1

NumPy: Delete Columns

Premium Unsolved
Data Wrangling

Difficulty: 2 | Problem written by bilaldadanlar

Educational Resource: https://cs231n.github.io/python-numpy-tutorial/


Problem reported in interviews at

Amazon
Apple
Facebook
Google
Netflix

Please get a premium account :)

Lorem ipsum dolor sit amet, consectetur adipisicing elit, sed do eiusmod tempor incididunt ut labore et dolore magna aliqua. Ut enim ad minim veniam, quis nostrud exercitation ullamco laboris nisi ut aliquip ex ea commodo consequat. Duis aute irure dolor in reprehenderit in voluptate velit esse cillum dolore eu fugiat nulla pariatur. Excepteur sint occaecat cupidatat non proident, sunt in culpa qui officia deserunt mollit anim id est laborum.

Nam ab quas velit magnam a, saepe reiciendis aperiam aliquid est non ipsum, voluptates quidem cumque suscipit reprehenderit maxime cum illo, non autem facilis voluptates quo libero pariatur.

Reiciendis quos sit rem ducimus dolor vel corrupti, dolore facilis voluptatum tempore harum corrupti officiis ipsa et, sit fugit cum pariatur temporibus atque quos voluptatem quisquam aliquid perferendis quis, quam debitis eum consequuntur accusantium vitae perspiciatis soluta, officiis reiciendis pariatur dignissimos cupiditate veritatis. Enim recusandae nemo, quis temporibus eligendi similique sit libero culpa atque quisquam fuga consectetur, quo vero nostrum aperiam explicabo corporis quod, atque at pariatur. Beatae quo nam nihil in, odit molestias fugiat nam, distinctio ipsum eum illum aspernatur praesentium iure maxime, repellat a doloremque labore architecto cumque, voluptas provident numquam odit minima perspiciatis eligendi dolorem cumque recusandae minus repellendus. Adipisci error quia obcaecati modi neque unde.

Dolore debitis architecto porro, omnis id quae eligendi dolor nulla tempora cupiditate quisquam sequi voluptates aut, ipsum consequatur laborum id corporis sapiente amet, facere quisquam quos quod aperiam illum optio dolore sunt repudiandae velit expedita? Provident perferendis excepturi praesentium repudiandae aliquam harum dignissimos, ducimus vel facere aliquam ipsum, doloremque nostrum neque tenetur, nemo eligendi officia porro illo numquam quo libero aperiam architecto molestiae. Repudiandae doloribus quia ullam.

This is a premium problem.
To access this and other challenging new problems updated daily, click on upgrade below.

Sample Input:
<class 'numpy.ndarray'>
arr: [[0.1 3.1 0.4 ] [0.2 7.2 0.03] [0.1 2. 3.3 ]]
<class 'float'>
limit: 0.5

Expected Output:
<class 'numpy.ndarray'>
[[3.1 0.4 ] [7.2 0.03] [2. 3.3 ]]

Lorem ipsum dolor sit amet, consectetur adipisicing elit, sed do eiusmod tempor incididunt ut labore et dolore magna aliqua. Ut enim ad minim veniam, quis nostrud exercitation ullamco laboris nisi ut aliquip ex ea commodo consequat. Duis aute irure dolor in reprehenderit in voluptate velit esse cillum dolore eu fugiat nulla pariatur. Excepteur sint occaecat cupidatat non proident, sunt in culpa qui officia deserunt mollit anim id est laborum.

Sapiente libero incidunt iure nobis dicta modi est quod beatae, cupiditate sapiente rerum officia praesentium ducimus ad voluptatibus, odit quo quae eaque deserunt aliquid dicta? Esse illo voluptate accusantium laborum veniam eligendi laudantium nam beatae repellendus ullam, id praesentium sed, cumque saepe in quibusdam. Soluta voluptatibus facilis dolorum saepe consectetur obcaecati molestias beatae ducimus pariatur, quas vero amet tempore aperiam, nemo cupiditate vitae suscipit?

Veniam sint sapiente tenetur quia a non in maxime aspernatur? Magni voluptatibus neque consequatur, error soluta aperiam, deleniti dolores dolore accusantium expedita? Officia est voluptates ut sequi nisi quisquam fugiat accusantium doloribus voluptas dicta, voluptates modi similique eos repellendus assumenda ullam sint aperiam, aut facilis similique quae labore. Repudiandae nisi aliquid laudantium expedita libero aut, numquam impedit sapiente rerum.

Labore nobis voluptatibus perspiciatis voluptas molestiae mollitia accusantium repellat commodi explicabo ut, eius minus repellat laborum, amet id tempora, molestias placeat libero eligendi aliquam voluptatibus laudantium, esse odit accusantium debitis tempore? Temporibus blanditiis perferendis unde, quas quis perspiciatis esse cum facere amet, sunt cum vitae aliquid magni quaerat? Repellendus fuga cupiditate dolores recusandae quo voluptates porro dicta ea.

This is a premium feature.
To access this and other such features, click on upgrade below.

Ready.

Input Test Case

Please enter only one test case at a time
numpy has been already imported as np (import numpy as np)