Effets secondaires de NumPy

numpy est excellent pour effectuer de l'arithmétique vectorielle. Toutefois, si vous comparez ses fonctionnalités à celles des listes Python ordinaires, certains comportements diffèrent.

D'abord, les tableaux numpy ne peuvent pas contenir des éléments de types différents. Si vous mélangez des types, comme des booléens et des entiers, numpy les convertit automatiquement vers un type commun. Les booléens comme True et False sont traités comme 1 et 0 lorsqu'ils sont combinés à des nombres, donc le tableau devient une suite d'entiers.

Ensuite, les opérateurs arithmétiques habituels, comme +, -, * et /, n'ont pas la même signification pour les listes Python et pour les tableaux numpy.

Sélectionnez le code qui produit la sortie suivante :

np.array([True, 1, 2]) + np.array([3, 4, False])

Le module numpy est déjà importé sous le nom np. Vous pouvez exécuter chaque option dans l'IPython Shell pour voir le résultat.

Réponses possibles

np.array([True, 1, 2, 3, 4, False])

np.array([4, 3, 0]) + np.array([0, 2, 2])

np.array([1, 1, 2]) + np.array([3, 4, -1])

np.array([0, 1, 2, 3, 4, 5])

Exercice

Effets secondaires de NumPy

Instructions

Réponses possibles

.css-6su6fj{-webkit-flex-shrink:0;-ms-flex-negative:0;flex-shrink:0;}Exercice

Instructions

Réponses possibles

Exercice