NumPy er skiftenøkkelen i hver dataforskers verktøykasse. Det er et utrolig nyttig bibliotek for å jobbe med data og en må-ha ferdighet for alle dataforskere, analytikere og ingeniører.
Hvis du ønsker å lære denne etterspurte ferdigheten, les videre, denne artikkelen vil forklare hva NumPy er, hvorfor det er viktig, og de beste ressursene å lære.
Innholdsfortegnelse
Hva er NumPy?
NumPy står for Numerical Python. Det er et bibliotek opprettet av Travis Oliphant i 2005 og brukes til dataanalyse.
I hjertet av NumPy er matrisen. En matrise er ganske enkelt en liste over dataverdier. Denne matrisen kan brukes til å representere vektorer. Den er veldig lik den innebygde Python-listetypen, men har en nøkkelforskjell.
I motsetning til Python-lister, lagres data i NumPy i sammenhengende minne. Dette betyr at verdiene er lagret ved siden av hverandre i minnet. Dette gjør tilgangen til verdiene raskere; NumPy-matriser er opptil 50 ganger raskere enn Python-lister for vanlige operasjoner.
I likhet med Python-lister kan arrays lagre andre arrays som elementer. Dette lar deg lage mer komplekse matematiske konstruksjoner som matriser og matriser av høyere orden. Matriser har nyttige metoder for vanlige statistiske operasjoner som å beregne gjennomsnitt, median og standardavvik. Du kan endre dem ved å dele opp, slå sammen, forme og omforme.
Krav for bruk av Numpy
- En python-installasjon
- Pip installasjon
- En IDE som VSCode eller, mer ideelt, en Notebook-basert IDE som Jupyter
- Kjennskap til Python
Les også: Jupyter Notebook Introduction for Beginners
Brukssaker
- Numpy brukes til datavitenskapelige oppgaver på grunn av de raskere matrisene i stedet for de innebygde Python-listene.
- Den kan brukes til å løse lineære algebraproblemer ved å bruke dens innebygde funksjoner.
- Den brukes i maskinlæring på grunn av dens raske beregning av vektorer og matriser.
- Den brukes til å generere tilfeldige datasett ved å bruke tilfeldige statistiske funksjoner.
Kurs for å lære NumPy
Nedenfor er noen av de beste ressursene for å lære NumPy og Data Science. De fleste av disse ressursene forutsetter en viss kjennskap til Python. Hvis du ikke har lært Python ennå, her er listen vår over de beste ressursene for å lære Python.
Forutsetninger for dyp læring: The Numpy Stack i Python
Dette Udemy-kurset tilbyr en skånsom veiledning for å forberede deg på dyp læring med Python. Kurset lærer deg hvordan du bruker Numpy til vektor- og matrikkberegninger.
I tillegg dekker det Pandas, et bibliotek for å håndtere datasett i Python: Matplotlib (et datavisualiseringsverktøy) og Scipy (et bibliotek for databehandling av statistikk i Python).
Kurset inneholder seks timer med on-demand video, og når du kjøper det, får du gratis tilgang til det hele livet. Det inkluderer en sertifisering. Før du prøver dette kurset, bør du være kjent og komfortabel med lineær algebra og programmering i Python.
Dataanalyse med Python: NumPy & Pandas Masterclass
Dette omfattende kurset lærer deg hvordan du analyserer data ved hjelp av Pandas og NumPy. Metoden består av 216 forelesninger, 3 artikler og 2 nedlastbare ressurser. Dette gir deg totalt mer enn tretten timer med innhold.
Det begynner med å introdusere deg til NumPy og konseptet med en array, som er det sentrale objektet i NumPy. Etterpå vil kurset lære deg å bruke Pandas, et populært og nyttig bibliotek for å jobbe med datasett. Til slutt vil du lære datavisualisering ved hjelp av Matplotlib-biblioteket.
Det som gjør dette kurset forskjellig fra de fleste er at det gjør timene mer praktiske ved å lære deg gjennom rollelek. Du vil spille rollen som dataanalytiker i et stort multinasjonalt detaljhandelselskap som analyserer dataene som samles inn fra dets forskjellige operasjoner. Som forventet forutsetter kurset en viss kjennskap til Python før du starter kurset.
Python med NumPy for absolutt nybegynnere
Dette kurset er et av de mest nybegynnervennlige kursene på NumPy. Mens du forventes å kjenne Python, introduserer kurset NumPy fra begynnelsen.
Det begynner med å introdusere deg til NumPy-matriser. Den forklarer hvordan de skiller seg fra Python-lister og hvordan de er raskere og mer egnet for datavitenskap, engineering og analyse.
I tillegg vil du lære alle de forskjellige tingene du kan gjøre med disse matrisene. Disse inkluderer, men er ikke begrenset til, å lage arrays, få tilgang til dem ved hjelp av indekser, skjære og slå sammen dem, og forme og omforme dem.
Dette kurset har to timer med videoinnhold og fokuserer kun på Numpy. Du kan fullføre dette og bli sertifisert om en uke.
Introduksjon til NumPy
Dette kurset av DataCamp er vennlig for nybegynnere til NumPy. Kurset er ca. 4 timer langt og består av 13 vellagde videoer og 49 øvelser for å hjelpe deg med å styrke konseptene du har lært.
Det er en del av Data Scientist-sporet, så hvis du fullfører andre kurs i samme spor, får du DataCamp Data Scientist-sertifiseringen din.
Når det gjelder innholdet, introduserer den arrays og forklarer fordelene ved å bruke dem fremfor lister i Python. Deretter vil du lære kringkastings- og vektoriseringsteknikker for å gjøre koden din raskere og mer effektiv. Du vil øve på array-operasjoner på Monet-datasettet.
Simplilearn NumPy Tutorial
Denne gratis opplæringen av Simplilearn dekker det grunnleggende om Numpy. Den er kort og går rett på sak. Artikkelen har minimale forklaringer og er ideell hvis du bruker den som referanse eller hvis du allerede vet hva Numpy er og hva de forskjellige funksjonene gjør.
Artikkelen inneholder også kodebiter for å illustrere bruken av forskjellige funksjoner med eksempler. Den er ideell når du har det travelt og ønsker å lære Numpy på ti minutter. Siden den er en artikkel, har den ikke noe sted å øve på eller datasett å bruke.
Du må selv sette opp et praksismiljø og finne datasett å øve fra. Kaggle er et bra sted å lete etter datasett og lage notatbøker for å praktisere datavitenskap.
W3-skoler
Denne opplæringen av W3Schools er min personlige favoritt. Det er gratis og omfattende, og dekker alt det grunnleggende om NumPy og mer avanserte emner som å generere tilfeldige statistiske distribusjoner og bruke universelle funksjoner for å implementere vektorisering.
Totalt er opplæringen 43 nettsider med kortfattede, men tilstrekkelige forklaringer og kodebiter for å illustrere med eksempler. I tillegg kommer w3schools med en editor for å skrive Numpy-spørsmålene dine og en quiz der du kan teste kunnskapen din.
Alle disse er valgfrie, men vil hjelpe din læringsopplevelse. Ved å melde deg på Numpy-kurset mot en avgift, kan du få en sertifisering som du kan legge til i CV-en din.
Skalerkurs
Dette kurset om Scaler er godt satt sammen. Den består av seks moduler som dekker en introduksjon til NumPy, flerdimensjonale arrays, datastrukturer, funksjoner, kringkasting og andre diverse konsepter.
Totalt har den 32 leksjoner med 5 timer og 33 minutter med videoinnhold. Det er 26 utfordringer for å hjelpe deg med å bruke det du har lært og befeste konseptene i tankene dine. Etter fullført kurs får du fagbrev.
Som forventet må du kunne programmeringsspråket Python før du starter kurset. Den andre forutsetningen har en IDE med Python og Numpy installert på maskinen din.
Guide to Numpy av Travis Oliphant
Denne boken er skrevet av skaperen av Numpy, og er ment å være en referanse for de som allerede kjenner Python, men som gjerne vil lære om Numpy og andre verktøy.
I denne boken dekker Travis Oliphant ikke bare hvordan du bruker Numpy, men også hvordan du utvider det ved hjelp av API. Dette er sannsynligvis den mest dyptgående og detaljerte ressursen på Numpy.
Den er sannsynligvis ideell for avanserte brukere av Numpy som ønsker en forståelse på høyere nivå av hvordan Numpy fungerer og en detaljert veiledning slik at de kan bidra til og utvide biblioteket.
Numpy Beginner’s Guide av Ivan Idris
Denne boken om Numpy er ment å være nybegynnervennlig. Det er ment for forskere, ingeniører, programmerere og analytikere som allerede er kjent med Python, men som ønsker å utvide ferdighetene sine ved å ta på seg Numpy som en ekstra ferdighet.
Boken dekker installasjon av Numpy, Matplotlib, Scipy og IPython på den lokale maskinen. Den dekker deretter arrays og de forskjellige array-funksjonene som er tilgjengelige for deg. Deretter vil du bruke biblioteket til å utføre matriseoperasjoner og teste koden din med Numpy.testing. Alt i alt er denne boken en omfattende guide til Numpy.
NumPy: From Basic to Advanced av Karan Singh Bisht
Tittelen «NumPy fra grunnleggende til avansert» sier alt. Denne boken er ment å være en slak skråning som tar deg fra å vite ingenting om biblioteket til å vite hvordan du bruker noen av dets mer avanserte funksjoner.
Boken dekker det grunnleggende, for eksempel å forklare hva en array er, for å gå til mer avanserte og under panseret emner, som CPU-cache-effekter og livssyklusen til Ndarray. Det er ment å gi deg et solid grunnlag for videre maskinlæringsarbeid ved å bruke Numpy-biblioteket.
FreeCodeCamp YouTube-opplæring
FreeCodeCamp har vokst i popularitet nylig som en kilde til høykvalitets opplæringsprogrammer for koding og programvareutvikling. Innenfor opplæringskatalogen er denne omfattende Numpy-opplæringen. Som alle opplæringsprogrammer, er den tilgjengelig gratis.
Opplæringen er omtrent en time og dekker det grunnleggende om Numpy. Det er en skånsom introduksjon til biblioteket ment å ikke være overveldende for de som nettopp har begynt. Som du forventer, antas Python-kunnskap før du ser videoen.
Siste ord
Numpy er utrolig nyttig og allsidig. Det er et forventet verktøy for de fleste datavitenskaps- og ingeniørjobber. Denne artikkelen introduserte deg for Numpy og ga deg en abstrakt oversikt over hovedkonseptene på høyt nivå.
Videre listet artikkelen opp ressurser som kan være nyttige i reisen din til å lære Python. Den korte beskrivelsen av hver ressurs var i stand til å hjelpe deg å ta et informert valg av hvilken du skal velge.
Deretter kan du sjekke ut de beste Python-bibliotekene for dataforskere.