أسئلة وأجوبة مقابلة NumPy الأكثر شيوعًا [للمستجدين]

إذا كنت تتطلع إلى الحصول على وظيفة مجيدة في المجال التكنولوجي ، فأنت تعلم بالفعل أن الحصول على مؤهل في NumPy هو أحد أكثر المهارات المرغوبة هناك. بعد كل شيء ، NumPy مبني على معايير الأمر الواقع لمصفوفات الحوسبة.

لذلك ، إليك قائمة ببعض أسئلة وأجوبة مقابلة NumPy الشائعة التي قد ترغب في البحث عنها قبل أن تظهر في مقابلتك التالية.

أعلى 15 أسئلة وأجوبة مقابلة NumPy

السؤال 1: ما هو NumPy؟

NumPy عبارة عن حزمة مفتوحة المصدر ومتعددة الأغراض للأغراض العامة تستخدم في معالجة الصفيف. إنه قصير من لغة بايثون العددية. تشتهر بأدائها المتطور مع كائنات مصفوفة قوية الأبعاد N والأدوات التي يتم تحميلها بها للعمل مع المصفوفات. الحزمة هي امتداد لبايثون وتستخدم لإجراء الحسابات العلمية ووظائف البث الأخرى.

NumPy سهل الاستخدام ومحسن جيدًا ومرن للغاية.

السؤال 2: ما هي استخدامات NumPy؟

تدعم المكتبة الرقمية مفتوحة المصدر في Python المصفوفات متعددة الأبعاد وتحتوي على هياكل بيانات المصفوفة. يمكن إجراء أنواع مختلفة من العمليات الحسابية على المصفوفات باستخدام NumPy. يتضمن ذلك العمليات المثلثية بالإضافة إلى الحسابات الإحصائية والجبرية. Numeric و Numarray هما امتدادان لـ NumPy.

السؤال 3: لماذا يُفضل NumPy على أدوات البرمجة الأخرى مثل Idl أو Matlab أو Octave أو Yorick؟

NumPy هي مكتبة عالية الأداء بلغة برمجة بايثون تسمح بإجراء عمليات حسابية علمية. يفضل على Idl أو Matlab أو Octave أو Yorick لأنه مفتوح المصدر ومجاني. أيضًا ، نظرًا لأنها تستخدم Python وهي لغة برمجة للأغراض العامة ، فإنها تتفوق على لغة برمجة عامة عندما يتعلق الأمر بتوصيل مترجم Python بـ C / C ++ و Fortran code.

يدعم NumPy المصفوفات والمصفوفات متعددة الأبعاد ويساعد على إجراء عمليات حسابية معقدة عليها.

السؤال 4: ما هي الميزات المختلفة لـ NumPy؟

كحزمة قوية مفتوحة المصدر تُستخدم في معالجة المصفوفات ، فإن NumPy لديها العديد من الميزات المفيدة. هم انهم:

1. يحتوي على كائن مصفوفة ذات أبعاد N
2. لا يطاق. متوافق مع العديد من الأجهزة ومنصات الحوسبة
3. يعمل بشكل جيد للغاية مع مكتبات المصفوفات ؛ متفرقة أو موزعة أو GPU
4. القدرة على أداء وظائف معقدة (إذاعية)
5. الأدوات التي تتيح التكامل مع C أو C ++ و Fortran code
6. القدرة على أداء وظائف رياضية عالية المستوى مثل الإحصاء ، وتحويل فورييه ، والفرز ، والبحث ، والجبر الخطي ، إلخ.
7. يمكن أن تتصرف أيضًا كحاوية متعددة الأبعاد للبيانات العامة
8. يدعم الحسابات العلمية والمالية

السؤال الخامس: كيف يمكنك تثبيت NumPy على Windows؟

لتثبيت NumPy على Windows ، يجب عليك أولاً تنزيل Python وتثبيتها على جهاز الكمبيوتر الخاص بك.

اتبع الخطوات الواردة أدناه لتثبيت Python:

الخطوة 1: قم بزيارة الصفحة الرسمية لـ Python وقم بتنزيل ثنائيات Python و Python القابلة للتنفيذ على نظام Windows 10/8/7

الخطوة 2: افتح برنامج التثبيت القابل للتنفيذ Python واضغط على تشغيل

الخطوة 3: قم بتثبيت النقطة على نظام Windows الخاص بك

باستخدام النقطة ، يمكنك تثبيت NumPy في Python. فيما يلي عملية تثبيت NumPy:

الخطوة 1: ابدأ تشغيل الجهاز

الخطوة 2: اكتب النقطة

الخطوة 3: تثبيت NumPy

السؤال 6. اذكر مزايا مصفوفات NumPy على قوائم بايثون (المتداخلة)؟

قوائم بايثون ، على الرغم من أن الحاويات عالية الكفاءة قادرة على القيام بعدد من الوظائف ، لها العديد من القيود عند مقارنتها بمصفوفات NumPy. لا يمكن إجراء عمليات متجهة تتضمن عمليات الجمع والضرب حسب العنصر.

تتطلب أيضًا أن تقوم Python بتخزين معلومات النوع لكل عنصر نظرًا لأنها تدعم كائنات من أنواع مختلفة. هذا يعني أنه يجب تنفيذ كود إرسال النوع في كل مرة يتم فيها إجراء عملية على عنصر. أيضًا ، يجب أن يخضع كل تكرار لفحوصات النوع ويتطلب مسك دفاتر Python API مما يؤدي إلى عدد قليل جدًا من العمليات التي يتم تنفيذها بواسطة حلقات C.

السؤال 7: قائمة الخطوات لإنشاء صفيف 1D و 2D

يتم إنشاء مصفوفة أحادية البعد على النحو التالي:

العدد = [1،2،3]

العدد = np.array (الأسطوانات)

طباعة ("مجموعة 1d:" ، عدد)

يتم إنشاء مصفوفة ثنائية الأبعاد على النحو التالي:

num2 = [[1،2،3]، [4،5،6]]

العدد 2 = np.array (العدد 2)

طباعة ("\ n2d مجموعة:" ، عدد 2)

تحقق من: أسئلة مقابلة علوم البيانات

السؤال 8: كيف تنشئ مصفوفة ثلاثية الأبعاد؟

يتم إنشاء مصفوفة ثلاثية الأبعاد على النحو التالي:

num3 = [[1،2،3] ، [4،5،6] ، [7،8،9]]]

num3 = np.array (عدد 3)

طباعة ("\ n3d مجموعة:"، num3)

السؤال 9: ما هي الخطوات لاستخدام الشكل لصفيف 1D ، صفيف 2D و 3 D / ND على التوالي؟

صفيف 1D:

العدد = [1،2،3] إذا لم تتم إضافته

طباعة ('nshpae من 1d' ، عدد الشكل)

صفيف ثنائي الأبعاد:

num2 = [[1،2،3] ، [4،5،6]] إذا لم تتم إضافتها

طباعة ('nshpae من 2d'، num2.shape)

صفيف ثلاثي الأبعاد أو ND:

num3 = [[1،2،3] ، [4،5،6] ، [7،8،9]]] إذا لم تتم إضافتها

طباعة ('nshpae of 3d' ، num3.shape)

السؤال 10: كيف يمكنك تحديد نوع البيانات لمصفوفة NumPy معينة؟

استخدم التسلسل التالي من الرموز لتحديد نوع بيانات مصفوفة NumPy.

طباعة ('\ n نوع البيانات رقم 1' ، نوع العدد)

طباعة ('\ n نوع البيانات num 2'، num2.dtype)

طباعة ('\ n نوع البيانات num 3' ، num3.dtype)

السؤال 11. ما هو الإجراء لحساب عدد المرات التي تظهر فيها قيمة معينة في مصفوفة من الأعداد الصحيحة؟

يمكنك حساب عدد المرات التي تظهر فيها قيمة معينة باستخدام دالة bincount (). تجدر الإشارة إلى أن الدالة bincount () تقبل الأعداد الصحيحة الموجبة أو التعبيرات المنطقية كوسيطة لها. لا يمكن استخدام الأعداد الصحيحة السالبة.

استخدم NumPy.bincount (). المصفوفة الناتجة هي

>>> arr = NumPy.array ([0، 5، 4، 0، 4، 4، 3، 0، 0، 5، 2، 1، 1، 9])

>>> NumPy.bincount (arr)

السؤال 12. كيف يمكنك التحقق من وجود مصفوفة فارغة (بدون عنصر)؟

إذا كان المتغير عبارة عن مصفوفة ، فيمكنك التحقق من وجود مصفوفة فارغة باستخدام سمة الحجم. ومع ذلك ، من الممكن أن يكون المتغير عبارة عن قائمة أو نوع تسلسل ، وفي هذه الحالة ، يمكنك استخدام len ().

الطريقة المفضلة للتحقق من وجود عنصر صفري هي سمة الحجم. هذا بسبب:

>>> أ = NumPy.zeros ((1،0))

>>> حجم أ

0

بينما

>>> لين (أ)

1

السؤال 13: ما هو الإجراء لإيجاد مؤشرات مصفوفة في NumPy حيث يكون بعض الشرط صحيحًا؟

يمكنك استخدام الدالة numpy.nonzero () للعثور على الفهارس أو المصفوفة. يمكنك أيضًا استخدام الطريقة غير الصفرية () للقيام بذلك.

في البرنامج التالي ، سنأخذ المصفوفة a ، حيث الشرط هو> 3. تعيد مصفوفة منطقية. نعلم أن False في Python ويشار إلى NumPy بالرمز 0. لذلك ، سيعيد np.nonzero (a> 3) مؤشرات المصفوفة حيث يكون الشرط صحيحًا.

>>> استيراد numpy كـ np

>>> a = np.array ([[1،2،3]، [4،5،6]، [7،8،9]])

>>> أ> 3

مجموعة ([[خطأ ، خطأ ، خطأ] ،

[ صحيح صحيح صحيح]،

[صحيح ، صحيح ، صحيح]] ، نوع dtype = منطقي)

>>> np.nonzero (أ> 3)

(صفيف ([1 ، 1 ، 1 ، 2 ، 2 ، 2]) ، صفيف ([0 ، 1 ، 2 ، 0 ، 1 ، 2]))

يمكنك أيضًا استدعاء طريقة nonzero () للمصفوفة المنطقية.

>>> (a> 3) .nonzero ()

(صفيف ([1 ، 1 ، 1 ، 2 ، 2 ، 2]) ، صفيف ([0 ، 1 ، 2 ، 0 ، 1 ، 2]))

قراءة: Dataframe في Apache PySpark: برنامج تعليمي شامل

السؤال 14: الموضح أدناه هو مصفوفة NumPy للإدخال. احذف العمود الثاني واستبدله بالعمود الجديد الوارد أدناه.

استيراد NumPy

sampleArray = NumPy.array ([[34،43،73] ، [82،22،12] ، [53،94،66]])

newColumn = NumPy.array ([[10،10،10]])

المخرجات المتوقعة :

طباعة المجموعة الأصلية

[[34 43 73]

[82 22 12]

[53 94 66]]

صفيف بعد حذف العمود 2 على المحور 1

[[34 73]

[82 12]

[53 66]

صفيف بعد إدراج العمود 2 على المحور 1

[[34 10 73]

[82 10 12]

[53 10 66]]

الحل :

استيراد NumPy

طباعة ("طباعة المجموعة الأصلية")

sampleArray = NumPy.array ([[34،43،73] ، [82،22،12] ، [53،94،66]])

طباعة (عينة صفيف)

طباعة ("صفيف بعد حذف العمود 2 على المحور 1")

sampleArray = NumPy.delete (sampleArray ، 1 ، المحور = 1)

طباعة (عينة صفيف)

arr = NumPy.array ([[10،10،10]])

طباعة ("صفيف بعد إدراج العمود 2 على المحور 1")

sampleArray = NumPy.insert (sampleArray ، 1 ، arr ، المحور = 1)

طباعة (عينة صفيف)

الحل :

استيراد NumPy

طباعة ("طباعة المجموعة الأصلية")

sampleArray = NumPy.array ([[34،43،73] ، [82،22،12] ، [53،94،66]])

طباعة (عينة صفيف)

طباعة ("صفيف بعد حذف العمود 2 على المحور 1")

sampleArray = NumPy.delete (sampleArray ، 1 ، المحور = 1)

طباعة (عينة صفيف)

arr = NumPy.array ([[10،10،10]])

طباعة ("صفيف بعد إدراج العمود 2 على المحور 1")

sampleArray = NumPy.insert (sampleArray ، 1 ، arr ، المحور = 1)

طباعة (عينة صفيف)

خاتمة

نتمنى ما سبق ستساعدك أسئلة مقابلة NumPy على الاستعداد لجلسات المقابلة القادمة. إذا كنت تبحث عن دورات يمكن أن تساعدك في اكتساب لغة بايثون ، يمكن أن تكون upGrad أفضل منصة.

إذا كنت مهتمًا بالتعرف على علوم البيانات ، فراجع برامج علوم البيانات عبر الإنترنت الخاصة بـ IIIT-B & upGrad والتي تم إنشاؤها للمهنيين العاملين وتقدم أكثر من 10 دراسات حالة ومشاريع ، وورش عمل عملية عملية ، وإرشاد مع خبراء الصناعة ، 1-on -1 مع موجهين في الصناعة ، +400 ساعة من التعلم والمساعدة في العمل مع الشركات الكبرى.

نأمل أن يساعد هذا. حظا سعيدا لمقابلتك!

استعد لمهنة المستقبل

تقدم الآن لبرنامج Executive PG في علوم البيانات