Пусть arr = np.array([10, 20, 30, 40]). Чему равен срез arr[1:3]?
A
np.array([10, 20])B
np.array([20, 30])C
np.array([20, 30, 40])DСкаляр 20
Правильный ответ. Срез
arr[i:j] берёт элементы с индекса i включительно до j не включительно.Разбор
В NumPy (как и в Python) верхняя граница среза не включается. Поэтому arr[1:3] берёт элементы с индексами 1 и 2: это 20 и 30. Понимание срезов важно для подготовки подвыборок и оконных признаков.
Можно заниматься бесплатно
Готовим вопросы…
Три вопроса по теме этой страницы, с объяснениями.
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])`?
- 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» →