numpy测验-keys.docx

NumPy 是 Python 语言中的一个科学计算库，它提供了高效的多维数组对象 `ndarray`，以及其他各种数学操作。在本测验中，主要考察了 NumPy 的基本概念、数组属性、操作以及与其他库的交互。 1. `ndarray` 不能直接表示的数据形式是 D.高维数据。实际上，NumPy 的数组可以表示任意维度的数据，从一维到多维，包括高维。 2. `import numpy as np` 的含义是 A. numpy 的别名，不可更改。`np` 是 `numpy` 库的别名，通常用于简化代码，但这个别名是固定的，不能更改。 3. `a.shape` 的执行结果是 A. (2, 5)，它表示数组的形状，即二维数组，第一维有2个元素，第二维有5个元素。 4. `a.itemsize` 的执行结果是 A. 4，它表示数组中每个元素的大小（以字节为单位）。 5. `a > b` 的结果是 A. 一个布尔型数组对象，维度是 a.shape，它会按元素比较 a 和 b，生成对应位置的布尔结果。 6. 计算 `a` 中元素标准差的函数是 D. `np.std(a)`。 7. 获得 `a` 中最小值下标（多维方式）的方法是 D. `np.unravel_index(np.argmin(a), a.shape)`，这将返回最小值在数组中的线性索引，并转换为多维索引。 8. 可以最方便的存储多维数组的方法是 C. `np.save()` 和 `np.load()`，分别用于保存和加载数组。 9. `np.random.shuffle(a)` 的作用是 A. 将 `a` 进行随机乱序排列，改变 `a`，它会原地打乱数组的元素顺序。 10. 不在本专题中讲授的第三方库是 D. pandas，因为本专题专注于 NumPy，而 Pandas 是数据处理和分析的库。 11. 生成一个 3 行 4 列全 0 的 `ndarray` 对象的语句是：`a = np.zeros((3,4), dtype='int32')` 12. 生成一个 3 行 4 列的 `ndarray` 对象的语句是：`a = np.arange(12).reshape((3,4))` 13. 对数组中每个元素取平方根的语句是：`np.sqrt(a)` 14. 将 `a` 存储为 CSV 文件格式的语句是：`np.savetxt('a.csv', a, fmt='%d', delimiter=',')` 15. 生成 4 行 5 列，元素在 100 到 200 之间的随机整数数组的语句是：`np.random.randint(100, 200, size=(4,5))` 在测试 2 中涉及的是另一个库 —— Matplotlib，用于数据可视化： 1. `pyplot` 是 B. matplotlib 的子库，它是 Matplotlib 最常用的接口，提供了一套类似 MATLAB 的绘图命令。 2. 将上图绘制区域分成两部分的代码是 D. `plt.subplot(211)`，这会创建一个包含两个子图的布局，第一个子图占据左半部分。 3. 下列语句将绘制的内容未给出，需要完整代码才能确定。通常，`plt.plot(x, y)` 会绘制 x 和 y 对应的二维图形，如折线图。