NumPy to klucz w zestawie narzędzi każdego analityka danych. Jest to niezwykle przydatna biblioteka do pracy z danymi i niezbędna umiejętność dla wszystkich naukowców zajmujących się danymi, analityków i inżynierów.
Jeśli chcesz nauczyć się tej pożądanej umiejętności, czytaj dalej, ten artykuł wyjaśni, czym jest NumPy, dlaczego jest ważny i najlepsze zasoby do nauki.
Spis treści:
Co to jest NumPy?
NumPy oznacza numeryczny Python. Jest to biblioteka stworzona przez Travisa Oliphanta w 2005 roku i służy do analizy danych.
Sercem NumPy jest tablica. Tablica to po prostu lista wartości danych. Ta tablica może być używana do reprezentowania wektorów. Jest bardzo podobny do wbudowanego typu listy w Pythonie, ale ma jedną kluczową różnicę.
W przeciwieństwie do list Pythona, dane w NumPy są przechowywane w ciągłej pamięci. Oznacza to, że wartości są przechowywane obok siebie w pamięci. Dzięki temu dostęp do wartości jest szybszy; Tablice NumPy są do 50 razy szybsze niż listy w Pythonie dla typowych operacji.
Podobnie jak listy w Pythonie, tablice mogą przechowywać inne tablice jako elementy. Pozwala to na tworzenie bardziej złożonych konstrukcji matematycznych, takich jak macierze i tablice wyższego rzędu. Tablice mają pomocne metody typowych operacji statystycznych, takich jak obliczanie średniej, mediany i odchylenia standardowego. Możesz je modyfikować, dzieląc, łącząc, kształtując i przekształcając.
Wymagania dotyczące korzystania z Numpy
- Instalacja Pythona
- Instalacja pipa
- IDE, takie jak VSCode lub, bardziej idealnie, IDE oparte na notebooku, takie jak Jupyter
- Znajomość Pythona
Przeczytaj także: Jupyter Notebook Wprowadzenie dla początkujących
Przypadków użycia
- Numpy jest używany do zadań związanych z nauką o danych ze względu na szybsze tablice zamiast wbudowanych list Pythona.
- Może być używany do rozwiązywania problemów z algebrą liniową za pomocą wbudowanych funkcji.
- Jest używany w uczeniu maszynowym ze względu na szybkie obliczanie wektorów i macierzy.
- Służy do generowania losowych zestawów danych przy użyciu jego losowych funkcji statystycznych.
Kursy do nauki NumPy
Poniżej znajdują się jedne z najlepszych zasobów do nauki NumPy i Data Science. Większość tych zasobów zakłada pewną znajomość języka Python. Jeśli jeszcze nie nauczyłeś się Pythona, oto nasza lista najlepszych zasobów do nauki Pythona.
Wymagania wstępne dotyczące głębokiego uczenia się: stos Numpy w Pythonie
Ten kurs Udemy oferuje delikatny przewodnik, który przygotuje Cię do głębokiego uczenia się przy użyciu języka Python. Kurs uczy, jak używać Numpy do obliczeń wektorowych i macierzowych.
Ponadto obejmuje Pandas, bibliotekę do obsługi zbiorów danych w Pythonie: Matplotlib (narzędzie do wizualizacji danych) i Scipy (biblioteka do obliczania statystyk w Pythonie).
Kurs zawiera sześć godzin wideo na żądanie, a po jego zakupie otrzymujesz dożywotni bezpłatny dostęp do niego. Zawiera certyfikat. Przed przystąpieniem do tego kursu powinieneś być zaznajomiony z algebrą liniową i programowaniem w Pythonie.
Analiza danych z Pythonem: NumPy & Pandas Masterclass
Ten kompleksowy kurs uczy, jak analizować dane za pomocą Pandas i NumPy. Metoda obejmuje 216 wykładów, 3 artykuły i 2 zasoby do pobrania. Daje to w sumie ponad trzynaście godzin treści.
Zaczyna się od wprowadzenia do NumPy i koncepcji tablicy, która jest centralnym obiektem w NumPy. Następnie kurs nauczy Cię korzystania z Pandas, popularnej i przydatnej biblioteki do pracy ze zbiorami danych. Na koniec nauczysz się wizualizacji danych za pomocą biblioteki Matplotlib.
Tym, co odróżnia ten kurs od większości, jest to, że sprawia, że lekcje są bardziej praktyczne, ucząc Cię poprzez odgrywanie ról. Wcielisz się w rolę Analityka danych w dużej międzynarodowej firmie detalicznej, analizując dane zebrane z różnych operacji. Zgodnie z oczekiwaniami kurs zakłada pewną znajomość języka Python przed rozpoczęciem kursu.
Python z NumPy dla absolutnie początkujących
Ten kurs jest jednym z najbardziej przyjaznych dla początkujących kursów na NumPy. Oczekuje się od Ciebie znajomości Pythona, ale kurs wprowadza NumPy od samego początku.
Zaczyna się od wprowadzenia do tablic NumPy. Wyjaśnia, czym różnią się one od list w Pythonie oraz w jaki sposób są szybsze i lepiej dostosowane do nauki o danych, inżynierii i analizy.
Ponadto nauczysz się wszystkich różnych rzeczy, które możesz zrobić z tymi tablicami. Obejmują one między innymi tworzenie tablic, uzyskiwanie do nich dostępu za pomocą indeksów, dzielenie i łączenie ich oraz kształtowanie i przekształcanie ich.
Ten kurs ma dwie godziny treści wideo i koncentruje się tylko na Numpy. Możesz to zrobić i uzyskać certyfikat w ciągu tygodnia.
Wprowadzenie do NumPy
Ten kurs DataCamp jest przyjazny dla początkujących w NumPy. Kurs trwa około 4 godzin i składa się z 13 dobrze zrealizowanych filmów i 49 ćwiczeń, które pomogą Ci utrwalić poznane koncepcje.
Jest to część ścieżki Data Scientist, więc jeśli ukończysz inne kursy na tej samej ścieżce, zdobędziesz certyfikat DataCamp Data Scientist.
Jeśli chodzi o treść, wprowadza tablice i wyjaśnia zalety używania ich w porównaniu z listami w Pythonie. Następnie poznasz techniki rozgłaszania i wektoryzacji, dzięki którym Twój kod będzie szybszy i wydajniejszy. Przećwiczysz operacje tablicowe na zbiorze danych Monet.
Prosty samouczek NumPy
Ten darmowy samouczek autorstwa Simplilearn obejmuje podstawy Numpy. Jest krótki i od razu przechodzi do rzeczy. Artykuł zawiera minimalne wyjaśnienia i jest idealny, jeśli używasz go jako odniesienia lub jeśli już wiesz, czym jest Numpy i co robią różne funkcje.
Artykuł zawiera również fragmenty kodu ilustrujące użycie różnych funkcji wraz z przykładami. Jest idealny, gdy się spieszysz i chcesz nauczyć się Numpy w dziesięć minut. Będąc artykułem, nie ma miejsca do ćwiczeń ani zbiorów danych do wykorzystania.
Będziesz musiał samodzielnie skonfigurować środowisko ćwiczeń i znaleźć zestawy danych do ćwiczeń. Kaggle to dobre miejsce do wyszukiwania zestawów danych i tworzenia notatników do ćwiczenia nauki o danych.
W3Szkoły
Ten samouczek autorstwa W3Schools jest moim ulubionym. Jest bezpłatny i wszechstronny, obejmuje wszystkie podstawy NumPy i bardziej zaawansowane tematy, takie jak generowanie losowych rozkładów statystycznych i używanie uniwersalnych funkcji do implementacji wektoryzacji.
W sumie samouczek to 43 strony internetowe zawierające zwięzłe, ale wystarczające wyjaśnienia i fragmenty kodu do zilustrowania przykładami. Ponadto w3schools zawiera edytor do pisania zapytań Numpy oraz quiz, w którym możesz sprawdzić swoją wiedzę.
Wszystkie te elementy są opcjonalne, ale mogą pomóc w nauce. Zapisując się na kurs Numpy za opłatą, możesz zdobyć certyfikat, który możesz dodać do swojego CV.
Kurs skalera
Ten kurs na Scaler jest dobrze ułożony. Składa się z sześciu modułów, które obejmują wprowadzenie do NumPy, tablic wielowymiarowych, struktur danych, funkcji, rozgłaszania i innych różnorodnych koncepcji.
W sumie ma 32 lekcje z 5 godzinami i 33 minutami treści wideo. Istnieje 26 wyzwań, które pomogą Ci zastosować to, czego się nauczyłeś i utrwalić koncepcje w swoim umyśle. Po ukończeniu kursu otrzymujesz certyfikat.
Zgodnie z oczekiwaniami, przed rozpoczęciem kursu musisz znać język programowania Python. Drugi warunek wstępny to IDE z zainstalowanym Pythonem i Numpy na twoim komputerze.
Przewodnik po Numpy autorstwa Travisa Oliphanta
Ta książka, napisana przez twórcę Numpy, ma być punktem odniesienia dla tych, którzy już znają Pythona, ale chcieliby dowiedzieć się więcej o Numpy i innych narzędziach.
W tej książce Travis Oliphant opisuje nie tylko sposób korzystania z Numpy, ale także sposoby jego rozszerzania za pomocą interfejsu API. Jest to prawdopodobnie najbardziej dogłębne i szczegółowe źródło informacji na temat Numpy.
Jest prawdopodobnie idealny dla zaawansowanych użytkowników Numpy, którzy chcą lepiej zrozumieć, jak działa Numpy, oraz szczegółowego przewodnika, aby mogli przyczynić się do rozwoju i rozszerzenia biblioteki.
Podręcznik dla początkujących Numpy autorstwa Ivana Idrisa
Ta książka o Numpy ma być przyjazna dla początkujących. Jest przeznaczony dla naukowców, inżynierów, programistów i analityków, którzy są już zaznajomieni z Pythonem, ale chcą poszerzyć swój zestaw umiejętności, przyjmując Numpy jako dodatkową umiejętność.
Książka opisuje instalację Numpy, Matplotlib, Scipy i IPython na lokalnej maszynie. Następnie obejmuje tablice i różne udostępnione funkcje tablicowe. Następnie użyjesz biblioteki do wykonania operacji macierzowych i przetestujesz swój kod za pomocą Numpy.testing. Podsumowując, ta książka jest obszernym przewodnikiem po Numpy.
NumPy: od podstawowego do zaawansowanego autorstwa Karana Singha Bishta
Tytuł „NumPy od podstawowego do zaawansowanego” mówi wszystko. Ta książka ma być łagodną ścieżką prowadzącą od braku wiedzy o bibliotece do wiedzy, jak korzystać z niektórych jej bardziej zaawansowanych funkcji.
Książka obejmuje podstawy, takie jak wyjaśnienie, czym jest tablica, przejście do bardziej zaawansowanych i ukrytych tematów, takich jak efekty pamięci podręcznej procesora i cykl życia Ndarray. Ma to na celu zapewnienie solidnych podstaw do dalszej pracy z uczeniem maszynowym przy użyciu biblioteki Numpy.
Samouczek YouTube FreeCodeCamp
FreeCodeCamp zyskał ostatnio na popularności jako źródło wysokiej jakości samouczków dotyczących kodowania i tworzenia oprogramowania. W katalogu samouczków znajduje się ten obszerny samouczek Numpy. Podobnie jak wszystkie samouczki, jest dostępny za darmo.
Samouczek trwa około godziny i obejmuje podstawy Numpy. Jest to łagodne wprowadzenie do biblioteki, które nie powinno być przytłaczające dla tych, którzy dopiero zaczynają. Jak można się spodziewać, przed obejrzeniem filmu zakłada się znajomość języka Python.
Ostatnie słowa
Numpy jest niezwykle przydatny i wszechstronny. Jest to oczekiwane narzędzie do większości zadań związanych z nauką o danych i inżynierią. W tym artykule zapoznałeś się z Numpy i przedstawiłeś ogólny i abstrakcyjny przegląd jego kluczowych pojęć.
Ponadto w artykule wymieniono zasoby, które mogą być pomocne w Twojej drodze do nauki Pythona. Krótki opis każdego zasobu był w stanie pomóc w dokonaniu świadomego wyboru, który z nich wybrać.
Następnie sprawdź najlepsze biblioteki Pythona dla analityków danych.