最常見的 NumPy 面試問題和答案 [對於應屆生]

如果您希望在技術領域擁有輝煌的職業生涯，那麼您已經知道 NumPy 的資格是目前最搶手的技能之一。 畢竟，NumPy 是建立在計算陣列的事實標準之上的。

因此，這裡列出了一些常見的 NumPy 面試問題和答案，您可能希望在下次面試前查看這些問題和答案。

前 15 個 NumPy 面試問題和答案

問題 1：什麼是 NumPy？

NumPy 是一個開源的、通用的、用於數組處理的包。 它缺少數字 Python。 它以其強大的 N 維數組對象和加載的用於處理數組的工具的高端性能而聞名。 該包是 Python 的擴展，用於執行科學計算和其他廣播功能。

NumPy 易於使用、優化良好且高度靈活。

問題 2：NumPy 的用途是什麼？

Python 上的開源數值庫支持多維數組並包含矩陣數據結構。 可以使用 NumPy 對數組執行不同類型的數學運算。 這包括三角運算以及統計和代數計算。 Numeric 和 Numarray 是 NumPy 的擴展。

問題 3：為什麼 NumPy 優於 Idl、Matlab、Octave 或 Yorick 等其他編程工具？

NumPy 是 Python 編程語言中的一個高性能庫，允許進行科學計算。 它比 Idl、Matlab、Octave 或 Yorick 更受歡迎，因為它是開源和免費的。 此外，由於它使用的是通用編程語言 Python，因此在將 Python 的解釋器連接到 C/C++ 和 Fortran 代碼時，它的得分高於通用編程語言。

NumPy 支持多維數組和矩陣，並有助於對它們執行複雜的數學運算。

問題 4：NumPy 的各種特性是什麼？

作為用於數組處理的強大開源包，NumPy 具有各種有用的功能。 他們是：

1. 包含一個 N 維數組對象
2. 它是互耐受的； 兼容許多硬件和計算平台
3. 與數組庫配合得非常好； 稀疏、分佈式或 GPU
4. 執行複雜（廣播）功能的能力
5. 支持與 C 或 C++ 和 Fortran 代碼集成的工具
6. 能夠執行高級數學函數，如統計、傅里葉變換、排序、搜索、線性代數等
7. 它還可以作為通用數據的多維容器
8. 支持科學和財務計算

問題 5：如何在 Windows 上安裝 NumPy？

要在 Windows 上安裝 NumPy，您必須首先在您的計算機上下載並安裝 Python。

請按照以下步驟安裝 Python：

第 1 步：訪問 Python 的官方頁面並在您的 Windows 10/8/7 上下載 Python 和 Python 可執行二進製文件

第 2 步：打開 Python 可執行安裝程序並按運行

第 3 步：在 Windows 系統上安裝 pip

使用 pip，您可以在 Python 中安裝 NumPy。 下面是 NumPy 的安裝過程：

第一步：啟動終端

第 2 步：鍵入 pip

第 3 步：安裝 NumPy

問題 6. 列出 NumPy 數組相對於（嵌套）Python 列表的優勢？

Python 的列表，儘管是非常高效的容器，能夠提供許多功能，但與 NumPy 數組相比，它有一些限制。 不可能執行包括元素加法和乘法在內的矢量化操作。

它們還要求 Python 存儲每個元素的類型信息，因為它們支持不同類型的對象。 這意味著每次對元素進行操作時都必須執行類型調度代碼。 此外，每次迭代都必須進行類型檢查並需要 Python API 簿記，導致 C 循環執行的操作很少。

問題 7：列出創建一維數組和二維數組的步驟

一維數組的創建如下：

數字=[1,2,3]

num = np.array(num)

打印（“一維數組：”，num）

創建一個二維數組如下：

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

num2 = np.array(num2)

print("\n2d 數組：",num2)

查看：數據科學面試問題

問題 8：如何創建 3D 陣列？

創建一個三維數組如下：

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

num3 = np.array(num3)

print("\n3d 數組：",num3)

問題9：一維陣列、二維陣列和3D/ND陣列分別使用shape的步驟是什麼？

一維數組：

num=[1,2,3] 如果不加

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

二維數組：

num2=[[1,2,3],[4,5,6]] 如果不加

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

3D 或 ND 陣列：

num3=[[[1,2,3],[4,5,6],[7,8,9]]] 如果不加

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

問題 10：如何識別給定 NumPy 數組的數據類型？

使用以下代碼序列來識別 NumPy 數組的數據類型。

print('\n 數據類型 num 1 ',num.dtype)

print('\n 數據類型 num 2 ',num2.dtype)

print('\n 數據類型 num 3 ',num3.dtype)

問題 11. 計算給定值在整數數組中出現的次數的過程是什麼？

您可以使用 bincount() 函數計算給定值出現的次數。 應該注意的是 bincount() 函數接受正整數或布爾表達式作為其參數。 不能使用負整數。

使用 NumPy.bincount()。 結果數組是

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

>>> NumPy.bincount(arr)

問題 12. 如何檢查空（零元素）數組？

如果變量是一個數組，您可以使用 size 屬性檢查一個空數組。 但是，變量可能是列表或序列類型，在這種情況下，您可以使用 len()。

檢查零元素的首選方法是 size 屬性。 這是因為：

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

>>> a.大小

0

然而

>>> 長度（一）

1

問題 13：在某些條件為真的情況下，在 NumPy 上查找數組索引的過程是什麼？

您可以使用函數 numpy.nonzero() 來查找索引或數組。 您也可以使用 nonzero() 方法來執行此操作。

在下面的程序中，我們將採用一個數組 a，其中條件是 a > 3。它返回一個布爾數組。 我們知道 Python 上的 False 和 NumPy 表示為 0。因此，np.nonzero(a > 3) 將返回條件為 True 的數組 a 的索引。

>>> 將 numpy 導入為 np

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

>>> 一 > 3

數組（[[假，假，假]，

[真，真，真]，

[真，真，真]]，dtype=bool)

>>> np.nonzero(a > 3)

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

您還可以調用布爾數組的 nonzero() 方法。

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

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

閱讀： Apache PySpark 中的數據框：綜合教程

問題 14：下圖是輸入的 NumPy 數組。 刪除第二列並將其替換為下面給出的新列。

導入 NumPy

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

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

預期輸出：

打印原始陣列

[[34 43 73]

[82 22 12]

[53 94 66]]

刪除軸 1 上的第 2 列後的數組

[[34 73]

[82 12]

[53 66]]

在軸 1 上插入第 2 列後的數組

[[34 10 73]

[82 10 12]

[53 10 66]]

解決方案：

導入 NumPy

print(“打印原始數組”)

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

打印（樣本數組）

print(“刪除軸 1 上的第 2 列後的數組”)

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

打印（樣本數組）

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

print(“在軸 1 上插入第 2 列後的數組”)

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

打印（樣本數組）

解決方案：

導入 NumPy

print(“打印原始數組”)

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

打印（樣本數組）

print(“刪除軸 1 上的第 2 列後的數組”)

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

打印（樣本數組）

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

print(“在軸 1 上插入第 2 列後的數組”)

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

打印（樣本數組）

結論

我們希望上述 NumPy 面試問題將幫助你為即將到來的面試做準備。 如果您正在尋找可以幫助您掌握 Python 語言的課程，upGrad可能是最好的平台。

如果您想了解數據科學，請查看 IIIT-B 和 upGrad 的在線數據科學計劃，該計劃專為在職專業人士創建，提供 10 多個案例研究和項目、實用的實踐研討會、行業專家指導、一對一-1 與行業導師，400 多個小時的學習和頂級公司的工作協助。

我們希望這會有所幫助。 祝你面試順利！

為未來的職業做準備

立即申請數據科學執行 PG 計劃