Наиболее часто задаваемые вопросы и ответы на собеседовании по NumPy [для первокурсников]

Если вы хотите сделать блестящую карьеру в технологической сфере, вы уже знаете, что квалификация в NumPy является одним из самых востребованных навыков. В конце концов, NumPy построен на стандартах де-факто вычислительных массивов.

Итак, вот список некоторых часто задаваемых вопросов и ответов на интервью NumPy, которые вы, возможно, захотите найти, прежде чем появиться на следующем собеседовании.

15 лучших вопросов и ответов на собеседовании по NumPy

Вопрос 1: Что такое NumPy?

NumPy — это универсальный пакет общего назначения с открытым исходным кодом, используемый для обработки массивов. Это меньше, чем числовой Python. Он известен своей высокой производительностью с мощными объектами N-мерного массива и загруженными инструментами для работы с массивами. Пакет является расширением Python и используется для выполнения научных вычислений и других функций вещания.

NumPy прост в использовании, хорошо оптимизирован и очень гибок.

Вопрос 2: Каково использование NumPy?

Числовая библиотека с открытым исходным кодом на Python поддерживает многомерные массивы и содержит матричные структуры данных. Различные типы математических операций могут выполняться с массивами с помощью NumPy. Это включает в себя тригонометрические операции, а также статистические и алгебраические вычисления. Numeric и Numarray являются расширениями NumPy.

Вопрос 3: Почему NumPy предпочтительнее других инструментов программирования, таких как Idl, Matlab, Octave или Yorick?

NumPy — это высокопроизводительная библиотека на языке программирования Python, позволяющая выполнять научные вычисления. Его предпочтительнее Idl, Matlab, Octave или Yorick, потому что он бесплатный и с открытым исходным кодом. Кроме того, поскольку он использует Python, который является языком программирования общего назначения, он выигрывает у универсального языка программирования, когда дело доходит до подключения интерпретатора Python к коду C/C++ и Fortran.

NumPy поддерживает многомерные массивы и матрицы и помогает выполнять над ними сложные математические операции.

Вопрос 4: Каковы различные функции NumPy?

Как мощный пакет с открытым исходным кодом, используемый для обработки массивов, NumPy имеет различные полезные функции. Они есть:

1. Содержит объект N-мерного массива
2. Это взаимопереносимо; совместимость со многими аппаратными и вычислительными платформами
3. Очень хорошо работает с библиотеками массивов; разреженный, распределенный или GPU
4. Возможность выполнения сложных (вещательных) функций
5. Инструменты, обеспечивающие интеграцию с кодом C или C++ и Fortran.
6. Способность выполнять высокоуровневые математические функции, такие как статистика, преобразование Фурье, сортировка, поиск, линейная алгебра и т. д.
7. Он также может вести себя как многомерный контейнер для общих данных.
8. Поддерживает научные и финансовые расчеты

Вопрос 5: Как установить NumPy в Windows?

Чтобы установить NumPy в Windows, вы должны сначала загрузить и установить Python на свой компьютер.

Следуйте инструкциям ниже, чтобы установить Python:

Шаг 1. Посетите официальную страницу Python и загрузите исполняемые двоичные файлы Python и Python на Windows 10/8/7.

Шаг 2: Откройте исполняемый установщик Python и нажмите «Выполнить».

Шаг 3: Установите pip в вашей системе Windows

Используя pip, вы можете установить NumPy в Python. Ниже приведен процесс установки NumPy:

Шаг 1: Запустите терминал

Шаг 2: Введите пункт

Шаг 3: установите NumPy

Вопрос 6. Перечислите преимущества массивов NumPy перед (вложенными) списками Python?

Списки Python, хотя и чрезвычайно эффективные контейнеры, способные выполнять ряд функций, имеют несколько ограничений по сравнению с массивами NumPy. Невозможно выполнять векторизованные операции, в том числе поэлементное сложение и умножение.

Они также требуют, чтобы Python хранил информацию о типе каждого элемента, поскольку они поддерживают объекты разных типов. Это означает, что код диспетчеризации типов должен выполняться каждый раз, когда выполняется операция над элементом. Кроме того, каждая итерация должна будет проходить проверку типов и требовать учета Python API, что приводит к очень небольшому количеству операций, выполняемых циклами C.

Вопрос 7. Перечислите шаги для создания одномерного массива и двумерного массива.

Одномерный массив создается следующим образом:

число=[1,2,3]

число = np.массив (число)

print("массив 1d: ",число)

Двумерный массив создается следующим образом:

число2=[[1,2,3],[4,5,6]]

число2 = np.массив (число2)

print("\n2d массив: ",num2)

Проверьте: вопросы интервью по науке о данных

Вопрос 8: Как создать трехмерный массив?

Трехмерный массив создается следующим образом:

число3=[[[1,2,3],[4,5,6],[7,8,9]]]

число3 = np.массив (число3)

print("\n3d массив: ",num3)

Вопрос 9: Каковы шаги для использования формы для массива 1D, массива 2D и массива 3D/ND соответственно?

1D-массив:

num=[1,2,3], если не добавлено

print('\nshpae из 1d',num.shape)

2D-массив:

num2=[[1,2,3],[4,5,6]], если не добавлено

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

3D или массив нейтральной плотности:

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

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

Вопрос 10: Как определить тип данных данного массива NumPy?

Используйте следующую последовательность кодов, чтобы определить тип данных массива NumPy.

print('\n тип данных num 1 ',num.dtype)

print('\n тип данных num 2 ',num2.dtype)

print('\n тип данных num 3 ',num3.dtype)

Вопрос 11. Какова процедура подсчета количества раз, которое заданное значение встречается в массиве целых чисел?

Вы можете подсчитать, сколько раз данное значение появляется, используя функцию bincount(). Следует отметить, что функция bincount() принимает в качестве аргумента положительные целые числа или логические выражения. Нельзя использовать отрицательные целые числа.

Используйте NumPy.bincount(). Результирующий массив

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

>>> NumPy.bincount(обр)

Вопрос 12. Как проверить наличие пустого (нулевого элемента) массива?

Если переменная является массивом, вы можете проверить наличие пустого массива с помощью атрибута размера. Однако возможно, что переменная представляет собой список или тип последовательности, в этом случае вы можете использовать len().

Предпочтительным способом проверки нулевого элемента является атрибут size. Это потому что:

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

>>> а.размер

0

в то время как

>>> Лен(а)

1

Вопрос 13: Какова процедура поиска индексов массива в NumPy, где выполняется какое-то условие?

Вы можете использовать функцию numpy.nonzero() для поиска индексов или массива. Вы также можете использовать для этого метод nonzero().

В следующей программе мы возьмем массив a, где условие a > 3. Он возвращает логический массив. Мы знаем, что False на Python и NumPy обозначается как 0. Следовательно, np.nonzero(a > 3) вернет индексы массива a, где условие истинно.

>>> импортировать numpy как np

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

>>> а > 3

массив([[Ложь, Ложь, Ложь],

[Правда, правда, правда],

[Истина, Истина, Истина]], dtype=bool)

>>> np.nonzero (а > 3)

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

Вы также можете вызвать метод nonzero() логического массива.

>>> (а > 3).ненулевое()

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

Читать: Dataframe в Apache PySpark: подробное руководство

Вопрос 14. Ниже показан входной массив NumPy. Удалите второй столбец и замените его новым столбцом, указанным ниже.

импортировать NumPy

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

новый столбец = NumPy.массив([[10,10,10]])

Ожидаемый результат :

Печать исходного массива

[[34 43 73]

[82 22 12]

[53 94 66]]

Массив после удаления столбца 2 на оси 1

[[34 73]

[82 12]

[53 66]]

Массив после вставки столбца 2 на ось 1

[[34 10 73]

[82 10 12]

[53 10 66]]

Решение :

импортировать NumPy

print("Печать исходного массива")

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

печать (sampleArray)

print("Массив после удаления столбца 2 на оси 1")

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

печать (sampleArray)

обр = NumPy.массив([[10,10,10]])

print("Массив после вставки столбца 2 на ось 1")

sampleArray = NumPy.insert(sampleArray, 1, обр, ось = 1)

печать (sampleArray)

Решение :

импортировать NumPy

print("Печать исходного массива")

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

печать (sampleArray)

print("Массив после удаления столбца 2 на оси 1")

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

печать (sampleArray)

обр = NumPy.массив([[10,10,10]])

print("Массив после вставки столбца 2 на ось 1")

sampleArray = NumPy.insert(sampleArray, 1, обр, ось = 1)

печать (sampleArray)

Заключение

Мы надеемся, что вышеупомянутое Вопросы для собеседования NumPy помогут вам подготовиться к предстоящим собеседованиям. Если вы ищете курсы, которые помогут вам освоить язык Python , upGrad может стать лучшей платформой.

Если вам интересно узнать о науке о данных, ознакомьтесь с онлайн-программами IIIT-B и upGrad по науке о данных, которые созданы для работающих профессионалов и предлагают более 10 тематических исследований и проектов, практические семинары, наставничество с отраслевыми экспертами, 1-на -1 с отраслевыми наставниками, более 400 часов обучения и помощи в трудоустройстве в ведущих фирмах.

Мы надеемся, что это поможет. Удачи на собеседовании!

Подготовьтесь к карьере будущего

Подать заявку на участие в программе Executive PG в области науки о данных