Какое значение вернёт arr.shape, если arr = np.array([[1, 2, 3], [4, 5, 6]])?
A
(6,): одномерный массив из шести элементов после уплощения двумерногоB
(2, 3): две строки и три столбца у двумерного массива из вложенных списковC
(3, 2): три строки и два столбца, как при транспонировании исходного массиваD
(2,): одномерный кортеж из числа строк во внешнем спискеПравильный ответ. Атрибут
.shape показывает размер массива по каждой оси: для двумерного это (строки, столбцы).Разбор
Запись np.array([[...], [...]]) создаёт двумерный массив, где внешний список — строки, а внутренние списки — элементы внутри строки. Здесь 2 строки по 3 элемента, поэтому arr.shape равен (2, 3). Понимание формы массива нужно для индексации, срезов и согласования размеров при поэлементных операциях.
Проверь себя · 1/3разбор после ответа
После
import numpy as np вы сравниваете операции над списком Python list и массивом np.ndarray. Что верно для lst * 2 и arr * 2, где lst = [1, 2, 3], а arr = np.array([1, 2, 3])?Ещё вопросы по теме «NumPy: основы»
- После `import numpy as np` вы сравниваете операции над списком Python `list` и массивом `np.ndarray`. Что верно для `lst * 2` и `arr * 2`, где `lst = [1, 2, 3]`, а `arr = np.array([1, 2, 3])`?
- Что будет результатом выражения `arr + 10`, если `arr = np.array([1, 2, 3])`?
- Пусть `x = np.array([[1, 2], [3, 4]])`. Чему равен результат `np.sum(x, axis=0)`?
- Вы считаете метрику по большому массиву чисел и выбираете NumPy вместо Python `list`. Почему операции вроде `arr * 1.1` на `ndarray` обычно быстрее, чем цикл `for` по `list`?
- Что вернёт `arr.shape`, если `arr = np.arange(6).reshape(2, 3)`?
- Все вопросы по «NumPy: основы» →