Preguntas y respuestas más frecuentes de la entrevista NumPy [para estudiantes de primer año]

Si está buscando tener una carrera gloriosa en el ámbito tecnológico, ya sabe que una calificación en NumPy es una de las habilidades más buscadas que existen. Después de todo, NumPy se basa en los estándares de facto de las matrices informáticas.

Entonces, aquí hay una lista de algunas preguntas y respuestas frecuentes de la entrevista NumPy que quizás desee buscar antes de presentarse a su próxima entrevista.

Las 15 preguntas y respuestas principales de la entrevista NumPy

Pregunta 1: ¿Qué es NumPy?

NumPy es un paquete de uso general versátil y de código abierto que se utiliza para el procesamiento de matrices. Es corto de Python numérico. Es conocido por su rendimiento de alto nivel con potentes objetos de matriz N-dimensionales y las herramientas con las que está cargado para trabajar con matrices. El paquete es una extensión de Python y se utiliza para realizar cálculos científicos y otras funciones de transmisión.

NumPy es fácil de usar, está bien optimizado y es muy flexible.

Pregunta 2: ¿Cuáles son los usos de NumPy?

La biblioteca numérica de código abierto en Python admite matrices multidimensionales y contiene estructuras de datos de matriz. Se pueden realizar diferentes tipos de operaciones matemáticas en matrices utilizando NumPy. Esto incluye operaciones trigonométricas, así como cálculos estadísticos y algebraicos. Numeric y Numarray son extensiones de NumPy.

Pregunta 3: ¿Por qué se prefiere NumPy a otras herramientas de programación como Idl, Matlab, Octave o Yorick?

NumPy es una biblioteca de alto rendimiento en el lenguaje de programación Python que permite realizar cálculos científicos. Se prefiere a Idl, Matlab, Octave o Yorick porque es de código abierto y gratuito. Además, dado que utiliza Python, que es un lenguaje de programación de propósito general, supera a un lenguaje de programación genérico cuando se trata de conectar el intérprete de Python al código C/C++ y Fortran.

NumPy admite arreglos y matrices multidimensionales y ayuda a realizar operaciones matemáticas complejas en ellos.

Pregunta 4: ¿Cuáles son las diversas características de NumPy?

Como un poderoso paquete de código abierto utilizado para el procesamiento de matrices, NumPy tiene varias características útiles. Ellos son:

1. Contiene un objeto de matriz N-dimensional
2. Es interolerable; compatible con muchas plataformas informáticas y de hardware
3. Funciona extremadamente bien con bibliotecas de arreglos; escaso, distribuido o GPU
4. Capacidad para realizar funciones complicadas (de radiodifusión)
5. Herramientas que permiten la integración con código C o C++ y Fortran
6. Capacidad para realizar funciones matemáticas de alto nivel como estadísticas, transformada de Fourier, clasificación, búsqueda, álgebra lineal, etc.
7. También puede comportarse como un contenedor multidimensional para datos genéricos.
8. Soporta cálculos científicos y financieros.

Pregunta 5: ¿Cómo puede instalar NumPy en Windows?

Para instalar NumPy en Windows, primero debe descargar e instalar Python en su computadora.

Siga los pasos que se indican a continuación para instalar Python:

Paso 1: visite la página oficial de Python y descargue los binarios ejecutables de Python y Python en su Windows 10/8/7

Paso 2: Abra el instalador ejecutable de Python y presione Ejecutar

Paso 3: Instale pip en su sistema Windows

Usando pip, puede instalar NumPy en Python. A continuación se muestra el proceso de instalación de NumPy:

Paso 1: Inicie la terminal

Paso 2: Escriba pip

Paso 3: instala NumPy

Pregunta 6. Enumere las ventajas que tienen las matrices NumPy sobre las listas (anidadas) de Python.

Las listas de Python, aunque son contenedores enormemente eficientes capaces de realizar una serie de funciones, tienen varias limitaciones en comparación con las matrices NumPy. No es posible realizar operaciones vectorizadas que incluyan sumas y multiplicaciones por elementos.

También requieren que Python almacene la información de tipo de cada elemento, ya que admiten objetos de diferentes tipos. Esto significa que se debe ejecutar un tipo de código de envío cada vez que se realiza una operación en un elemento. Además, cada iteración tendría que someterse a comprobaciones de tipos y requerir la contabilidad de la API de Python, lo que daría como resultado que los bucles C llevaran a cabo muy pocas operaciones.

Pregunta 7: Enumere los pasos para crear una matriz 1D y una matriz 2D

Una matriz unidimensional se crea de la siguiente manera:

número=[1,2,3]

num = np.matriz(num)

imprimir ("1d matriz: ", número)

Una matriz bidimensional se crea de la siguiente manera:

núm2=[[1,2,3],[4,5,6]]

num2 = np.matriz(num2)

imprimir(“\n2d matriz: “,num2)

Echa un vistazo a: Preguntas de la entrevista de ciencia de datos

Pregunta 8: ¿Cómo se crea una matriz 3D?

Una matriz tridimensional se crea de la siguiente manera:

núm3=[[[1,2,3],[4,5,6],[7,8,9]]]

num3 = np.matriz(num3)

imprimir(“\nmatriz n3d: “,num3)

Pregunta 9: ¿Cuáles son los pasos para usar la forma para una matriz 1D, una matriz 2D y una matriz 3D/ND respectivamente?

matriz 1D:

num=[1,2,3] si no se agrega

print('\nforma de 1d ',num.forma)

Matriz 2D:

num2=[[1,2,3],[4,5,6]] si no se agrega

print('\nforma de 2d ',num2.forma)

Matriz 3D o ND:

num3=[[[1,2,3],[4,5,6],[7,8,9]]] si no se agrega

print('\nforma de 3d ',num3.forma)

Pregunta 10: ¿Cómo puede identificar el tipo de datos de una matriz NumPy dada?

Utilice la siguiente secuencia de códigos para identificar el tipo de datos de una matriz NumPy.

print('\n tipo de datos num 1 ',num.dtype)

imprimir ('\n tipo de datos num 2', num2.dtype)

imprimir ('\n tipo de datos num 3', num3.dtype)

Pregunta 11. ¿Cuál es el procedimiento para contar el número de veces que aparece un valor dado en una matriz de números enteros?

Puede contar el número de veces que aparece un valor dado usando la función bincount(). Cabe señalar que la función bincount() acepta enteros positivos o expresiones booleanas como argumento. No se pueden utilizar enteros negativos.

Utilice NumPy.bincount(). La matriz resultante es

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

>>> NumPy.bincount(arr)

Pregunta 12. ¿Cómo verifica si hay una matriz vacía (elemento cero)?

Si la variable es una matriz, puede buscar una matriz vacía utilizando el atributo de tamaño. Sin embargo, es posible que la variable sea una lista o un tipo de secuencia, en ese caso, puede usar len().

La forma preferible de verificar un elemento cero es el atributo de tamaño. Esto es porque:

>>> a = NumPy.ceros((1,0))

>>> un tamaño

0

mientras que

>>> len(a)

1

Pregunta 13: ¿Cuál es el procedimiento para encontrar los índices de una matriz en NumPy donde alguna condición es verdadera?

Puede usar la función numpy.nonzero() para encontrar los índices o una matriz. También puede usar el método distinto de cero() para hacerlo.

En el siguiente programa, tomaremos una matriz a, donde la condición es a > 3. Devuelve una matriz booleana. Sabemos False en Python y NumPy se denota como 0. Por lo tanto, np.nonzero(a > 3) devolverá los índices de la matriz a donde la condición es True.

>>> importar numpy como np

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

>>> a > 3

array([[Falso, Falso, Falso],

[ Verdad verdad verdad],

[Verdadero, Verdadero, Verdadero]], dtype=bool)

>>> np.distinto de cero(a > 3)

(matriz([1, 1, 1, 2, 2, 2]), matriz([0, 1, 2, 0, 1, 2]))

También puede llamar al método distinto de cero() de la matriz booleana.

>>> (a > 3).distinto de cero()

(matriz([1, 1, 1, 2, 2, 2]), matriz([0, 1, 2, 0, 1, 2]))

Leer: Marco de datos en Apache PySpark: tutorial completo

Pregunta 14: A continuación se muestra la matriz NumPy de entrada. Elimine la columna dos y reemplácela con la nueva columna que se indica a continuación.

importar números

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

nuevaColumna = NumPy.array([[10,10,10]])

Salida esperada :

Imprimiendo Matriz original

[[34 43 73]

[82 22 12]

[53 94 66]]

Matriz después de eliminar la columna 2 en el eje 1

[[34 73]

[82 12]

[53 66]]

Matriz después de insertar la columna 2 en el eje 1

[[34 10 73]

[82 10 12]

[53 10 66]]

Solución :

importar números

imprimir ("Imprimiendo matriz original")

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

imprimir (muestraArray)

imprimir ("Array después de eliminar la columna 2 en el eje 1")

muestraArray = NumPy.delete(sampleArray, 1, eje = 1)

imprimir (muestraArray)

matriz = NumPy.array([[10,10,10]])

print(“Array después de insertar la columna 2 en el eje 1”)

muestraArray = NumPy.insert(muestraArray, 1, matriz, eje = 1)

imprimir (muestraArray)

Solución :

importar números

imprimir ("Imprimiendo matriz original")

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

imprimir (muestraArray)

imprimir ("Array después de eliminar la columna 2 en el eje 1")

muestraArray = NumPy.delete(sampleArray, 1, eje = 1)

imprimir (muestraArray)

matriz = NumPy.array([[10,10,10]])

print(“Array después de insertar la columna 2 en el eje 1”)

muestraArray = NumPy.insert(muestraArray, 1, matriz, eje = 1)

imprimir (muestraArray)

Conclusión

Esperamos lo anterior Las preguntas de la entrevista NumPy lo ayudarán a prepararse para sus próximas sesiones de entrevista. Si está buscando cursos que puedan ayudarlo a dominar el lenguaje Python , upGrad puede ser la mejor plataforma.

Si tiene curiosidad por aprender sobre ciencia de datos, consulte los Programas de ciencia de datos en línea de IIIT-B y upGrad, que se crearon para profesionales que trabajan y ofrecen más de 10 estudios de casos y proyectos, talleres prácticos, tutoría con expertos de la industria, 1-on -1 con mentores de la industria, más de 400 horas de aprendizaje y asistencia laboral con las mejores empresas.

Esperamos que esto ayude. ¡Buena suerte para su entrevista!

Prepárate para una carrera del futuro

Solicite ahora el programa Executive PG en ciencia de datos