話不多說，直接放程式碼：

import numpy as np
import math
#第一題，考慮一個數組z=[1,2,3,4,5,6,7,8,9,10,11,12,13,14]，如何生成一個數組R=[[1,2,3,4],[2,3,4,5]...,[11,12,13,14]]
z=[1,2,3,4,5,6,7,8,9,10,11,12,13,14]
R=[]
for i in range(0,len(z)-3):
    a=z[i:(i+4)]
    R.append(a)
print(R)

#----------------------------------------------------------------------------------------------------------------
 

#第二題，計算矩陣的秩
a=[[1, 2, 3, 4],
   [2, 3, 4, 5],
   [3, 4, 5, 6],
   [4, 5, 6, 7],
   [5, 6, 7, 8]]
s=np.linalg.matrix_rank(a)
print("矩陣的秩為：%d"%s)

#----------------------------------------------------------------------------
#考慮p個n*n矩陣，和p個形狀為（n，1）的向量，如何直接計算P個矩陣和向量間的乘積
p=int(input("請輸入n*n矩陣的個數："))
n=10
 

a=np.ones((p,n,n))#p為個數
b=np.ones((p,n,1))#n行1列
c=np.tensordot(a, b, axes=([0, 2], [0, 1]))
print(c)

#---------------------------------------------------------------------------
#第四題，計算任意兩幅圖之間的hamming距離和歐式距離
from math import sqrt
a=np.matrix([1,2,3])#矩陣，即二維陣列
b=np.matrix([4,5,6])
c=sqrt((a-b)*((a-b).T))
print(c)#歐氏距離
 

#--------------------------
a=np.array([1,2,3])#表示多維陣列
b=np.array([4,5,6])
c=sqrt(np.dot((a-b),(a-b).T))
print(c)
#---------hamming距離,兩個影象經過多少次變換才相同的步驟----------------------
#方法一
def hamming_distance(s1, s2):
    assert len(s1) == len(s2)#斷言函式使s1和s2的長度相等
    return sum(ch1 != ch2 for ch1, ch2 in zip(s1, s2))#zip函式將s1和s2打包成一個元組

print (hamming_distance("gdad","glas"))#哈明距離
#方法二
x=np.random.random(10)>0.5
y=np.random.random(10)>0.5
x=np.asarray(x,dtype=np.int32)#將列表轉換為陣列
y=np.asarray(y,dtype=np.int32)
d1=np.mean(x!=y)#記錄x和y中不相等元素出現的次數
print(d1)

執行結果如下：

雖然很容易，但是小編還是會一步一個腳印的向大佬進發！