 84, 89],
[60, 64, 80, 75, 80, 92, 90],
[90, 93, 88, 87, 86, 90, 91],
[80, 82, 91, 88, 83, 86, 80],
[88, 72, 78, 90, 91, 73, 80]])
>>> scores.sum(axis = 0)
array([388, 396, 414, 430, 422, 425, 430])
>>> scores.sum(axis = 1)
array([577, 541, 625, 590, 572])
>>>
（2）求王薇所有课程成绩的平均分
>>> scores[names == '王薇'].mean()
82.42857142857143
>>>
(3)查询英语考试成绩最高的学生姓名。
>>> names[scores[:,subjects == 'English'].argmax()]
'方绮雯'
>>>
例题[2-8] 生成由10个随机整数组成的一维数组，整数的取值范围为0~5
>>> np.random.randint(0,6,10)
array([2, 0, 0, 1, 3, 4, 4, 3, 5, 4])
>>>
randint(start,end,size)生成元素值从start到end-1范围内的整数数组，数组的大小由参数size对应的元组给出。数组的元素值随机生成，start到end-1范围内各整数出现的概率相等。
生成5x6的二维随机整数，随机数的数值是0或1.
>>> np.random.randint(0,2,size=(5,6))
array([[0, 1, 0, 0, 1, 1],
[1, 0, 1, 0, 1, 1],
[1, 1, 0, 1, 0, 0],
[0, 0, 0, 0, 0, 0],
[0, 0, 0, 0, 0, 0]])
>>>
例题[2-9] 生成均值为0、方差为1服从正态分布的4 x 5二维数组。
>>> np.random.normal(0,1,size=(4,5))
array([[ 0.04111635, 0.33721789, -0.94626777, -0.37308784, 1.03114603],
[ 1.08395911, -0.94781292, 1.26963415, -0.41418987, 0.86087328],
[ 1.67631503, 0.50088484, -0.23439744, -0.16995821, -0.4845101 ],
[ 0.95059664, 0.88885886, 0.61801912, 0.34760242, -0.89209873]])
>>>
思考与练习
1.将scores数组中所有学生的英语成绩减去3分并显示
>>> scores
array([[70, 85, 77, 90, 82, 84, 89],
[60, 64, 80, 75, 80, 92, 90],
[90, 93, 88, 87, 86, 90, 91],
[80, 82, 91, 88, 83, 86, 80],
[88, 72, 78, 90, 91, 73, 80]])
>>> subjects
array(['Math', 'English', 'Python', 'Chinese', 'Art', 'Database',
'Physics'], dtype='<U8')
>>> scores[:,subjects='English']
File "<stdin>", line 1
scores[:,subjects='English']
^
SyntaxError: invalid syntax
>>> scores[:,subjects == 'English']
array([[85],
[64],
[93],
[82],
[72]])
>>> scores[:,subjects == 'English'] - 3
array([[82],
[61],
[90],
[79],
[69]])
>>>
2.统计scores数组中每名学生所有科目的平均分并显示
>>> scores.mean(axis = 1)
array([82.42857143, 77.28571429, 89.28571429, 84.28571429, 81.71428571])
>>> x = scores.mean(axis = 1) #按行求平均数
>>>> print(x[0])
82.42857142857143
>>> print("1",x[0])
1 82.42857142857143
>>> print(names[0],x[0])
王薇 82.42857142857143
>>> print(names[0],"平均分",x[0])
王薇 平均分 82.42857142857143
>>> names
array(['王薇', '肖良英', '方绮雯', '刘旭阳', '钱易铭'], dtype='<U3')
>>> for i in range(0,5):
... print(i)
File "<stdin>", line 2
print(i)
^
IndentationError: expected an indented block
>>> for i in range(0,5):
... print(i)
...
0
1
2
3
4
>>> for i in range(0,5):
... print(names[i],"平均分",x[i])
...
王薇 平均分 82.42857142857143
肖良英 平均分 77.28571428571429
方绮雯 平均分 89.28571428571429
刘旭阳 平均分 84.28571428571429
钱易铭 平均分 81.71428571428571
>>>
3.使用随机函数生成[-1,1]之间服从均匀分布的3 x 4的二维数组，并计算所有元素的和
>>> temp = np.random.randint(-1,2,size=(3,4))
>>> temp
array([[ 0, -1, -1, -1],
[-1, -1, 1, -1],
[ 0, 0, -1, 0]])
>>> temp.sum()
-6
>>>
2.3案例：随机游走轨迹模拟
1.模拟生成每步移动方向
假设某次随机游走了10步，用randint()随机生成每步移动的方向，可以使用一个2 x 10的二维数组记录结果。
>>> steps = 10
>>> import numpy as np
>>> randwlk = np.random.randint(0,2,size = (2,steps))
>>> randwlk
array([[1, 1, 0, 0, 0, 0, 0, 1, 0, 0],
[1, 0, 0, 1, 1, 0, 1, 1, 0, 0]])
>>>
Numpy提供where(condition[,x,y])实现数组元素的条件赋值，参数condition是条件表达式，如果condition结果为True，返回x，否则返回y。x、y可以是数组，也可以是标量。
>>> randwlk = np.where(randwlk>0,1,-1)
>>> randwlk
array([[ 1, 1, -1, -1, -1, -1, -1, 1, -1, -1],
[ 1, -1, -1, 1, 1, -1, 1, 1, -1, -1]])
>>>
2.计算每步移动后的位置
rndwlk记录了物体每步沿着x轴，y轴移动的方向，计算第i步所处的位置只需分别累计从第1步到第i步沿x轴、y轴移动的单位总和即可。使用ndarray对象的聚合函数cumsum()就可以实现此功能。
>>> position = randwlk.cumsum(axis = 1)
>>> position
array([[ 1, 2, 1, 0, -1, -2, -3, -2, -3, -4],
[ 1, 0, -1, 0, 1, 0, 1, 2, 1, 0]])
>>>
3.计算每步移动后与原点的距离
利用算数运算符和通用函数，可以算出物体在每步移动后与原点的距离。若计算得到浮点数位数太长，则可以使用np.set_printoptions()设置现实的小数位数。
>>> dists = np.sqrt(position[0]**2 + position[1]**2)
>>> dists
array([1.41421356, 2. , 1.41421356, 0. , 1.41421356,
2. , 3.16227766, 2.82842712, 3.16227766, 4. ])
>>> np.set_printoptions(precision = 4)
>>> dists
array([1.4142, 2. , 1.4142, 0. , 1.4142, 2. , 3.1623, 2.8284,
3.1623, 4. ])
>>>
对数组dists统计物体与原点距离的最大值、最小值和平均值。
>>> dists.max()
4.0
>>> dists.min()
0.0
>>> dists.mean()
2.1395623132202237
>>>
统计物体随机游走过程中与原点的距离大于平均距离的次数
>>> (dists>dists.mean()).sum()
4
>>>
思考与练习
1.将随机游走的步数增加到100步，计算物体最终与原点的距离。
>>> step = 100
>>> randwlk = np.random.randint(0,2,size = (2,step))
>>> randwlk
array([[0, 1, 0, 1, 1, 1, 0, 1, 1, 1, 1, 1, 0, 1, 0, 1, 0, 1, 1, 0, 0, 0,
0, 0, 1, 0, 1, 0, 1, 1, 1, 0, 0, 0, 1, 1, 1, 1, 1, 1, 0, 0, 1, 1,
0, 0, 1, 1, 0, 0, 1, 1, 1, 1, 0, 0, 1, 0, 1, 1, 1, 0, 0, 1, 1, 1,
1, 1, 0, 1, 0, 1, 0, 0, 1, 1, 1, 0, 1, 1, 0, 0, 0, 1, 0, 0, 1, 1,
1, 1, 1, 1, 0, 1, 0, 1, 0, 0, 1, 1],
[0, 1, 1, 1, 0, 0, 1, 0, 0, 0, 1, 1, 1, 1, 1, 1, 0, 1, 0, 0, 0, 0,
0, 1, 0, 1, 1, 0, 0, 0, 0, 1, 1, 0, 0, 0, 0, 1, 0, 0, 1, 1, 0, 1,
1, 1, 1, 1, 0, 1, 0, 1, 0, 1, 1, 0, 1, 1, 1, 1, 0, 0, 0, 1, 0, 0,
1, 0, 1, 1, 1, 1, 1, 0, 1, 1, 1, 0, 0, 1, 1, 0, 0, 1, 1, 0, 1, 0,
0, 0, 0, 0, 0, 1, 1, 0, 1, 1, 0, 1]])
>>> randwlk = np.where(randwlk>0,1,-1)
>>> randwlk
array([[-1, 1, -1, 1, 1, 1, -1, 1, 1, 1, 1, 1, -1, 1, -1, 1,
-1, 1, 1, -1, -1, -1, -1, -1, 1, -1, 1, -1, 1, 1, 1, -1,
-1, -1, 1, 1, 1, 1, 1, 1, -1, -1, 1, 1, -1, -1, 1, 1,
-1, -1, 1, 1, 1, 1, -1, -1, 1, -1, 1, 1, 1, -1, -1, 1,
1, 1, 1, 1, -1, 1, -1, 1, -1, -1, 1, 1, 1, -1, 1, 1,
-1, -1, -1, 1, -1, -1, 1, 1, 1, 1, 1, 1, -1, 1, -1, 1,
-1, -1, 1, 1],
[-1, 1, 1, 1, -1, -1, 1, -1, -1, -1, 1, 1, 1, 1, 1, 1,
-1, 1, -1, -1, -1, -1, -1, 1, -1, 1, 1, -1, -1, -1, -1, 1,
1, -1, -1, -1, -1, 1, -1, -1, 1, 1, -1, 1, 1, 1, 1, 1,
-1, 1, -1, 1, -1, 1, 1, -1, 1, 1, 1, 1, -1, -1, -1, 1,
-1, -1, 1, -1, 1, 1, 1, 1, 1, -1, 1, 1, 1, -1, -1, 1,
1, -1, -1, 1, 1, -1, 1, -1, -1, -1, -1, -1, -1, 1, 1, -1,
1, 1, -1, 1]])
>>> position = randwlk.cusum(axis = 1)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
AttributeError: 'numpy.ndarray' object has no attribute 'cusum'
>>> position = randwlk.cumsum(axis = 1)
>>> position
array([[-1, 0, -1, 0, 1, 2, 1, 2, 3, 4, 5, 6, 5, 6, 5, 6,
5, 6, 7, 6, 5, 4, 3, 2, 3, 2, 3, 2, 3, 4, 5, 4,
3, 2, 3, 4, 5, 6, 7, 8, 7, 6, 7, 8, 7, 6, 7, 8,
7, 6, 7, 8, 9, 10, 9, 8, 9, 8, 9, 10, 11, 10, 9, 10,
11, 12, 13, 14, 13, 14, 13, 14, 13, 12, 13, 14, 15, 14, 15, 16,
15, 14, 13, 14, 13, 12, 13, 14, 15, 16, 17, 18, 17, 18, 17, 18,
17, 16, 17, 18],
[-1, 0, 1, 2, 1, 0, 1, 0, -1, -2, -1, 0, 1, 2, 3, 4,
3, 4, 3, 2, 1, 0, -1, 0, -1, 0, 1, 0, -1, -2, -3, -2,
-1, -2, -3, -4, -5, -4, -5, -6, -5, -4, -5, -4, -3, -2, -1, 0,
-1, 0, -1, 0, -1, 0, 1, 0, 1, 2, 3, 4, 3, 2, 1, 2,
1, 0, 1, 0, 1, 2, 3, 4, 5, 4, 5, 6, 7, 6, 5, 6,
7, 6, 5, 6, 7, 6, 7, 6, 5, 4, 3, 2, 1, 2, 3, 2,
3, 4, 3, 4]])
>>> dists = np.sqrt(position[0]**2 + positrion[1]**2)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
NameError: name 'positrion' is not defined
>>> dists = np.sqrt(position[0]**2 + position[1]**2)
>>> dists
array([ 1.4142, 0. , 1.4142, 2. , 1.4142, 2. , 1.4142,
2. , 3.1623, 4.4721, 5.099 , 6. , 5.099 , 6.3246,
5.831 , 7.2111, 5.831 , 7.2111, 7.6158, 6.3246, 5.099 ,
4. , 3.1623, 2. , 3.1623, 2. , 3.1623, 2. ,
3.1623, 4.4721, 5.831 , 4.4721, 3.1623, 2.8284, 4.2426,
5.6569, 7.0711, 7.2111, 8.6023, 10. , 8.6023, 7.2111,
8.6023, 8.9443, 7.6158, 6.3246, 7.0711, 8. , 7.0711,
6. , 7.0711, 8. , 9.0554, 10. , 9.0554, 8. ,
9.0554, 8.2462, 9.4868, 10.7703, 11.4018, 10.198 , 9.0554,
10.198 , 11.0454, 12. , 13.0384, 14. , 13.0384, 14.1421,
13.3417, 14.5602, 13.9284, 12.6491, 13.9284, 15.2315, 16.5529,
15.2315, 15.8114, 17.088 , 16.5529, 15.2315, 13.9284, 15.2315,
14.7648, 13.4164, 14.7648, 15.2315, 15.8114, 16.4924, 17.2627,
18.1108, 17.0294, 18.1108, 17.2627, 18.1108, 17.2627, 16.4924,
17.2627, 18.4391])
>>>
综合练习题
1.大润发、沃尔玛、好德和农工商4个超市售卖苹果、梨、香蕉、橘子和芒果5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。
>>> import numpy as np
>>> fruit = np.array(['苹果','梨','香蕉','橘子','芒果'])
>>> sup = np.array(['大润发','沃尔玛','好德','农工商'])
>>> sup
array(['大润发', '沃尔玛', '好德', '农工商'], dtype='<U3')
>>> fruit
array(['苹果', '梨', '香蕉', '橘子', '芒果'], dtype='<U2')
>>>
(2)创建4 x 5的二维数组存储不同超市的水果价格，其中价格（单位为元）由4~10范围内的随机数生成。
>>> price = np.random.randint(4,11,size = (4,5))
>>> price
array([[ 4, 7, 7, 7, 6],
[ 4, 8, 4, 4, 4],
[ 7, 9, 10, 7, 9],
[ 8, 7, 5, 8, 4]])
>>>
(3)选择大润发的苹果和好德的香蕉，并将价格增加1
sup == '大润发'
fruit == '苹果'
temp = price[(sup == '大润发')|(sup == '好德'),(fruit == '苹果')|(fruit == '香蕉')]
print(temp)
a = price[(sup == '大润发')|(sup == '好德'),(fruit == '苹果')|(fruit == '香蕉')] + 1
print(a)
(4)农工商的水果大减价，将所有的水果价格减少2元。
temp = price[sup == '农工商']
print(temp)
print(temp-2)
(5)统计4个超市苹果和芒果的销售均价
price[sup == '大润发',fruit == '苹果']
price[sup == sup[0]]
for i in range(0,4):
print(price[sup == sup[i],(fruit == '苹果')|(fruit == '芒果')].mean(axis=0))
(6)找出橘子价格最贵的超市名称(不是编号)
temp = price[:,fruit == '橘子'].argmax()
print(sup[temp])
2.基于随机游走的例子，使用ndarray()和随机数生成函数模拟一个物体在三维空间游走的过程。
(1)创建3 x 10的二维数组，记录物体每步在三个轴上的移动距离。在每个轴向的移动距离服从正态分布（期望为0，方差为1）。行序0、1、2分别对应x轴，y轴、z轴。
temp = np.random.normal(0,1,size = (3,10))
temp
(2)计算每步走完后物体在三维空间的位置。
position = temp.cumsum(axis=1)
position
(3)计算每部走完后物体与原点的距离（只显示两位小数）
dists = np.sqrt(position[0]**2+position[1]**2+position[2]**2)
np.set_printoptions(precision=2)
dists
(4)统计物体在z轴上到达的最远距离。
max_dist = abs(position[2]).max()
max_dist
(5)统计物体在三维空间与原点距离的最近值
dists = np.sqrt(position[0]**2+position[1]**2+position[2]**2)
np.set_printoptions(precision=2)
dists.min()
以上是关于陕西学业水平考试，密码的主要内容，如果未能解决你的问题，请参考以下文章