Cele mai frecvente întrebări și răspunsuri la interviu NumPy [Pentru cei care sunt în stare de proaspăt]

Dacă doriți să aveți o carieră glorioasă în sfera tehnologică, știți deja că o calificare în NumPy este una dintre cele mai căutate abilități de acolo. La urma urmei, NumPy este construit pe standardele de facto ale matricelor de calcul.

Așadar, iată câteva întrebări frecvente la interviu NumPy și răspunsuri pe care ați dori să le căutați înainte de a vă prezenta la următorul interviu.

Top 15 întrebări și răspunsuri la interviu NumPy

Întrebarea 1: Ce este NumPy?

NumPy este un pachet open-source, versatil, de uz general, utilizat pentru procesarea matricei. Este scurt de Numerical Python. Este cunoscut pentru performanța sa de vârf cu obiecte puternice de matrice N-dimensionale și instrumentele cu care este încărcat pentru a lucra cu matrice. Pachetul este o extensie a Python și este folosit pentru a efectua calcule științifice și alte funcții de difuzare.

NumPy este ușor de utilizat, bine optimizat și extrem de flexibil.

Întrebarea 2: Care sunt utilizările NumPy?

Biblioteca numerică open-source de pe Python acceptă matrice multidimensionale și conține structuri de date matriceale. Diferite tipuri de operații matematice pot fi efectuate pe tablouri folosind NumPy. Aceasta include operații trigonometrice, precum și calcule statistice și algebrice. Numeric și Numarray sunt extensii ale NumPy.

Întrebarea 3: De ce este preferat NumPy altor instrumente de programare, cum ar fi Idl, Matlab, Octave sau Yorick?

NumPy este o bibliotecă de înaltă performanță în limbajul de programare Python care permite calcule științifice. Este preferat Idl, Matlab, Octave sau Yorick deoarece este open-source și gratuit. De asemenea, deoarece folosește Python, care este un limbaj de programare de uz general, obține scoruri față de un limbaj de programare generic atunci când vine vorba de conectarea interpretului Python la codul C/C++ și Fortran.

NumPy acceptă matrice și matrice multidimensionale și ajută la efectuarea unor operații matematice complexe asupra acestora.

Întrebarea 4: Care sunt diferitele caracteristici ale NumPy?

Fiind un pachet puternic open-source folosit pentru procesarea matricei, NumPy are diverse caracteristici utile. Sunt:

1. Conține un obiect matrice N-dimensional
2. Este interolerabilă; compatibil cu multe platforme hardware și de calcul
3. Funcționează extrem de bine cu bibliotecile de matrice; rar, distribuit sau GPU
4. Abilitatea de a efectua funcții complicate (de difuzare).
5. Instrumente care permit integrarea cu codul C sau C++ și Fortran
6. Abilitatea de a efectua funcții matematice de nivel înalt, cum ar fi statistica, transformata Fourier, sortarea, căutarea, algebra liniară etc.
7. De asemenea, se poate comporta ca un container multidimensional pentru date generice
8. Sprijină calcule științifice și financiare

Întrebarea 5: Cum puteți instala NumPy pe Windows?

Pentru a instala NumPy pe Windows, trebuie mai întâi să descărcați și să instalați Python pe computer.

Urmați pașii de mai jos pentru a instala Python:

Pasul 1: Vizitați pagina oficială a Python și descărcați binarele executabile Python și Python pe Windows 10/8/7

Pasul 2: Deschideți programul de instalare executabil Python și apăsați Run

Pasul 3: Instalați pip pe sistemul dvs. Windows

Folosind pip, puteți instala NumPy în Python. Mai jos este procesul de instalare a NumPy:

Pasul 1: Porniți terminalul

Pasul 2: introduceți pip

Pasul 3: instalați NumPy

Întrebarea 6. Enumerați avantajele pe care le au NumPy Arrays față de listele Python (imbricate)?

Listele lui Python, deși containere extrem de eficiente, capabile de o serie de funcții, au câteva limitări în comparație cu matricele NumPy. Nu este posibil să se efectueze operații vectorizate care includ adunarea și înmulțirea elementelor.

De asemenea, necesită ca Python să stocheze informațiile de tip ale fiecărui element, deoarece acceptă obiecte de diferite tipuri. Aceasta înseamnă că un cod de expediere tip trebuie executat de fiecare dată când se face o operație asupra unui element. De asemenea, fiecare iterație ar trebui să fie supusă verificărilor de tip și să necesite contabilizarea API-ului Python, ceea ce duce la foarte puține operațiuni efectuate de bucle C.

Întrebarea 7: enumerați pașii pentru a crea o matrice 1D și o matrice 2D

O matrice unidimensională este creată după cum urmează:

num=[1,2,3]

num = np.array(num)

print(„matrice 1d: „,num)

O matrice bidimensională este creată după cum urmează:

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

num2 = np.array(num2)

print(„\nmatrice 2d: „,num2)

Consultați: Întrebări de interviu pentru știința datelor

Întrebarea 8: Cum se creează o matrice 3D?

O matrice tridimensională este creată după cum urmează:

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

num3 = np.array(num3)

print(„\nmatrice 3d: „,num3)

Întrebarea 9: Care sunt pașii de utilizare a formei pentru o matrice 1D, matrice 2D și, respectiv, matrice 3D/ND?

Matrice 1D:

num=[1,2,3] dacă nu este adăugat

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

Matrice 2D:

num2=[[1,2,3],[4,5,6]] dacă nu este adăugat

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

Matrice 3D sau ND:

num3=[[[1,2,3],[4,5,6],[7,8,9]]] dacă nu este adăugat

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

Întrebarea 10: Cum puteți identifica tipul de date al unui anumit tablou NumPy?

Utilizați următoarea secvență de coduri pentru a identifica tipul de date al unui tablou NumPy.

print('\n tip de date num 1 ',num.dtype)

print('\n tip de date num 2 ',num2.dtype)

print('\n tip de date num 3 ',num3.dtype)

Întrebarea 11. Care este procedura de numărare de câte ori apare o anumită valoare într-o matrice de numere întregi?

Puteți număra de câte ori apare o anumită valoare folosind funcția bincount(). Trebuie remarcat faptul că funcția bincount() acceptă ca argument numere întregi pozitive sau expresii booleene. Nu se pot folosi numere întregi negative.

Utilizați NumPy.bincount(). Matricea rezultată este

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

>>> NumPy.bincount(arr)

Întrebarea 12. Cum verificați dacă există o matrice goală (zero element)?

Dacă variabila este o matrice, puteți verifica dacă există o matrice goală utilizând atributul size. Cu toate acestea, este posibil ca variabila să fie o listă sau un tip de secvență, în acest caz, puteți utiliza len().

Modul preferat de a verifica dacă există un element zero este atributul size. Asta pentru ca:

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

>>> a.dimensiune

0

întrucât

>>> len(a)

1

Întrebarea 13: Care este procedura pentru a găsi indicii unui tablou pe NumPy unde o anumită condiție este adevărată?

Puteți utiliza funcția numpy.nonzero() pentru a găsi indici sau o matrice. De asemenea, puteți utiliza metoda nonzero() pentru a face acest lucru.

În programul următor, vom lua o matrice a, unde condiția este a > 3. Acesta returnează un tablou boolean. Știm că False pe Python și NumPy este notat cu 0. Prin urmare, np.nonzero(a > 3) va returna indicii tabloului a unde condiția este adevărată.

>>> import numpy ca np

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

>>> a > 3

matrice([[False, False, False],

[Adevărat, Adevărat, Adevărat],

[ Adevărat, Adevărat, Adevărat]], dtype=bool)

>>> np.nonzero(a > 3)

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

De asemenea, puteți apela metoda nonzero() a tabloului boolean.

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

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

Citiți: Dataframe în Apache PySpark: Tutorial cuprinzător

Întrebarea 14: Mai jos este afișată matricea NumPy de intrare. Ștergeți coloana a doua și înlocuiți-o cu noua coloană prezentată mai jos.

import NumPy

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

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

Rezultat așteptat :

Imprimarea matricei originale

[[34 43 73]

[82 22 12]

[53 94 66]]

Matrice după ștergerea coloanei 2 de pe axa 1

[[34 73]

[82 12]

[53 66]]

Matrice după inserarea coloanei 2 pe axa 1

[[34 10 73]

[82 10 12]

[53 10 66]]

Solutie :

import NumPy

print(„Tipărirea matricei originale”)

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

imprimare (sampleArray)

print(„Matrice după ștergerea coloanei 2 de pe axa 1”)

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

imprimare (sampleArray)

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

print(„Matrice după inserarea coloanei 2 pe axa 1”)

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

imprimare (sampleArray)

Solutie :

import NumPy

print(„Tipărirea matricei originale”)

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

imprimare (sampleArray)

print(„Matrice după ștergerea coloanei 2 de pe axa 1”)

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

imprimare (sampleArray)

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

print(„Matrice după inserarea coloanei 2 pe axa 1”)

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

imprimare (sampleArray)

Concluzie

Sperăm cele menționate mai sus Întrebările de interviu NumPy vă vor ajuta să vă pregătiți pentru viitoarele sesiuni de interviu. Dacă sunteți în căutarea unor cursuri care vă pot ajuta să vă familiarizați cu limbajul Python , upGrad poate fi cea mai bună platformă.

Dacă sunteți curios să aflați despre știința datelor, consultați programele online de știință a datelor de la IIIT-B și upGrad, care sunt create pentru profesioniști care lucrează și oferă peste 10 studii de caz și proiecte, ateliere practice practice, mentorat cu experți din industrie, -1 cu mentori din industrie, peste 400 de ore de învățare și asistență la locul de muncă cu firme de top.

Sperăm că acest lucru vă ajută. Mult succes pentru interviul tau!

Pregătiți-vă pentru o carieră a viitorului

Aplicați acum pentru programul Executive PG în știința datelor