가장 자주 묻는 NumPy 인터뷰 질문과 답변 [신입생을 위한]

기술 분야에서 영광스러운 경력을 쌓고 싶다면 NumPy 자격증이 가장 많이 찾는 기술 중 하나라는 것을 이미 알고 계실 것입니다. 결국 NumPy는 컴퓨팅 어레이의 사실상 표준을 기반으로 구축되었습니다.

그래서 다음 인터뷰에 참석하기 전에 찾아볼 수 있는 몇 가지 자주 묻는 NumPy 인터뷰 질문과 답변을 나열합니다.

NumPy 인터뷰 질문 및 답변 상위 15개

질문 1: 넘파이가 무엇인가요?

NumPy는 어레이 처리에 사용되는 오픈 소스의 다목적 범용 패키지입니다. 수치 파이썬의 약자입니다. 강력한 N차원 배열 개체와 배열 작업을 위해 로드되는 도구를 사용하는 고급 성능으로 유명합니다. 패키지는 Python의 확장이며 과학 계산 및 기타 방송 기능을 수행하는 데 사용됩니다.

NumPy는 사용하기 쉽고 최적화되어 있으며 매우 유연합니다.

질문 2: NumPy의 용도는 무엇입니까?

Python의 오픈 소스 수치 라이브러리는 다차원 배열을 지원하고 행렬 데이터 구조를 포함합니다. NumPy를 사용하여 배열에서 다양한 유형의 수학 연산을 수행할 수 있습니다. 여기에는 삼각법 연산과 통계 및 대수 계산이 포함됩니다. Numeric 및 Numarray는 NumPy의 확장입니다.

질문 3: Idl, Matlab, Octave 또는 Yorick과 같은 다른 프로그래밍 도구보다 NumPy가 선호되는 이유는 무엇입니까?

NumPy는 과학적 계산을 허용하는 Python 프로그래밍 언어의 고성능 라이브러리입니다. 오픈 소스이며 무료이기 때문에 Idl, Matlab, Octave 또는 Yorick보다 선호됩니다. 또한 범용 프로그래밍 언어인 Python을 사용하기 때문에 Python의 인터프리터를 C/C++ 및 Fortran 코드에 연결할 때 일반 프로그래밍 언어보다 점수가 높습니다.

NumPy는 다차원 배열과 행렬을 지원하고 이에 대한 복잡한 수학 연산을 수행하는 데 도움이 됩니다.

질문 4: NumPy의 다양한 기능은 무엇입니까?

NumPy는 배열 처리에 사용되는 강력한 오픈 소스 패키지로서 다양한 유용한 기능을 가지고 있습니다. 그들은:

1. N차원 배열 객체를 포함합니다.
2. 상호 호환 가능합니다. 많은 하드웨어 및 컴퓨팅 플랫폼과 호환
3. 배열 라이브러리와 매우 잘 작동합니다. 희소, 분산 또는 GPU
4. 복잡한(방송) 기능을 수행하는 능력
5. C 또는 C++ 및 Fortran 코드와의 통합을 가능하게 하는 도구
6. 통계, 푸리에 변환, 정렬, 검색, 선형 대수 등과 같은 높은 수준의 수학 기능을 수행하는 능력
7. 또한 일반 데이터의 다차원 컨테이너로 작동할 수도 있습니다.
8. 과학 및 재무 계산 지원

질문 5: Windows에 NumPy를 어떻게 설치할 수 있습니까?

Windows에 NumPy를 설치하려면 먼저 Python을 컴퓨터에 다운로드하여 설치해야 합니다.

Python을 설치하려면 다음 단계를 따르십시오.

1단계: Python 공식 페이지를 방문하여 Windows 10/8/7에서 Python 및 Python 실행 바이너리를 다운로드합니다.

2단계: Python 실행 가능한 설치 프로그램을 열고 실행을 누릅니다.

3단계: Windows 시스템에 pip 설치

pip를 사용하여 Python에 NumPy를 설치할 수 있습니다. 아래는 NumPy의 설치 과정입니다:

1단계: 터미널 시작

2단계: pip 입력

3단계: NumPy 설치

질문 6. NumPy 배열이 (중첩된) Python 목록보다 좋은 점을 나열하십시오.

Python의 목록은 많은 기능을 수행할 수 있는 매우 효율적인 컨테이너에도 불구하고 NumPy 배열과 비교할 때 몇 가지 제한이 있습니다. 요소별 덧셈과 곱셈을 포함하는 벡터화된 연산을 수행하는 것은 불가능합니다.

또한 Python은 다양한 유형의 객체를 지원하기 때문에 모든 요소의 유형 정보를 저장해야 합니다. 이는 요소에 대한 작업이 완료될 때마다 유형 디스패치 코드를 실행해야 함을 의미합니다. 또한 각 반복은 유형 검사를 거쳐야 하고 Python API 부기가 필요하므로 C 루프에서 수행하는 작업이 거의 없습니다.

질문 7: 1D 배열과 2D 배열을 만드는 단계를 나열하십시오.

1차원 배열은 다음과 같이 생성됩니다.

숫자=[1,2,3]

숫자 = np.array(숫자)

print("1차원 배열 : ",num)

2차원 배열은 다음과 같이 생성됩니다.

num2=[[1,2,3],[4,5,6]]

num2 = np.array(num2)

print("\n2d 배열 : ",num2)

확인: 데이터 과학 인터뷰 질문

질문 8: 3D 어레이는 어떻게 생성합니까?

3차원 배열은 다음과 같이 생성됩니다.

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

num3 = np.array(num3)

print("\n3d 배열 : ",num3)

질문 9: 1D 어레이, 2D 어레이 및 3D/ND 어레이에 각각 모양을 사용하는 단계는 무엇입니까?

1D 배열:

num=[1,2,3] 추가되지 않은 경우

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

2D 배열:

num2=[[1,2,3],[4,5,6]] 추가되지 않은 경우

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

3D 또는 ND 어레이:

num3=[[[1,2,3],[4,5,6],[7,8,9]]] 추가되지 않은 경우

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

질문 10: 주어진 NumPy 배열의 데이터 유형을 어떻게 식별할 수 있습니까?

다음 코드 시퀀스를 사용하여 NumPy 배열의 데이터 유형을 식별합니다.

print('\n 데이터 유형 num 1 ',num.dtype)

print('\n 데이터 유형 num 2 ',num2.dtype)

print('\n 데이터 유형 num 3 ',num3.dtype)

질문 11. 주어진 값이 정수 배열에 나타나는 횟수를 계산하는 절차는 무엇입니까?

bincount() 함수를 사용하여 주어진 값이 나타나는 횟수를 셀 수 있습니다. bincount() 함수는 양의 정수 또는 부울 표현식을 인수로 받아들입니다. 음의 정수는 사용할 수 없습니다.

NumPy.bincount()를 사용합니다. 결과 배열은

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

>>> NumPy.bincount(arr)

질문 12. 비어 있는(요소가 없는) 배열을 어떻게 확인합니까?

변수가 배열인 경우 size 속성을 사용하여 빈 배열을 확인할 수 있습니다. 그러나 변수가 목록 또는 시퀀스 유형일 수 있으며 이 경우 len()을 사용할 수 있습니다.

0 요소를 확인하는 바람직한 방법은 크기 속성입니다. 이 때문입니다:

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

>>> 크기

0

반면

>>> len(a)

1

질문 13: NumPy에서 어떤 조건이 참인 배열의 인덱스를 찾는 절차는 무엇입니까?

numpy.nonzero() 함수를 사용하여 인덱스나 배열을 찾을 수 있습니다. nonzero() 메서드를 사용하여 그렇게 할 수도 있습니다.

다음 프로그램에서는 조건이 > 3인 배열을 사용합니다. 부울 배열을 반환합니다. Python에서 False를 알고 NumPy는 0으로 표시됩니다. 따라서 np.nonzero(a > 3)는 조건이 True인 배열 a의 인덱스를 반환합니다.

>>> numpy를 np로 가져오기

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

>>> a > 3

배열([[거짓,거짓,거짓],

[ 참, 참, 참],

[ 참, 참, 참]], dtype=bool)

>>> np.nonzero(a > 3)

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

부울 배열의 nonzero() 메서드를 호출할 수도 있습니다.

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

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

읽기: Apache PySpark의 데이터 프레임: 종합 자습서

질문 14: 아래는 입력 NumPy 배열입니다. 열 2를 삭제하고 아래에 제공된 새 열로 교체하십시오.

넘파이 가져오기

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

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

예상 출력 :

원본 어레이 인쇄

[[34 43 73]

[82 22 12]

[53 94 66]]

축 1에서 열 2를 삭제한 후 배열

[[34 73]

[82 12]

[53 66]]

축 1에 열 2를 삽입한 후 배열

[[34 10 73]

[82 10 12]

[53 10 66]]

솔루션 :

넘파이 가져오기

print("원본 배열 출력하기")

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

인쇄(샘플 배열)

print("1축 2열 삭제 후 배열")

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

인쇄(샘플 배열)

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

print("1축에 2열을 삽입한 후의 배열")

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

인쇄(샘플 배열)

솔루션 :

넘파이 가져오기

print("원본 배열 출력하기")

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

인쇄(샘플 배열)

print("1축 2열 삭제 후 배열")

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

인쇄(샘플 배열)

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

print("1축에 2열을 삽입한 후의 배열")

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

인쇄(샘플 배열)

결론

우리는 위에서 언급한 NumPy 인터뷰 질문 은 다가오는 인터뷰 세션을 준비하는 데 도움이 됩니다. Python 언어를 습득하는 데 도움이 되는 과정을 찾고 있다면 upGrad 가 최고의 플랫폼이 될 수 있습니다.

데이터 과학에 대해 자세히 알아보려면 작업 전문가를 위해 만들어졌으며 10개 이상의 사례 연구 및 프로젝트, 실용적인 실습 워크샵, 업계 전문가와의 멘토링, 1-on을 제공하는 IIIT-B & upGrad의 온라인 데이터 과학 프로그램을 확인하십시오. -1 업계 멘토, 400시간 이상의 학습 및 최고의 기업에서의 취업 지원.

도움이 되기를 바랍니다. 면접에 행운을 빕니다!

미래의 직업을 위한 준비

데이터 과학의 이그 제 큐 티브 PG 프로그램에 지금 지원하십시오