Пусть x = np.array([[1, 2], [3, 4]]). Чему равен результат np.sum(x, axis=0)?
AСкаляр 10
B
np.array([3, 7])C
np.array([2, 3])D
np.array([4, 6])Правильный ответ.
axis=0 суммирует по строкам, то есть считает сумму в каждом столбце.Разбор
В 2D массиве axis=0 означает агрегацию «вниз по строкам», результат — по каждому столбцу. Для x = [[1, 2], [3, 4]] суммы по столбцам равны 1+3 и 2+4, то есть np.array([4, 6]). Понимание axis критично для корректных метрик.
Проверь себя · 1/3разбор после ответа
Какой вызов создаст
ndarray из нулей формы (7, 3) после import numpy as np?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])`?
- 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» →