Pertanyaan dan Jawaban Wawancara NumPy yang Paling Sering Diajukan [Untuk Freshers]

Jika Anda ingin memiliki karir yang gemilang di bidang teknologi, Anda sudah tahu bahwa kualifikasi di NumPy adalah salah satu keterampilan yang paling dicari di luar sana. Bagaimanapun, NumPy dibangun di atas standar de facto dari array komputasi.

Jadi, inilah daftar beberapa pertanyaan dan jawaban wawancara NumPy yang umum ditanyakan yang mungkin ingin Anda cari sebelum Anda muncul untuk wawancara berikutnya.

15 Pertanyaan dan Jawaban Wawancara NumPy Teratas

Pertanyaan 1: Apa itu NumPy?

NumPy adalah open-source, paket serba guna yang digunakan untuk pemrosesan array. Ini adalah singkatan dari Python Numerik. Ia dikenal dengan kinerja high-end dengan objek array N-dimensi yang kuat dan alat yang dimuat untuk bekerja dengan array. Paket ini merupakan perpanjangan dari Python dan digunakan untuk melakukan perhitungan ilmiah dan fungsi penyiaran lainnya.

NumPy mudah digunakan, dioptimalkan dengan baik, dan sangat fleksibel.

Pertanyaan 2: Apa kegunaan NumPy?

Pustaka numerik sumber terbuka di Python mendukung array multi-dimensi dan berisi struktur data matriks. Berbagai jenis operasi matematika dapat dilakukan pada array menggunakan NumPy. Ini termasuk operasi trigonometri serta perhitungan statistik dan aljabar. Numeric dan Numarray adalah ekstensi dari NumPy.

Pertanyaan 3: Mengapa NumPy lebih disukai daripada alat pemrograman lain seperti Idl, Matlab, Oktaf, Atau Yorick?

NumPy adalah perpustakaan berkinerja tinggi dalam bahasa pemrograman Python yang memungkinkan perhitungan ilmiah. Ini lebih disukai daripada Idl, Matlab, Octave, Atau Yorick karena open-source dan gratis. Juga, karena menggunakan Python yang merupakan bahasa pemrograman tujuan umum, skornya lebih tinggi dari bahasa pemrograman generik dalam hal menghubungkan juru bahasa Python ke kode C/C++ dan Fortran.

NumPy mendukung array dan matriks multi-dimensi dan membantu untuk melakukan operasi matematika yang kompleks pada mereka.

Pertanyaan 4: Apa saja berbagai fitur NumPy?

Sebagai paket sumber terbuka yang kuat yang digunakan untuk pemrosesan array, NumPy memiliki berbagai fitur yang berguna. Mereka:

1. Berisi objek array N-dimensi
2. Hal ini dapat ditoleransi; kompatibel dengan banyak perangkat keras dan platform komputasi
3. Bekerja sangat baik dengan perpustakaan array; jarang, terdistribusi atau GPU
4. Kemampuan untuk melakukan fungsi (penyiaran) yang rumit
5. Alat yang memungkinkan integrasi dengan kode C atau C++ dan Fortran
6. Kemampuan untuk melakukan fungsi matematika tingkat tinggi seperti statistik, transformasi Fourier, pengurutan, pencarian, aljabar linier, dll
7. Itu juga dapat berperilaku sebagai wadah multi-dimensi untuk data umum
8. Mendukung perhitungan ilmiah dan keuangan

Pertanyaan 5: Bagaimana Anda bisa Menginstal NumPy di ​​Windows?

Untuk menginstal NumPy di ​​Windows, Anda harus terlebih dahulu mengunduh dan menginstal Python di komputer Anda.

Ikuti langkah-langkah yang diberikan di bawah ini untuk menginstal Python:

Langkah 1: Kunjungi halaman resmi Python dan unduh binari Python dan Python yang dapat dieksekusi di Windows 10/8/7

Langkah 2: Buka penginstal yang dapat dieksekusi Python dan tekan Jalankan

Langkah 3: Instal pip di sistem Windows Anda

Menggunakan pip, Anda dapat menginstal NumPy dengan Python. Di bawah ini adalah Proses Instalasi NumPy:

Langkah 1: Mulai terminal

Langkah 2: Ketik pip

Langkah 3: instal NumPy

Pertanyaan 6. Sebutkan kelebihan NumPy Arrays dibandingkan daftar Python (bersarang)?

Daftar Python, meskipun wadah yang sangat efisien yang mampu melakukan sejumlah fungsi, memiliki beberapa keterbatasan jika dibandingkan dengan array NumPy. Tidak mungkin untuk melakukan operasi vektor yang mencakup penambahan dan perkalian elemen-bijaksana.

Mereka juga mengharuskan Python menyimpan informasi tipe dari setiap elemen karena mereka mendukung objek dari tipe yang berbeda. Ini berarti kode pengiriman tipe harus dijalankan setiap kali operasi pada elemen dilakukan. Selain itu, setiap iterasi harus menjalani pemeriksaan tipe dan memerlukan pembukuan Python API yang mengakibatkan sangat sedikit operasi yang dilakukan oleh loop C.

Pertanyaan 7: Sebutkan langkah-langkah untuk membuat larik 1D dan larik 2D

Array satu dimensi dibuat sebagai berikut:

jumlah=[1,2,3]

num = np.array(num)

print(“1d array : “,bil)

Array dua dimensi dibuat sebagai berikut:

bilangan2=[[1,2,3],[4,5,6]]

angka2 = np.array(angka2)

print(“\n2d larik : “,bil2)

Lihat: Pertanyaan Wawancara Ilmu Data

Pertanyaan 8: Bagaimana Anda membuat larik 3D?

Array tiga dimensi dibuat sebagai berikut:

bilangan3=[[[1,2,3],[4,5,6],[7,8,9]]]

angka3 = np.array(angka3)

print(“\n3d array : “,bil3)

Pertanyaan 9: Apa langkah-langkah menggunakan bentuk untuk larik 1D, larik 2D, dan larik 3D/ND?

Array 1D:

num=[1,2,3] jika tidak ditambahkan

print('\nshpae dari 1d ',num.shape)

Array 2D:

num2=[[1,2,3],[4,5,6]] jika tidak ditambahkan

print('\nshpae dari 2d ',num2.shape)

Array 3D atau ND:

num3=[[[1,2,3],[4,5,6],[7,8,9]]] jika tidak ditambahkan

print('\nshpae dari 3d ',num3.shape)

Pertanyaan 10: Bagaimana Anda bisa mengidentifikasi tipe data dari array NumPy yang diberikan?

Gunakan urutan kode berikut untuk mengidentifikasi tipe data array NumPy.

print('\n tipe data num 1 ',num.dtype)

print('\n tipe data num 2 ',num2.dtype)

print('\n tipe data num 3 ',num3.dtype)

Pertanyaan 11. Bagaimana prosedur untuk menghitung berapa kali nilai yang diberikan muncul dalam array bilangan bulat?

Anda dapat menghitung berapa kali nilai tertentu muncul menggunakan fungsi bincount(). Perlu dicatat bahwa fungsi bincount() menerima bilangan bulat positif atau ekspresi boolean sebagai argumennya. Bilangan bulat negatif tidak dapat digunakan.

Gunakan NumPy.bincount(). Array yang dihasilkan adalah

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

>>> NumPy.bincount(arr)

Pertanyaan 12. Bagaimana Anda memeriksa array kosong (Elemen nol)?

Jika variabelnya adalah array, Anda dapat memeriksa array kosong dengan menggunakan atribut size. Namun, ada kemungkinan bahwa variabel tersebut adalah daftar atau tipe urutan, dalam hal ini, Anda dapat menggunakan len().

Cara yang lebih baik untuk memeriksa elemen nol adalah atribut ukuran. Hal ini karena:

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

>>> a.ukuran

0

sedangkan

>>> len(a)

1

Pertanyaan 13: Bagaimana prosedur untuk menemukan indeks array di NumPy di ​​mana beberapa kondisi benar?

Anda dapat menggunakan fungsi numpy.nonzero() untuk menemukan indeks atau array. Anda juga dapat menggunakan metode bukan nol() untuk melakukannya.

Dalam program berikut, kita akan mengambil array a, di mana kondisinya adalah a > 3. Ini mengembalikan array boolean. Kita tahu False pada Python dan NumPy dilambangkan sebagai 0. Oleh karena itu, np.nonzero(a > 3) akan mengembalikan indeks array a di mana kondisinya Benar.

>>> impor numpy sebagai np

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

>>> a > 3

array([[Salah, Salah, Salah],

[ Betul betul betul],

[ Benar, Benar, Benar]], dtype=bool)

>>> np.bukan nol(a > 3)

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

Anda juga dapat memanggil metode bukan nol() dari larik boolean.

>>> (a > 3).bukan nol()

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

Baca: Dataframe di Apache PySpark: Tutorial Komprehensif

Pertanyaan 14: Ditampilkan di bawah ini adalah array NumPy input. Hapus kolom dua dan ganti dengan kolom baru yang diberikan di bawah ini.

impor NumPy

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

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

Keluaran yang diharapkan :

Mencetak array Asli

[[34 43 73]

[82 22 12]

[53 94 66]]

Array setelah menghapus kolom 2 pada sumbu 1

[[34 73]

[82 12]

[53 66]]

Array setelah memasukkan kolom 2 pada sumbu 1

[[34 10 73]

[82 10 12]

[53 10 66]]

Solusi :

impor NumPy

print("Mencetak array Asli")

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

cetak (contohArray)

print("Array setelah menghapus kolom 2 pada sumbu 1")

sampleArray = NumPy.delete(sampleArray , 1, axis = 1)

cetak (contohArray)

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

print("Array setelah memasukkan kolom 2 pada sumbu 1")

sampleArray = NumPy.insert(sampleArray , 1, arr, axis = 1)

cetak (contohArray)

Solusi :

impor NumPy

print("Mencetak array Asli")

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

cetak (contohArray)

print("Array setelah menghapus kolom 2 pada sumbu 1")

sampleArray = NumPy.delete(sampleArray , 1, axis = 1)

cetak (contohArray)

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

print("Array setelah memasukkan kolom 2 pada sumbu 1")

sampleArray = NumPy.insert(sampleArray , 1, arr, axis = 1)

cetak (contohArray)

Kesimpulan

Kami berharap yang disebutkan di atas Pertanyaan wawancara NumPy akan membantu Anda mempersiapkan sesi wawancara mendatang. Jika Anda mencari kursus yang dapat membantu Anda menguasai bahasa Python , upGrad bisa menjadi platform terbaik.

Jika Anda penasaran untuk belajar tentang ilmu data, lihat Program Ilmu Data Online IIIT-B & upGrad yang dibuat untuk para profesional yang bekerja dan menawarkan 10+ studi kasus & proyek, lokakarya praktis, bimbingan dengan pakar industri, 1-on -1 dengan mentor industri, 400+ jam pembelajaran dan bantuan pekerjaan dengan perusahaan-perusahaan top.

Kami harap ini membantu. Semoga sukses untuk Wawancara Anda!

Persiapkan Karir Masa Depan

Daftar Sekarang untuk Program PG Eksekutif dalam Ilmu Data