NumPy vectorization patterns

🔒 Режим прегледа. Првих петнаест Foundations лекција је бесплатно; ова је Pro. Покрените 7-дневни trial да откључате едитор, AI савете и остатак курса. Картица је обавезна, можете отказати у било ком тренутку у Dashboard.Покрени 7-дневни trial →

⚡

← Kursevi›Senior Deep-DivesModule 2 · CPython performance · Recap›НумПи обрасци векторизацијеpredict47 / 161

+125 XP

Zadatak🌐 shown in EN

📝 **Question:** Predict the exact output. Four vectorization patterns in one trace: (1) scalar broadcast \`a * 2\`, (2) scalar add on a 2D matrix, (3) row-broadcast \`m + row\` where the 1D row stretches across both rows of the matrix, (4) boolean mask \`a[a > 2]\`. \`.tolist()\` is used everywhere to keep output stable across NumPy versions.

📋 Pick the right answer.

💡 **Hint:** Re-read the theory above if unsure.

Predvidi izlaz

Pažljivo pročitaj kod

import numpy as np


a = np.array([1, 2, 3, 4])
b = a * 2
print(b.tolist())

m = np.array([[1, 2], [3, 4]])
print((m + 10).tolist())

row = np.array([10, 20])
print((m + row).tolist())

mask = a > 2
print(a[mask].tolist())
print(int(np.sum(a)))

Šta će program ispisati? Napiši ovde: