numpy-试题-最新版.pdf

Numpy 是 Python 中用于数值计算的核心库，它提供了丰富的数据结构和高效的运算功能。这篇试题主要测试了对 Numpy 的基本理解和使用，包括数组操作、属性查询、转换以及与 Pandas 的结合应用。 1. `np.size()` 函数用于计算 numpy 数组中元素的个数。例如，`np.size(array)` 将返回数组中所有元素的数量。 2. `c.sum(axis=0)` 是对数组 c 按照指定轴（这里是轴 0，即行）求和。给定的选项中，如果 c 是一个三维数组，则按行求和后会得到一个新的二维数组，每一列对应原数组同一列的和。因此，正确答案是 B，它展示了每一列元素相加的结果。 3. `n.shape` 返回数组 n 的形状，对于 `np.arange(24).reshape(2,-1,2,2)`，-1 表示自动计算尺寸以使总元素数量匹配，由于总元素为 24，其他维度已知，所以最后一维应该是 3，使得总和为 24。所以 n.shape 应该是 (2,3,2,2)。 4. `np.zeros()` 用于创建一个全为 0 的矩阵。其他选项如 ones() 创建全 1 矩阵，empty() 创建未初始化的矩阵，arange() 创建等差序列。 5. `reshape()` 方法可以将数组转换成指定形状的矩阵。例如，一个一维数组可以通过 reshape 成为二维矩阵。 6. `ravel()` 方法可以将矩阵转换成一维向量。其他选项与问题要求不符。 7. 在使用 Pandas 时，通常会导入 pandas 并别名为 pd，即 `import pandas as pd`。 8. `df.tail()` 函数用于显示数据框（DataFrame）的尾部数据，通常用于快速查看数据集的末尾部分。 9. `df.min()` 函数返回 DataFrame 中所有元素的最小值，如果希望找到每列或每行的最小值，需要指定 axis 参数。 10. 最简单的 Series 是由一个数组构成的，它可以看作是一维有序的字典，其中每个元素都有一个唯一的标签（索引）。 判断题涉及的知识点包括视图（view）与深浅拷贝的区别、条件操作、数据类型查询、数据缺失检查、数组属性、Series 和 DataFrame 的结构以及操作、Pandas 的常用函数等。 填空题进一步考察了 Numpy 的基本操作，如创建特定类型的数组（如全 1 的数组使用 ones()，单位矩阵使用 eye()）、数组分割（hsplit()）、数据类型查询（dtype）、以及 Pandas 的数据结构和操作（如 Series 和 DataFrame，索引与列的表示，csv 文件读取等）。 总结来说，这份试题涵盖了 Numpy 的基础操作，包括数组创建、操作、属性查询，以及与 Pandas 的接口使用，这些都是数据分析和科学计算中至关重要的技能。掌握这些知识点能帮助你在实际工作中高效处理数值数据。