下面两段代码，哪个说法不正确？import numpy as np a = np.array([0, 1, 2, 3, 4])import pandas as pd b = pd.Series([0, 1, 2, 3, 4])
A: a参与运算的执行速度明显比b快
B: a和b表达同样的数据内容
C: a和b是不同的数据类型，之间不能直接运算
D: a和b都是一维数据
A: a参与运算的执行速度明显比b快
B: a和b表达同样的数据内容
C: a和b是不同的数据类型，之间不能直接运算
D: a和b都是一维数据
举一反三
- ndarray对象实例a，代码如下：import numpy as np a = np.array([[0, 1, 2, 3, 4], [9, 8, 7, 6, 5]])a.itemsize的执行结果是什么？ A: 32 B: 2 C: 4 D: 10
- 已定义 import numpy as np a = np.array([1, 2, 3, 4]), 则 a[0:2:1]的值是什么?
- 有代码如下: import pandas as pd a = pd.Series({'1':1,'2':2,'3':3,'4':4,'d':5}) 则a['1']和a[1]的值分别是什么? A: 1, 2 B: 1, 1 C: 2, 2 D: 2, 1
- 如下代码的输出结果是( )import numpy as npa = np.arange(12).reshape(3, 4)print(np.sum(a[[0, 2], 2:]))
- 如下代码：import pandas as pd a = pd.Series([9, 8, 7, 6], ['a', 'b', 'c', 'd'])其中，'a'是什么？ A: 第一维数据 B: 数据对应的索引 C: 第二维数据 D: 标签