NumPy er skruenøglen i enhver dataforskers værktøjskasse. Det er et utroligt nyttigt bibliotek til at arbejde med data og en skal-have færdighed for alle datavidenskabsmænd, analytikere og ingeniører.
Hvis du vil lære denne efterspurgte færdighed, så læs videre, denne artikel vil forklare, hvad NumPy er, hvorfor det er vigtigt, og de bedste ressourcer at lære.
Indholdsfortegnelse
Hvad er NumPy?
NumPy står for Numerical Python. Det er et bibliotek skabt af Travis Oliphant i 2005 og bruges til dataanalyse.
I hjertet af NumPy er arrayet. Et array er simpelthen en liste over dataværdier. Denne matrix kan bruges til at repræsentere vektorer. Det ligner meget den indbyggede Python-listetype, men har en nøgleforskel.
I modsætning til Python-lister gemmes data i NumPy i sammenhængende hukommelse. Det betyder, at værdierne er gemt ved siden af hinanden i hukommelsen. Dette gør adgangen til værdierne hurtigere; NumPy-arrays er op til 50 gange hurtigere end Python-lister for almindelige operationer.
Ligesom Python-lister kan arrays gemme andre arrays som elementer. Dette giver dig mulighed for at skabe mere komplekse matematiske konstruktioner som matricer og højere ordens arrays. Arrays har nyttige metoder til almindelige statistiske operationer såsom beregning af middelværdi, median og standardafvigelse. Du kan ændre dem ved at opdele, sammenføje, forme og omforme.
Krav til brug af Numpy
- En python installation
- Pip installation
- En IDE som VSCode eller mere ideelt en Notebook-baseret IDE som Jupyter
- Kendskab til Python
Læs også: Jupyter Notebook Introduktion for begyndere
Brug cases
- Numpy bruges til datavidenskabelige opgaver på grund af dets hurtigere arrays i stedet for de indbyggede Python-lister.
- Den kan bruges til at løse lineære algebraproblemer ved hjælp af dens indbyggede funktioner.
- Det bruges i maskinlæring på grund af dets hurtige beregning af vektorer og matricer.
- Det bruges til at generere tilfældige datasæt ved hjælp af dets tilfældige statistiske funktioner.
Kurser til at lære NumPy
Nedenfor er nogle af de bedste ressourcer til at lære NumPy og Data Science. De fleste af disse ressourcer forudsætter en vis fortrolighed med Python. Hvis du endnu ikke har lært Python, er her vores liste over de bedste ressourcer til at lære Python.
Deep Learning Forudsætninger: The Numpy Stack i Python
Dette Udemy-kursus tilbyder en blid guide til at forberede dig til dyb læring ved hjælp af Python. Kurset lærer dig, hvordan du bruger Numpy til vektor- og matrikberegninger.
Derudover dækker det Pandas, et bibliotek til håndtering af datasæt i Python: Matplotlib (et datavisualiseringsværktøj) og Scipy (et bibliotek til beregning af statistik i Python).
Kurset indeholder seks timers on-demand video, og når du køber det, får du gratis livslang adgang til det. Det inkluderer en certificering. Før du prøver dette kursus, bør du være fortrolig med og fortrolig med lineær algebra og programmering i Python.
Dataanalyse med Python: NumPy & Pandas Masterclass
Dette omfattende kursus lærer dig, hvordan du analyserer data ved hjælp af Pandas og NumPy. Metoden omfatter 216 forelæsninger, 3 artikler og 2 downloadbare ressourcer. Dette giver dig i alt mere end tretten timers indhold.
Det begynder med at introducere dig til NumPy og konceptet med et array, som er det centrale objekt i NumPy. Så bagefter vil kurset lære dig at bruge Pandas, et populært og nyttigt bibliotek til at arbejde med datasæt. Så til sidst vil du lære datavisualisering ved hjælp af Matplotlib-biblioteket.
Det, der gør dette kursus anderledes end de fleste, er, at det gør lektionerne mere praktiske ved at lære dig gennem rollespil. Du vil spille rollen som dataanalytiker hos en stor multinational detailvirksomhed, der analyserer de indsamlede data fra dets forskellige operationer. Som forventet forudsætter kurset en vis fortrolighed med Python, før du starter kurset.
Python med NumPy For Absolute Beginners
Dette kursus er et af de mest begyndervenlige kurser på NumPy. Mens du forventes at kende Python, introducerer kurset NumPy fra begyndelsen.
Det begynder med at introducere dig til NumPy-arrays. Den forklarer, hvordan de adskiller sig fra Python-lister, og hvordan de er hurtigere og mere egnede til datavidenskab, teknik og analyse.
Derudover vil du lære alle de forskellige ting, du kan gøre med disse arrays. Disse omfatter, men er ikke begrænset til, oprettelse af arrays, adgang til dem ved hjælp af indekser, udskæring og sammenføjning af dem og formning og omformning af dem.
Dette kursus har to timers videoindhold og fokuserer kun på Numpy. Du kan gennemføre dette og blive certificeret om en uge.
Introduktion til NumPy
Dette kursus af DataCamp er venligt for begyndere til NumPy. Kurset er cirka 4 timer langt og består af 13 vellavede videoer og 49 øvelser, der hjælper dig med at fastholde de begreber, du har lært.
Det er en del af Data Scientist-sporet, så hvis du gennemfører andre kurser i samme spor, opnår du din DataCamp Data Scientist-certificering.
Hvad angår indholdet, introducerer det arrays og forklarer fordelene ved at bruge dem frem for lister i Python. Dernæst vil du lære broadcast- og vektoriseringsteknikker for at gøre din kode hurtigere og mere effektiv. Du vil øve array-operationer på Monet-datasættet.
Simplilearn NumPy Tutorial
Denne gratis tutorial af Simplilearn dækker det grundlæggende i Numpy. Den er kort og går lige til sagen. Artiklen har minimale forklaringer og er ideel, hvis du bruger den som reference, eller hvis du allerede ved, hvad Numpy er, og hvad de forskellige funktioner gør.
Også indeholdt i artiklen er kodestykker til at illustrere brugen af forskellige funktioner med eksempler. Den er ideel, når du har travlt og gerne vil lære Numpy på ti minutter. Da den er en artikel, har den intet sted at øve eller datasæt at bruge.
Du skulle selv opsætte et praksismiljø og finde datasæt at øve fra. Kaggle er et godt sted at lede efter datasæt og oprette notesbøger til at praktisere datavidenskab.
W3 Skoler
Denne tutorial af W3Schools er min personlige favorit. Det er gratis og omfattende og dækker alt det grundlæggende i NumPy og mere avancerede emner såsom generering af tilfældige statistiske distributioner og brug af universelle funktioner til at implementere vektorisering.
I alt er selvstudiet 43 websider med kortfattede, men fyldestgørende forklaringer og kodestykker til at illustrere med eksempler. Derudover kommer w3schools med en editor til at skrive dine Numpy-forespørgsler og en quiz, hvor du kan teste din viden.
Alle disse er valgfrie, men vil hjælpe din læringsoplevelse. Ved at tilmelde dig Numpy-kurset mod et gebyr, kan du opnå en certificering, som du kan tilføje til dit CV.
Skalerkursus
Dette kursus om Scaler er godt sat sammen. Det består af seks moduler, der dækker en introduktion til NumPy, multidimensionelle arrays, datastrukturer, funktioner, broadcasting og andre forskellige koncepter.
I alt har den 32 lektioner med 5 timer og 33 minutters videoindhold. Der er 26 udfordringer, der hjælper dig med at anvende det, du har lært, og styrke begreberne i dit sind. Efter endt kursus får du et certifikat.
Som forventet skal du kende Python-programmeringssproget, før du starter kurset. Den anden forudsætning har en IDE med Python og Numpy installeret på din maskine.
Guide til Numpy af Travis Oliphant
Denne bog er skrevet af skaberen af Numpy og er beregnet til at være en reference for dem, der allerede kender Python, men gerne vil lære om Numpy og andre værktøjer.
I denne bog dækker Travis Oliphant ikke kun, hvordan man bruger Numpy, men også hvordan man udvider det ved hjælp af API. Dette er sandsynligvis den mest dybdegående og detaljerede ressource på Numpy.
Det er sandsynligvis ideelt for superbrugere af Numpy, som ønsker en forståelse på et højere niveau af, hvordan Numpy fungerer, og en detaljeret vejledning, så de kan bidrage til og udvide biblioteket.
Numpy begynderguide af Ivan Idris
Denne bog om Numpy er beregnet til at være begyndervenlig. Det er beregnet til videnskabsmænd, ingeniører, programmører og analytikere, der allerede er fortrolige med Python, men som ønsker at udvide deres færdigheder ved at tage Numpy som en ekstra færdighed.
Bogen dækker installation af Numpy, Matplotlib, Scipy og IPython på den lokale maskine. Det dækker derefter arrays og de forskellige array-funktioner, der er tilgængelige for dig. Derefter vil du bruge biblioteket til at udføre matrixoperationer og teste din kode med Numpy.testing. Alt i alt er denne bog en omfattende guide til Numpy.
NumPy: From Basic to Advanced af Karan Singh Bisht
Titlen “NumPy fra grundlæggende til avanceret” siger det hele. Denne bog er beregnet til at være en let skråning, der tager dig fra at vide noget om biblioteket til at vide, hvordan du bruger nogle af dets mere avancerede funktioner.
Bogen dækker det grundlæggende, såsom at forklare, hvad et array er, til at gå til mere avancerede og under-the-hood-emner, såsom CPU-cache-effekter og Ndarray’ens livscyklus. Det er beregnet til at give dig et solidt grundlag for yderligere maskinlæringsarbejde ved hjælp af Numpy-biblioteket.
FreeCodeCamp YouTube Tutorial
FreeCodeCamp er vokset i popularitet for nylig som en kilde til kodnings- og softwareudviklingstutorials af høj kvalitet. I dets vejledningskatalog er denne omfattende Numpy tutorial. Som alle dens tutorials er den tilgængelig gratis.
Selvstudiet er cirka en time og dækker det grundlæggende i Numpy. Det er en blid introduktion til biblioteket, der er beregnet til ikke at være overvældende for dem, der lige er startet. Som du ville forvente, antages Python viden, før du ser videoen.
Afsluttende ord
Numpy er utrolig nyttig og alsidig. Det er et forventet værktøj til de fleste datavidenskabs- og ingeniørjob. Denne artikel introducerede dig til Numpy og gav dig et abstrakt og abstrakt overblik over dets nøglebegreber.
Yderligere oplistede artiklen ressourcer, der kunne være nyttige i din rejse til at lære Python. Den korte beskrivelse af hver ressource var i stand til at hjælpe dig med at træffe et informeret valg af, hvilken du skal vælge.
Tjek derefter de bedste Python-biblioteker for dataforskere.