arr = np.array([[1, 2, 3, 4, 5], [6, 7, 8, 9, 10]]) print(arr[0:2, 1:4])为什么结果是[[2 3 4] [7 8 9]]，具体运算逻辑是怎样的

这段代码中，`arr` 是一个 2 行 5 列的二维数组，其中每一行都是由数字 1 到 10 组成。

`arr[0:2, 1:4]` 是一个切片操作，它会选取 arr 的第 0 行到第 1 行（不包括第 2 行），第 1 列到第 3 列（不包括第 4 列）的元素，即：

[[2 3 4]
 [7 8 9]]

具体的运算逻辑如下：

1. `arr[0:2]` 会选取 arr 的第 0 行和第 1 行，因为切片的结束索引不包括在内，所以这里可以写成 `arr[:2]`。

   [[ 1  2  3  4  5]
    [ 6  7  8  9 10]]

2. `arr[0:2,1:4]` 会在第 1 列到第 3 列中选取元素，即：

   [[2 3 4]
    [7 8 9]]

因此，最终的结果就是 `[[2 3 4] [7 8 9]]`。

相关问题

下列选项中，可创建一个2行3列数组的是（） A. Arr=np.array([1,2,2]) B. Arr=np.array([1,2,3],[3,4,5]) C. Arr=np.array([1,2],[3,4]) D. Arr=np.ones((3,3))

正确答案是 D. Arr=np.ones((2,3))。可以使用 NumPy 库中的 ones() 函数创建指定大小的全1数组，传入一个元组作为参数，元组中指定数组的形状，例如传入 (2,3) 可以创建一个 2 行 3 列的数组。选项 A 中传入的参数只有一个，创建的是一个一维数组；选项 B 中传入的参数有两个，不符合语法规则；选项 C 中的数组形状是 2 行 2 列，不符合要求。

arr_x = np.array([1, 5, 7]) arr_y = np.array([2, 6, 8]) arr_con = np.array([True, False, True]) arr_res=np.where( , , ) 补齐参数，使得结果arr_res=[1,6,8]

arr_x = np.array([1, 5, 7])
arr_y = np.array([2, 6, 8])
arr_con = np.array([True, False, True])
arr_res=np.where(arr_con, arr_x, arr_y)
# 结果为 [1, 6, 8]