Numpy高级试题及完整答案

Numpy高级试题及完整答案考试时间：______分钟总分：______分姓名：______选择题（每题2分，共20分）1.下列关于Numpy广播机制的描述，正确的是（）A.广播时，形状较小的数组会自动扩展到与较大数组相同的形状B.广播要求从最后一个维度开始向前匹配，形状相等或其中一个为1C.任意形状的数组均可与标量广播D.广播会修改原数组的内存布局2.对于Numpy数组，下列操作会创建视图而非副本的是（）A.arr.copy()B.arr[0:2]C.np.array(arr)D.arr.reshape(3,4)3.在Numpy中，执行`a=np.array([1,2,3],dtype=32)`后，`a.dtype`的值是（）A.64B.32C.np.float32D.np.uint84.关于Numpy的ufunc（通用函数），下列说法错误的是（）A.ufunc对数组元素逐个操作，返回新数组B.ufunc支持广播机制C.所有ufunc都支持`out`参数指定输出数组D.ufunc的运算速度比Python循环慢5.给定数组`A=np.array([[1,2],[3,4]])`和`B=np.array([[5,6]])`，执行`C=A+B`后，`C`的形状是（）A.(2,2)B.(1,2)C.(2,1)D.(3,2)6.在Numpy中，`np.where(condition)`的作用是（）A.返回满足条件的元素的索引B.返回满足条件的元素的值C.返回满足条件的元素的位置和值D.替换满足条件的元素为指定值7.关于Numpy的`np.linalg`模块，下列函数用于计算矩阵行列式的是（）A.np.linalg.inv()B.np.linalg.det()C.np.linalg.eig()D.np.linalg.norm()8.执行`arr=np.random.rand(3,4)`后，`arr`的默认数据类型是（）A.32B.np.float32C.np.float64D.np.bool9.在Numpy中，`np.cumsum(arr)`的功能是（）A.计算数组的累加和B.计算数组的平均值C.计算数组的标准差D.对数组元素进行排序10.关于Numpy的`np.vectorize`，下列说法正确的是（）A.`np.vectorize`是真正的向量化操作，性能高于Python循环B.`np.vectorize`将标量函数转换为可作用于数组的函数C.`np.vectorize`的结果总是返回副本D.`np.vectorize`支持所有Python函数填空题（每题4分，共20分）1.创建一个形状为(5,5)的单位矩阵，应使用的函数是________。2.在Numpy中，计算两个数组的点积（内积），可以使用函数________或运算符________。3.给定数组`arr=np.array([1,2,3,4,5])`，要筛选出大于3的元素，应使用的函数是________。4.在Numpy中，`np.mean(arr,axis=1)`表示计算数组________方向的平均值。5.要将数组`arr`的数据类型转换为`np.float64`，应使用的方法是________。简答题（每题10分，共30分）1.简述Numpy广播机制的步骤，并举例说明其在计算中的应用场景。2.解释Numpy中视图（view）与副本（copy）的区别，并说明在内存管理上的优缺点。3.比较使用Python循环与Numpy向量化实现数组运算的效率差异，并分析原因。编程题（每题15分，共30分）1.给定一个形状为(100,10)的随机数组`arr`（元素为0~100的整数），要求：(1)计算每行的最大值与最小值之差；(2)筛选出“最大值与最小值之差大于50”的行，并按差值降序排列；(3)统计满足条件的行中，每列元素的平均值。2.编写一个函数，输入一个二维数组`arr`，返回一个新数组，其中每个元素是原数组对应元素与其所在列的平均值的差（即中心化处理）。要求使用Numpy实现，避免使用Python循环。试卷答案选择题（每题2分，共20分）1.C解析：广播机制要求从后向前匹配维度，形状相等或其中一个为1（B错误）；广播是虚拟扩展不修改原数组（D错误）；形状较小的数组不会实际扩展（A错误）；标量可与任意形状数组广播（C正确）。2.B解析：`arr.copy()`创建副本（A错误）；`arr[0:2]`返回视图（B正确）；`np.array(arr)`创建副本（C错误）；`reshape`返回视图（D正确，但题目要求“会创建视图而非副本”，B更直接）。3.B解析：显式指定`dtype=32`后，数组类型为`int32`（A错误）；`float32`和`uint8`不符合（C、D错误）。4.D解析：ufunc底层用C实现，速度远快于Python循环（D错误）；ufunc支持广播（B正确）；支持`out`参数（C正确）；返回新数组（A正确）。5.A解析：`A`形状(2,2)，`B`形状(1,2)，广播后`B`扩展为(2,2)，相加后`C`形状(2,2)。6.A解析：`np.where(condition)`返回满足条件的元素的索引（A正确）；`np.where(condition,x,y)`用于替换值（D错误）；B、C描述不准确。7.B解析：`np.linalg.det()`计算行列式（B正确）；`inv()`求逆矩阵（A错误）；`eig()`求特征值（C错误）；`norm()`求范数（D错误）。8.C解析：`np.random.rand()`默认生成`float64`类型（A、B错误）；`bool`不符合（D错误）。9.A解析：`np.cumsum()`计算累加和（A正确）；平均值用`np.mean()`（B错误）；标准差用`np.std()`（C错误）；排序用`np.sort()`（D错误）。10.B解析：`np.vectorize`将标量函数转换为数组函数（B正确）；本质是Python循环封装，性能不高于循环（A错误）；结果可能是视图或副本（C错误）；不支持所有函数（D错误）。填空题（每题4分，共20分）1.`np.eye(5)`解析：`np.eye(n)`创建n×n单位矩阵。2.`np.dot`或`@`解析：`np.dot(a,b)`和`a@b`均计算点积。3.`arr[arr>3]`解析：布尔索引直接筛选大于3的元素。4.行解析：`axis=1`表示按行方向计算（横向）。5.`arr.astype(np.float64)`解析：`astype()`方法转换数组数据类型。简答题（每题10分，共30分）1.广播步骤：①维度对齐（从后向前补1）；②维度匹配（相等或为1）；③虚拟扩展（形状为1的维度扩展）。应用场景：不同形状数组运算，如`A(3,1)+B(1,4)`广播后相加。2.视图：共享内存，修改视图影响原数组；副本：独立内存，修改不影响原数组。优点：视图节省内存；缺点：视图修改可能意外影响原数据；副本安全但占用内存。3.效率差异：向量化远快于循环。原因：向量化调用底层C函数，减少Python解释器开销；循环需逐元素解释，且无法利用CPU并行计算。编程题（每题15分，共30分）1.```pythonimportnumpyasnparr=np.random.randint(0,101,size=(100,10))row_diff=np.max(arr,axis=1)-np.min(arr,axis=1)mask=row_diff>50filtered_rows=arr[mask]sorted_rows=filtered_rows[np.a