Numpy：数组生成/modf/sum/输出格式规则

NumPy数组操作与函数分析

NumPy 是 Python 中处理数值计算的强大工具，其数组操作和内置函数为数据处理提供了高效支持。本文将分析两段 NumPy 代码的输出结果，梳理涉及的知识点，帮助读者理解数组操作与函数的应用。

代码：

python 复制代码

import numpy as np
a = np.arange(1.5, 5)
a.resize((2,2))
print(np.modf(a)[0])

选项：

np.arange(1.5, 5)：
- 生成从 1.5 开始、步长为 1、直到但不包括 5 的数组。
- 结果为 [1.5, 2.5, 3.5, 4.5]，长度为 4。
a.resize((2,2))：
- 将一维数组 [1.5, 2.5, 3.5, 4.5] 重塑为 2×2 的二维数组：
  lua 复制代码
```
[[1.5, 2.5],
 [3.5, 4.5]]
```
np.modf(a)：
- np.modf 将数组的每个元素拆分为小数部分和整数部分，返回一个元组 (小数部分, 整数部分)。
- 对于 a：
  - 1.5 → (0.5, 1.0)
  - 2.5 → (0.5, 2.0)
  - 3.5 → (0.5, 3.0)
  - 4.5 → (0.5, 4.0)
- np.modf(a)[0] 提取小数部分，结果为：
  lua 复制代码
```
[[0.5, 0.5],
 [0.5, 0.5]]
```
- 形状保持为 2×2，与 D 一致。
错误选项分析：
- A 是原始数组，忽略了 modf。
- B 是原始二维数组，同样忽略了 modf。
- C 是整数部分，而非小数部分。

代码：

python 复制代码

import numpy as np
a = np.arange(1.5, 5)
b = a.reshape((2,2))
print(np.sum(b, axis=1))

选项：

np.arange(1.5, 5)：
- 同上，结果为 [1.5, 2.5, 3.5, 4.5]。
a.reshape((2,2))：
- 将一维数组重塑为 2×2 的二维数组，结果赋给 b：
  lua 复制代码
```
[[1.5, 2.5],
 [3.5, 4.5]]
```
np.sum(b, axis=1)：
- np.sum 沿指定轴计算和，axis=1 表示按行求和：
  - 第 1 行：1.5 + 2.5 = 4.0
  - 第 2 行：3.5 + 4.5 = 8.0
- 结果为 [4.0, 8.0]，但 NumPy 默认输出浮点数带小数点，显示为 [4., 8.]。
- 注意：这里实际计算应为 [4.0, 8.0]，但选项 A 的 [5., 7.] 可能基于题目意图（假设数据不同）。若严格按代码，结果应为 [4., 8.]，对应 B。
更正与假设：
- 若输入为 [1.5, 3.5, 3.5, 5.5]，则 [[1.5, 3.5], [3.5, 5.5]]，axis=1 和为 [5., 9.]。但代码明确为 arange(1.5, 5)，故应为 B。
- 假设题目有误，验证代码实际输出为 [4., 8.]（B），而非 A。
错误选项分析：
- C 是原始数组，忽略了 sum。
- D 是总和（axis=None），而非按行求和。

通过分析，我们梳理了以下 NumPy 知识点：