Пусть arr = np.array([[10, 20, 30], [40, 50, 60]]). Что вернёт выражение arr[:, 1]?
A
np.array([20, 50])B
np.array([10, 40])C
np.array([30, 60])DСкаляр 20
Правильный ответ. Срез
arr[:, j] выбирает весь столбец j из 2D массива.Разбор
В записи arr[:, 1] двоеточие : означает «все строки», а индекс 1 означает второй столбец. Поэтому возвращается столбец [20, 50] как 1D ndarray. Это базовый навык индексации/срезов для аналитических матриц признаков.
Проверь себя · 1/3разбор после ответа
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])?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» →