1. 使用cv2.imread读取图片后，图像变量img的存储类型是（ ）

{{ select(1) }}

• list
• numpy.ndarray
• dict
• int

2. 代码img = cv2.imread("cat.jpg")，打印img.shape输出(225,300,3)，其中末尾数字3代表（ ）

{{ select(2) }}

• 图片高度
• 图片宽度
• RGB三通道数量
• 数组总维度数

3. 打印img.dtype得到uint8，代表像素数值的取值范围是（ ）

{{ select(3) }}

• -128~127
• 0~255
• 0~1
• 任意整数

4. 导入NumPy库行业通用标准简写代码是（ ）

{{ select(4) }}

• import numpy as np
• import num as np
• import np as numpy
• import numpy

5. np.array([7,2,9,10]).shape 的输出结果为（ ）

{{ select(5) }}

• (2, 3)
• (4,)
• (4, 3, 2)
• (2, 2)

6. 用于生成全部元素为0的数组的NumPy函数是（ ）

{{ select(6) }}

• np.ones()
• np.random.rand()
• np.zeros()
• np.array()

7. np.random.rand(2,3) 的作用是（ ）

{{ select(7) }}

• 创建长度为5的一维数组
• 生成2行3列0~1随机浮点数二维数组
• 创建所有元素固定为2、3的数组
• 将Python列表转换为数组

8. 一维NumPy数组与Python普通列表的基础索引、切片语法（ ）

{{ select(8) }}

• 完全不一致
• 基础取用语法完全一致
• 仅索引写法相同，切片逻辑不同
• 仅切片写法相同，索引逻辑不同

9. 二维数组my_array_2d = np.array([[1,2,3],[4,5,6],[7,8,9]])，执行my_array_2d[1,1]输出结果是（ ）

{{ select(9) }}

• 2
• 4
• 5
• 8

10. 二维数组切片 my_array_2d[:, 0] 的含义是（ ）

{{ select(10) }}

• 取全部行、第0列所有元素
• 取第0行、全部列元素
• 仅取第0行第0列单个数字
• 提取前两行、前两列子数组

11. Python嵌套二维列表 [[1,2,3],[4,5,6]] 无法直接快速完成的操作是（ ）

{{ select(11) }}

• 读取单个元素[1][1]
• 批量提取所有第一列数字[1,4]
• 提取完整一行数据
• 循环遍历每一行

12. my_array_2d[1:3, 1:3] 切片提取的区域是（ ）

{{ select(12) }}

• 全部行与全部列
• 第1、2行，第1、2列组成的子数组
• 仅第二行全部列
• 仅第二列全部行

13. NumPy多维数组里axis 0代表的方向是（ ）

{{ select(13) }}

• 列方向（横向）
• 行方向（纵向）
• 图像通道维度
• 随机坐标轴

14. 切片表达式 my_array_2d[:, 0:1] 最终得到的数据结构是（ ）

{{ select(14) }}

• 一维数组
• 二维数组
• 单个整数
• Python列表

15. 代码 grades_array[grades_array > 80] 的作用是（ ）

{{ select(15) }}

• 将数组所有数值修改为80
• 筛选出数组内大于80的全部元素
• 判断数组总长度是否大于80
• 计算大于80元素的平均值

16. 计算数组内所有元素平均值的NumPy内置方法是（ ）

{{ select(16) }}

• array.sum()
• array.max()
• array.mean()
• array.min()

17. 以下哪一项不属于NumPy库的核心优势（ ）

{{ select(17) }}

• 支持多维数组存储
• 大规模数值运算速度高效
• 内置大量数学运算函数
• 仅能处理一维数据

18. numpy.array()函数的第一个必填参数object接收的数据是（ ）

{{ select(18) }}

• 整数
• Python列表/嵌套列表
• 浮点数
• 字符串

19. np.ones((3,2)) 会生成什么样的数组（ ）

{{ select(19) }}

• 3行2列，全部元素为1
• 2行3列，全部元素为0
• 长度3的一维随机数组
• 3行2列随机浮点数数组

20. 二维NumPy数组相较于普通Python二维列表最大的独有优势是（ ）

{{ select(20) }}

• 能读取单个元素
• 支持按列批量切片、条件筛选批量运算
• 可以循环遍历每行
• 可以打印输出数组内容