第三章单元测试
- 设numpy数组arr=np.arange(10),要将该数组中偶数选择处理,以下正确的是( )。
- 使用numpy的split函数分割数组arr,如果该函数的第二个参数为[3,5],则表示要划分arr为( )个子数组。
- 设数组a、b均为1行3列的一维数组,使用numpy.stack函数连接数组a和b时,若参数axis=-1,则( )。
- 设数组a、b均为1行6列的一维数组,若执行赋值语句a=b;b.shape=2,3,则以下说法正确的是( )。
- ndarray对象是numpy库的核心数据结构,关于该对象的说法,以下不正确的是( )。
- 使用numpy库的array函数分别创建数组a和b,其中,则a+b的运算结果是( )。
Numpy库提供了线性代数子模块linalg,其中专门用于计算Hermitian矩阵或对称矩阵特征值和特征向量的函数是( )。
在numpy环境中,如果要将一个二维数组a2d的相应行中减去一维数组b1d的每一项,以下方法正确的是( )。
- 设数组x=numpy.arange(1,9,2),则表达式x[numpy.where(x<5,x,-1)]的运算结果为( )。
- 设数组x=numpy.linspace(-2,2,3),则表达式numpy.piecewise(x,[x<0,x>=0], [lambda x:-x,lambda x:x])的运算结果为( )。
- 设有numpy数组arr=np.arange(9).reshape(3,3),则arr[:,::-1]的作用是( )。
- 设有numpy数组arr=np.arange(9).reshape(3,3),则要交换该数组的第1、第2行,以下表达式正确的是( )。
- 形状兼容时,numpy可以进行广播操作,以下运算中没有广播操作的是( )。
- 设numpy数组arr=np.arange(10),要将该数组中的偶数选择出来,以下表达式不正确的是( )。
- numpy提供了random随机模块,使用该模块可产生标准正态分布随机数的是( )。
使用Numpy的reshape方法,可以同时改变数组的维数和大小。( )
使用Numpy的resize方法,可以同时改变数组的维数和大小。( )
- 如果两个数组的维度相同,但大小不同,则这两个数组不能进行算术运算。( )
- 设数组a = np.arange(9).reshape(3,3),则表达式a[: , [1,0,2]]的作用是交换数组a的两列。( )
- 如果两个由数值数据组成的数组进行点积运算的结果为0,则表示这两个数组对应的向量垂直。( )
- 一个两行三列的数组可以看作为两个三维的向量。( )
- 在计算数据集的中心倾向时,均值对数据中的异常值不敏感。( )
- 百分位数常用于描述一组有序数据中的各数据项如何在最小值和最大值之间分布。( )
- 数据离散度的计算很容易受到其中一小部分异常值的影响。( )
- 当计算数据的标准差结果为0时,表示数据聚集在一起。( )
- numpy库中使用的ndarray数组要求数据类型必须一致。( )
- 设数组a= np.arange(6).reshape(3,2),则表达式a[::-1]的作用是翻转数组a的两列。( )
- 计算数据之间的相关性,可以使用numpy库的corrcoef函数。( )
- 使用numpy库random子模块的randint函数每次只能生成一个随机整数。( )
- 使用numpy库的amax函数可以对多维数组的每一行求最大值。( )
- 在计算机上使用数值近似解方法解决实际问题时,不可避免地会引入误差,其主要来源类型有( )。
- 对Numpy库的描述,以下正确的是( )。
- 对Numpy库中ndarray对象的描述,以下说法正确的是( )。
- 使用Numpy库可以创建单位矩阵形式数组的函数有( )。
- 可以创建三角矩阵的Numpy库函数有( )。
- 在numpy环境中执行语句序列a=np.array([1,2,3]);b=np.unique(np.append(a,2))后,以下说法正确的是( )。
- 将二维数组转换为一维数组,可以使用的方法有( )。
- 使用numpy创建数组a=np.random.randint(1,10,[3,3]),则执行语句b=a[:,::-1]后,以下说法正确的是( )。
- Numpy库提供了线性代数子模块linalg,支持的运算包括( )。
- 常用的矩阵分解方法包括( )。
- 使用索引访问数组中的元素时,索引的形式可以是( )。
- 设arr是一个3行3列的numpy数值型数组,则以下操作返回原始对象视图的有( )。
- 以下属于numpy库子模块的有( )。
- numpy库中的linalg子模块可以用来( )。
使用numbers=np.random.uniform(0,20,20)语句创建一个numpy数组,要提取该数组中的整数部分,以下方法正确的是( )。
A:arr[arr % 2 == 0] B:arr[arr % 2 == True] C:np.where(arr % 2 == 0) D:arr[::2]
答案:arr[arr % 2 == True]
A:3 B:1 C:2 D:4
A:不允许,将提示错误 B:连接轴为行,等价于axis=0 C:按默认的轴方向进行连接 D:连接轴为列,等价于axis=1
A:数组a和b均变为2行3列 B:数组a和b具有不同的存储单元地址 C:数组b的形状改变,而数组a形状不变 D:数组a和b的形状均保持不变
A:是一个N维数组 B:每个元素的存储空间大小不同 C:元素的数据类型相同 D:元素的下标默认从0开始
A: B: C: D:不能运算,报错
A:eigh B:eig C:eigvalsh D:eigvals
A:a2d - b1d B:a2d - b1d[ : , :] C:a2d - b1d[: , NaN] D:a2d - b1d[:,None]
A:array([3, 7, 7, 7]) B:array([3, 0, 0, 0]) C:array([ 1, 3, -1, -1]) D:array([3, 1, 1, 1])
A:array([2., 0., 2.]) B:array([-1., 0., -1.]) C:array([-2., 0., -2.]) D:array([1., 0., 1.])
A:行倒序 B:列倒序 C:行列互换 D:数组保持不变
A:arr[[1,0,2],:] B:arr[:,[1,0,2]] C:arr[:,[0,2,1]] D:arr[[0,2,1],:]
A:a=np.random.randn(2,3); a*3 B:a=np.arange(3).reshape(3,1); b=np.arange(3); a+b C:a=np.ones((2,3)); b=np.arange(3); a+b D:a=np.ones((3,2)); b=np.arange(3); a*b
A:arr[arr%2==0] B:np.where(arr%2==0) C:arr[::2] D:np.where(np.mod(arr,2))
A:rand B:normal C:randn D:radom
A:错 B:对
A:错 B:对
A:错 B:对
A:错 B:对
A:错 B:对
A:对 B:错
A:对 B:错
A:对 B:错
A:对 B:错
A:错 B:对
A:错 B:对
A:对 B:错
A:对 B:错
A:对 B:错
A:错 B:对
A:舍入误差 B:观测误差 C:截断误差 D:模型误差
A:是Python的外部扩展库 B:其核心功能的实现受ndarray对象的支持 C:是基于Python环境的科学计算基础包 D:只支持数值类型的运算
A:元素可使用下标索引方式访问 B:是一个多维数组 C:对象中每个元素的存储空间大小相同 D:对象中元素的数据类型必须相同
A:eye B:identity C:zeros D:ones
A:diag B:triu C:tril D:tri
A:数组a和b是同一个数组 B:数组b的内容为array([1,2,3]) C:数组a和b的内容相同 D:数组a的内容没有改变
A:numpy.flatten B:ndarray.reshape C:numpy.ravel D:ndarray.resize
A:数组a中的元素按行倒置后得到数组b B:数组a和b的形状相同 C:数组a中的元素按列倒置后得到数组b D:数组a的内容保持不变
A:求解线性方程组 B:矩阵和矢量的基本运算 C:矩阵的分解和规范化 D:求解矩阵的特征值
A:QR分解 B:正交分解 C:三角分解(LU) D:奇异值分解(SVD)
A:切片索引 B:整数数组索引 C:布尔数组索引 D:字段名称索引
A:arr.view() B:arr+2 C:arr.flatten() D:arr[:]
A:ma B:random C:matlib D:linalg
A:求解线性方程组 B:计算两个矩阵的乘法 C:求两个向量的欧式距离 D:计算矩阵的行列式
A:numbers.astype(int) B:np.trunc(numbers) C:numbers - numbers%1 D:np.floor(numbers)
温馨提示支付 ¥3.00 元后可查看付费内容,请先翻页预览!