Perguntas e respostas mais frequentes da entrevista NumPy [para calouros]

Se você deseja ter uma carreira gloriosa na esfera tecnológica, já sabe que uma qualificação em NumPy é uma das habilidades mais procuradas por aí. Afinal, o NumPy é construído sobre os padrões de fato de matrizes de computação.

Então, aqui está uma lista de algumas perguntas e respostas comuns da entrevista NumPy que você pode querer procurar antes de aparecer para sua próxima entrevista.

As 15 principais perguntas e respostas da entrevista NumPy

Pergunta 1: O que é NumPy?

O NumPy é um pacote de uso geral versátil e de código aberto usado para processamento de array. É abreviação de Numerical Python. Ele é conhecido por seu desempenho de ponta com poderosos objetos de matriz N-dimensional e as ferramentas com as quais é carregado para trabalhar com matrizes. O pacote é uma extensão do Python e é usado para realizar cálculos científicos e outras funções de transmissão.

O NumPy é fácil de usar, bem otimizado e altamente flexível.

Pergunta 2: Quais são os usos do NumPy?

A biblioteca numérica de código aberto em Python suporta arrays multidimensionais e contém estruturas de dados de matriz. Diferentes tipos de operações matemáticas podem ser realizadas em arrays usando NumPy. Isso inclui operações trigonométricas, bem como cálculos estatísticos e algébricos. Numeric e Numarray são extensões do NumPy.

Pergunta 3: Por que o NumPy é preferido a outras ferramentas de programação, como Idl, Matlab, Octave ou Yorick?

NumPy é uma biblioteca de alto desempenho na linguagem de programação Python que permite cálculos científicos. É preferível a Idl, Matlab, Octave ou Yorick porque é de código aberto e gratuito. Além disso, como ele usa Python, que é uma linguagem de programação de uso geral, ele pontua sobre uma linguagem de programação genérica quando se trata de conectar o interpretador do Python ao código C/C++ e Fortran.

O NumPy suporta arrays e matrizes multidimensionais e ajuda a realizar operações matemáticas complexas neles.

Pergunta 4: Quais são os vários recursos do NumPy?

Como um poderoso pacote de código aberto usado para processamento de array, o NumPy possui vários recursos úteis. Eles estão:

1. Contém um objeto de matriz N-dimensional
2. É intolerante; compatível com muitas plataformas de hardware e computação
3. Funciona extremamente bem com bibliotecas de arrays; esparso, distribuído ou GPU
4. Capacidade de executar funções complicadas (transmissão)
5. Ferramentas que permitem a integração com código C ou C++ e Fortran
6. Capacidade de executar funções matemáticas de alto nível, como estatística, transformada de Fourier, classificação, pesquisa, álgebra linear, etc.
7. Ele também pode se comportar como um contêiner multidimensional para dados genéricos
8. Suporta cálculos científicos e financeiros

Pergunta 5: Como você pode instalar o NumPy no Windows?

Para instalar o NumPy no Windows, você deve primeiro baixar e instalar o Python no seu computador.

Siga as etapas abaixo para instalar o Python:

Etapa 1: visite a página oficial do Python e baixe os binários executáveis ​​do Python e do Python no seu Windows 10/8/7

Etapa 2: Abra o instalador executável do Python e pressione Executar

Etapa 3: Instale o pip no seu sistema Windows

Usando pip, você pode instalar o NumPy em Python. Abaixo está o processo de instalação do NumPy:

Etapa 1: iniciar o terminal

Etapa 2: digite pip

Etapa 3: instale o NumPy

Pergunta 6. Liste as vantagens que os Arrays NumPy têm sobre as listas Python (aninhadas)?

As listas do Python, embora sejam contêineres extremamente eficientes e capazes de várias funções, têm várias limitações quando comparadas aos arrays NumPy. Não é possível realizar operações vetorizadas que incluem adição e multiplicação elementar.

Eles também exigem que o Python armazene as informações de tipo de cada elemento, pois suporta objetos de diferentes tipos. Isso significa que um código de despacho de tipo deve ser executado toda vez que uma operação em um elemento é feita. Além disso, cada iteração teria que passar por verificações de tipo e exigir a contabilidade da API Python, resultando em muito poucas operações sendo realizadas por loops C.

Pergunta 7: Liste as etapas para criar uma matriz 1D e uma matriz 2D

Um array unidimensional é criado da seguinte forma:

num=[1,2,3]

num = np.array(num)

print("1d array: ",num)

Um array bidimensional é criado da seguinte forma:

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

num2 = np.array(num2)

print("\n2d array: ",num2)

Confira: Perguntas da entrevista sobre ciência de dados

Pergunta 8: Como você cria uma matriz 3D?

Uma matriz tridimensional é criada da seguinte forma:

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

num3 = np.array(num3)

print("\n3d array: ",num3)

Pergunta 9: Quais são as etapas para usar a forma para uma matriz 1D, matriz 2D e matriz 3D/ND, respectivamente?

Matriz 1D:

num=[1,2,3] se não for adicionado

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

Matriz 2D:

num2=[[1,2,3],[4,5,6]] se não for adicionado

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

Matriz 3D ou ND:

num3=[[[1,2,3],[4,5,6],[7,8,9]]] se não for adicionado

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

Pergunta 10: Como você pode identificar o tipo de dados de um determinado array NumPy?

Use a seguinte sequência de códigos para identificar o tipo de dados de uma matriz NumPy.

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

print('\n tipo de dados num 2 ',num2.dtype)

print('\n tipo de dados num 3 ',num3.dtype)

Pergunta 11. Qual é o procedimento para contar o número de vezes que um determinado valor aparece em um array de inteiros?

Você pode contar o número de vezes que um determinado valor aparece usando a função bincount(). Deve-se notar que a função bincount() aceita inteiros positivos ou expressões booleanas como seu argumento. Números inteiros negativos não podem ser usados.

Use NumPy.bincount(). A matriz resultante é

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

>>> NumPy.bincount(arr)

Pergunta 12. Como você verifica se há um array vazio (elemento zero)?

Se a variável for um array, você pode verificar se há um array vazio usando o atributo size. No entanto, é possível que a variável seja uma lista ou um tipo de sequência, nesse caso, você pode usar len().

A maneira preferível de verificar um elemento zero é o atributo size. Isto é porque:

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

>>> a.tamanho

0

enquanto

>>> len(a)

1

Pergunta 13: Qual é o procedimento para encontrar os índices de um array no NumPy onde alguma condição é verdadeira?

Você pode usar a função numpy.nonzero() para encontrar os índices ou um array. Você também pode usar o método diferente de zero() para fazer isso.

No programa a seguir, pegaremos um array a, onde a condição é a > 3. Ele retorna um array booleano. Sabemos que False em Python e NumPy é denotado como 0. Portanto, np.nonzero(a > 3) retornará os índices do array a onde a condição for True.

>>> importar numpy como np

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

>>> a > 3

array([[Falso, Falso, Falso],

[Verdadeiro, Verdadeiro, Verdadeiro],

[Verdadeiro, Verdadeiro, Verdadeiro]], dtype=bool)

>>> np.nonzero(a > 3)

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

Você também pode chamar o método diferente de zero() do array booleano.

>>> (a > 3).diferente de zero()

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

Leia: Dataframe no Apache PySpark: Tutorial abrangente

Pergunta 14: Abaixo está o array NumPy de entrada. Exclua a coluna dois e substitua-a pela nova coluna fornecida abaixo.

importar NumPy

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

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

Saída esperada :

Imprimindo matriz original

[[34 43 73]

[82 22 12]

[53 94 66]]

Matriz após excluir a coluna 2 no eixo 1

[[34 73]

[82 12]

[53 66]]

Array após inserir a coluna 2 no eixo 1

[[34 10 73]

[82 10 12]

[53 10 66]]

Solução :

importar NumPy

print("Imprimindo array original")

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

imprimir (amostraArray)

print("Array após excluir a coluna 2 no eixo 1")

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

imprimir (amostraArray)

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

print("Array após inserir coluna 2 no eixo 1")

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

imprimir (amostraArray)

Solução :

importar NumPy

print("Imprimindo array original")

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

imprimir (amostraArray)

print("Array após excluir a coluna 2 no eixo 1")

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

imprimir (amostraArray)

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

print("Array após inserir coluna 2 no eixo 1")

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

imprimir (amostraArray)

Conclusão

Esperamos que o acima mencionado As perguntas da entrevista do NumPy ajudarão você a se preparar para as próximas sessões de entrevista. Se você está procurando por cursos que possam ajudá-lo a dominar a linguagem Python , o upGrad pode ser a melhor plataforma.

Se você está curioso para aprender sobre ciência de dados, confira os Programas Online de Ciência de Dados do IIIT-B & upGrad, que é criado para profissionais que trabalham e oferece mais de 10 estudos de caso e projetos, workshops práticos práticos, orientação com especialistas do setor, 1-on -1 com mentores do setor, mais de 400 horas de aprendizado e assistência de trabalho com as principais empresas.

Esperamos que isso ajude. Boa sorte para sua entrevista!

Prepare-se para uma carreira do futuro

Inscreva-se agora para o Programa PG Executivo em Ciência de Dados