Пусть arr = np.array([[1, 2], [3, 4]]). Что вернёт np.sum(arr) без указания axis?
AСкаляр 10
B
np.array([4, 6])C
np.array([3, 7])D
np.array([[1, 2], [3, 4]])Правильный ответ. Без
axis агрегация сворачивает все элементы в один скаляр.Разбор
Функции np.sum() и np.mean() без axis агрегируют по всем элементам массива. Это удобно, когда нужен общий итог (например, сумма всех продаж), но важно помнить: без axis вы теряете разбиение по строкам/столбцам.
Проверь себя · 1/3разбор после ответа
Пусть
m = np.array([[1, 2, 3], [4, 5, 6]]). Чему равен np.mean(m, axis=1)?Ещё вопросы по теме «NumPy: основы»
- После `import numpy as np` вы сравниваете операции над Python `list` и NumPy `ndarray`. Что верно для `lst * 2` и `arr * 2`, где `lst = [1, 2, 3]`, а `arr = np.array([1, 2, 3])`?
- Какое значение вернёт `arr.shape`, если `arr = np.array([[1, 2, 3], [4, 5, 6]])`?
- 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`?
- Все вопросы по «NumPy: основы» →