NumPy — це гайковий ключ у наборі інструментів кожного спеціаліста з обробки даних. Це неймовірно корисна бібліотека для роботи з даними та необхідна навичка для всіх спеціалістів із обробки даних, аналітиків та інженерів.
Якщо ви хочете навчитися цій затребуваній навичці, читайте далі, ця стаття пояснює, що таке NumPy, чому він важливий і найкращі ресурси для навчання.
Що таке NumPy?
NumPy означає Numerical Python. Це бібліотека, створена Тревісом Оліфантом у 2005 році та використовується для аналізу даних.
В основі NumPy лежить масив. Масив — це просто список значень даних. Цей масив можна використовувати для представлення векторів. Він дуже схожий на тип вбудованого списку Python, але має одну ключову відмінність.
На відміну від списків Python, дані в NumPy зберігаються в безперервній пам’яті. Це означає, що значення зберігаються в пам’яті поруч одне з одним. Це робить доступ до значень швидшим; Масиви NumPy у 50 разів швидші за списки Python для стандартних операцій.
Як і списки Python, масиви можуть зберігати інші масиви як елементи. Це дозволяє створювати складніші математичні конструкції, такі як матриці та масиви вищого порядку. Масиви мають корисні методи для звичайних статистичних операцій, таких як обчислення середнього значення, медіани та стандартного відхилення. Ви можете змінювати їх, розділяючи, об’єднуючи, формуючи та змінюючи форму.
Вимоги до використання Numpy
- Установка Python
- Установка Піп
- IDE, наприклад VSCode, або, в ідеалі, IDE на основі ноутбука, наприклад Jupyter
- Знання Python
Читайте також: Jupyter Notebook Introduction для початківців
Випадки використання
- Numpy використовується для завдань науки про дані через його швидші масиви замість вбудованих списків Python.
- Його можна використовувати для вирішення задач лінійної алгебри за допомогою вбудованих функцій.
- Він використовується в машинному навчанні через швидке обчислення векторів і матриць.
- Він використовується для створення випадкових наборів даних за допомогою своїх випадкових статистичних функцій.
Курси вивчення NumPy
Нижче наведено кілька найкращих ресурсів для вивчення NumPy і Data Science. Більшість із цих ресурсів передбачає певне знайомство з Python. Якщо ви ще не вивчали Python, ось наш список найкращих ресурсів для вивчення Python.
Передумови глибокого навчання: стек Numpy у Python
Цей курс Udemy пропонує простий посібник, який підготує вас до глибокого навчання за допомогою Python. Курс навчить вас, як використовувати Numpy для векторних і матричних обчислень.
Крім того, він охоплює Pandas, бібліотеку для роботи з наборами даних у Python: Matplotlib (інструмент візуалізації даних) і Scipy (бібліотека для обчислення статистики в Python).
Курс містить шість годин відео на вимогу, і щойно ви його купуєте, ви отримуєте безкоштовний довічний доступ до нього. Він включає сертифікацію. Перш ніж спробувати цей курс, ви повинні бути знайомі з лінійною алгеброю та програмуванням на Python.
Аналіз даних за допомогою Python: майстер-клас NumPy & Pandas
Цей комплексний курс навчить вас аналізувати дані за допомогою Pandas і NumPy. Методика складається з 216 лекцій, 3 статей і 2 ресурсів для завантаження. Це дає вам більше ніж тринадцять годин вмісту.
Він починається зі знайомства з NumPy і поняттям масиву, який є центральним об’єктом у NumPy. Після цього курс навчить вас використовувати Pandas, популярну та корисну бібліотеку для роботи з наборами даних. Нарешті, ви навчитеся візуалізації даних за допомогою бібліотеки Matplotlib.
Цей курс відрізняється від інших тим, що він робить уроки більш практичними, навчаючи вас через рольову гру. Ви гратимете роль аналітика даних у великій багатонаціональній компанії роздрібної торгівлі, аналізуючи дані, зібрані з різних операцій. Як і очікувалося, курс передбачає певне знайомство з Python перед початком курсу.
Python з NumPy для абсолютних початківців
Цей курс є одним із найбільш зручних для початківців курсів на NumPy. Хоча від вас очікується знання Python, курс представляє NumPy з самого початку.
Він починається зі знайомства з масивами NumPy. У ньому пояснюється, чим вони відрізняються від списків Python і чим вони швидші та краще підходять для науки про дані, розробки й аналізу.
Крім того, ви дізнаєтеся про різні речі, які можна робити з цими масивами. Вони включають, але не обмежуються створенням масивів, доступом до них за допомогою індексів, нарізанням і об’єднанням, а також формуванням і зміною форми.
Цей курс містить дві години відеоконтенту та зосереджений лише на Numpy. Ви можете завершити це та отримати сертифікат за тиждень.
Знайомство з NumPy
Цей курс від DataCamp є дружнім до початківців NumPy. Курс триває близько 4 годин і складається з 13 добре створених відео та 49 вправ, які допоможуть вам закріпити вивчені концепції.
Це частина курсу Data Scientist, тож якщо ви завершите інші курси того самого напряму, ви отримаєте сертифікат DataCamp Data Scientist.
Що стосується вмісту, то він представляє масиви та пояснює переваги їх використання над списками в Python. Далі ви дізнаєтеся про методи трансляції та векторизації, щоб зробити ваш код швидшим і ефективнішим. Ви будете практикувати операції з масивами на наборі даних Моне.
Підручник Simplilearn NumPy
Цей безкоштовний посібник від Simplilearn охоплює основи Numpy. Він короткий і переходить безпосередньо до суті. Стаття містить мінімум пояснень і ідеально підходить, якщо ви використовуєте її як довідник або якщо ви вже знаєте, що таке Numpy і що роблять різні функції.
У статті також містяться фрагменти коду для ілюстрації використання різних функцій із прикладами. Це ідеально, коли ви поспішаєте і хочете вивчити Numpy за десять хвилин. Будучи статтею, у ній немає місця для практики чи наборів даних для використання.
Вам доведеться самостійно створити практичне середовище та знайти набори даних для практики. Kaggle — гарне місце для пошуку наборів даних і створення блокнотів для практики даних.
W3Schools
Цей посібник від W3Schools є моїм улюбленим. Він безкоштовний і повний, охоплює всі основи NumPy і більш складні теми, такі як генерація випадкових статистичних розподілів і використання універсальних функцій для реалізації векторизації.
Загалом підручник складається з 43 веб-сторінок із короткими, але достатніми поясненнями та фрагментами коду, які можна проілюструвати прикладами. Крім того, w3schools постачається з редактором для написання ваших запитів Numpy та вікториною, де ви можете перевірити свої знання.
Усе це необов’язково, але допоможе вам у навчанні. Записавшись на платний курс Numpy, ви можете отримати сертифікат, який можна додати до свого резюме.
Курс скейлера
Цей курс на Scaler добре зібраний. Він складається з шести модулів, які охоплюють введення в NumPy, багатовимірні масиви, структури даних, функції, трансляцію та інші різні поняття.
Загалом у ньому 32 уроки по 5 годин 33 хвилини відеовмісту. Є 26 завдань, які допоможуть вам застосувати те, що ви навчилися, і закріпити концепції у своєму розумі. Після закінчення курсу ви отримуєте сертифікат.
Як і очікувалося, ви повинні знати мову програмування Python перед початком курсу. Друга передумова — IDE з Python і Numpy, встановлені на вашій машині.
Путівник по Numpy від Тревіса Оліфанта
Ця книга, написана творцем Numpy, призначена як довідник для тих, хто вже знає Python, але хоче дізнатися про Numpy та інші інструменти.
У цій книзі Тревіс Оліфант розповідає не лише про те, як використовувати Numpy, а й про те, як розширити його за допомогою API. Це, мабуть, найбільш поглиблений і детальний ресурс про Numpy.
Ймовірно, він ідеально підходить для досвідчених користувачів Numpy, які хочуть отримати вищий рівень розуміння того, як працює Numpy, і отримати докладний посібник, щоб вони могли зробити свій внесок у бібліотеку та розширити її.
Посібник Numpy для початківців від Івана Ідріса
Ця книга про Numpy призначена для початківців. Він призначений для вчених, інженерів, програмістів і аналітиків, які вже знайомі з Python, але хочуть розширити свій набір навичок, взявши Numpy як додаткову навичку.
У книзі описано встановлення Numpy, Matplotlib, Scipy та IPython на локальну машину. Потім він охоплює масиви та різні доступні вам функції масиву. Потім ви будете використовувати бібліотеку для виконання матричних операцій і перевірити свій код за допомогою Numpy.testing. Загалом ця книга є вичерпним посібником із Numpy.
NumPy: від базового до просунутого, Каран Сінгх Бішт
У назві «NumPy від базового до розширеного» все сказано. Ця книга призначена для того, щоб зробити пологий схил, який переведе вас від того, що ви нічого не знаєте про бібліотеку, до знання, як користуватися деякими з її розширеніших функцій.
Книга охоплює основи, такі як пояснення того, що таке масив, до більш складних і внутрішніх тем, таких як ефекти кешу процесора та життєвий цикл Ndarray. Він покликаний дати вам надійну основу для подальшої роботи з машинним навчанням за допомогою бібліотеки Numpy.
Підручник FreeCodeCamp YouTube
FreeCodeCamp нещодавно став популярним як джерело високоякісних посібників із кодування та розробки програмного забезпечення. У своєму каталозі підручників є цей вичерпний підручник Numpy. Як і всі навчальні посібники, він доступний безкоштовно.
Підручник триває приблизно годину та охоплює основи Numpy. Це легкий вступ до бібліотеки, який не буде надто важким для тих, хто тільки почав. Як і слід було очікувати, перед переглядом відео передбачається знання Python.
Заключні слова
Numpy неймовірно корисний і універсальний. Це очікуваний інструмент для більшості наукових та інженерних робіт. Ця стаття познайомила вас із Numpy та дала вам загальний абстрактний огляд ключових концепцій.
Крім того, у статті перераховано ресурси, які можуть бути корисними на вашому шляху до вивчення Python. Короткий опис кожного ресурсу зміг допомогти вам зробити усвідомлений вибір, який з них вибрати.
Далі перегляньте найкращі бібліотеки Python для науковців з обробки даних.