np是numpy模块的别名。若a=np.array([[11,12,13, 14],[15,16,17,18]])，则a[1,1:3]的结果是（）。
A: array([11, 12, 13])
B: array([15, 16, 17])
C: array([11, 13])
D: array([16, 17])
A: array([11, 12, 13])
B: array([15, 16, 17])
C: array([11, 13])
D: array([16, 17])
举一反三
- np是numpy模块的别名。若a= np.array([[11,12,13, 14],[15,16,17,18]])，则 a[a>;16]的结果是（）。 A: True B: False C: [17,18] D: array([17,18])
- 请阅读下列一段示例程序:[br][/br]arr2d = np.array([[11, 20, 5],[21, 15, 26],[17, 8, 19]])[br][/br]arr2d[0:2, 0:2][br][/br]运行上述程序,它最终执行的结果为( )。 A: array([[11, 20],[21, 15]]) B: array([11, 20]) C: array([21, 15]) D: array([11, 21])
- 请阅读下列一段示例程序：<br/>arr2d = np.array([[11, 20, 5],[21, 15, 26],[17, 8, 19]])<br/>arr2d[0:2, 0:2]<br/>运行上述程序，它最终执行的结果为（ ）。 A: array([[11, 20],[21, 15]]) B: array([11, 20]) C: array([21, 15]) D: array([11, 21])
- 执行如下代码arr1=[[1,3],[2,4]]arr2=[[2,1],[4,1]]np.multiply(arr1,arr2)则输出结果为 A: array([[14, 4], [20, 6]]) B: array([[2, 3], [8, 4]]) C: array([[0.5, 3. ], [0.5, 4. ]]) D: array([[ 4, 10], [ 6, 16]])
- a=array([[0,1,2,3], [4,5,6,7], [8,9,10,11], [12,13,14,15]]) b=array([[16,17,18,19], [20,21,22,23], [24,25,26,27], [28,29,30,31]]) 通过语句np.concatenate((a,b),axis=1)可以产生 array([[0,1,2,3,16,17,18,19], [4,5,6,7,20,21,22,23], [8,9,10,11,24,25,26,27], [12,13,14,15,28,29,30,31]])