NumPy

При обработке результатов биохимического эксперимента часто требуется привести данные к единому масштабу. Выполните min-max нормализацию массива по формуле: \[x_{\mathrm{norm}} = \frac{x - \min(a)}{\max(a)-\min(a)}.\] После нормализации все значения лежат в отрезке \([0;\,1]\).

Формат ввода

Первая строка — целое число \(n\) (\(2\le n\le 10^5\)). Вторая строка — \(n\) вещественных чисел через пробел. Гарантируется, что \(\min(a)\ne\max(a)\).

Формат вывода

Одна строка — \(n\) вещественных чисел, каждое округлено до 4 знаков после запятой, через пробел.

5
10.0 20.0 30.0 40.0 50.0

0.0000 0.2500 0.5000 0.7500 1.0000

Подсказка. Функции np.min(), np.max() и np.round() позволяют решить задачу в одну-две строки без циклов.

1. Группировать столбцы DataFrame
2. Группировать строки DataFrame на основе условия
3. Группировать данные на основе одного или нескольких столбцов
4. Группировать данные на основе индекса

1. df.filter(condition)
2. df.select_rows(condition)
3. df[condition]
4. df.filter_rows(condition)

1. df.select_column("ColumnName")
2. df.get_column("ColumnName")
3. df["ColumnName"]
4. df.column("ColumnName")

1. DataFrame
2. Array
3. Series  
4. List  

1.  print(df.describe())
2.  print(df.stats())
3.  print(describe(df))
4.  print(stats(df))

1.  df.dropna()
2.  df.removena
3.  df.removenull()
4.  df.delnull()

1.  df.clmn.astype(str)
2.  df.clmn.type(str)
3.  str(df.clmn)
4.  Ничего из вышеперечисленного

print(df.iloc[2:5]) 

1. печатает 2-й, 3-й, 4-й и 5-й столбцы фрейма данных df
2. печатает 2-й, 3-й, 4-й столбцы фрейма данных df
3. печатает 2-ю, 3-ю, 4-ю строки фрейма данных df
4. печатает 2-ю, 3-ю, 4-ю и 5-ю строки фрейма данных df

1. print(df.dtype)
2. print(dtypes(df)) 
3. print(df.dtypes) 
4. None of the above

1.  Слияние и объединение наборов данных
2.  Фильтрация данных с помощью условий
3.  Построение графиков и визуализация данных
4.  Ничего из вышеперечисленного

На вход даются числа n, r, c. Выведите массив размера n на n, в котором в строке r и столбце c стоят 1, а остальные числа равны 0 (используйте тип np.int8).

Используя векторные операции создайте и сохраните в переменную V Numpy вектор с покоординатными произведениями каждого второго числа из первого списка на каждое второе число из второго списка, развёрнутого в обратном порядке
Выведите данный вектор на экран.