NumPy är ett oumbärligt verktyg för alla som arbetar med data. Det är ett kraftfullt bibliotek för datahantering och en grundläggande färdighet för dataforskare, analytiker och ingenjörer.
Om du är intresserad av att lära dig denna eftertraktade kunskap, fortsätt läsa. Den här artikeln ger en översikt över vad NumPy är, varför det är viktigt och var du kan hitta de bästa resurserna för att lära dig det.
Vad är NumPy?
NumPy, som står för Numerical Python, är ett bibliotek som skapades av Travis Oliphant år 2005. Det används primärt för dataanalys.
Kärnan i NumPy är arrayen, vilket i grunden är en lista med dataelement. Denna typ av array kan användas för att representera vektorer. Den liknar Pythons inbyggda listtyp, men det finns en viktig skillnad.
Till skillnad från Python-listor lagras data i NumPy-arrayer i sammanhängande minnesutrymmen, vilket innebär att elementen lagras direkt intill varandra i minnet. Detta möjliggör snabbare åtkomst till värdena. Faktum är att NumPy-arrayer kan vara upp till 50 gånger snabbare än Python-listor vid vanliga operationer.
Precis som Python-listor kan NumPy-arrayer innehålla andra arrayer som element. Detta gör det möjligt att skapa komplexa matematiska strukturer som matriser och högre ordnings matriser. Arrayer erbjuder praktiska metoder för vanliga statistiska beräkningar, som att beräkna medelvärde, median och standardavvikelse. De kan också modifieras genom att delas, sammanfogas, omformas och ändras.
Förutsättningar för att använda NumPy
- En Python-installation
- Pip för pakethantering
- En IDE, som VSCode eller en notebook-baserad IDE som Jupyter
- Grundläggande kunskaper i Python
Läs även: Introduktion till Jupyter Notebook för nybörjare
Användningsområden
- NumPy används flitigt inom datavetenskap tack vare dess snabbare arrayer jämfört med Pythons inbyggda listor.
- Det kan lösa linjära algebraproblem med hjälp av inbyggda funktioner.
- Det är en viktig komponent inom maskininlärning på grund av dess effektiva vektor- och matrisberäkningar.
- Det kan generera slumpmässiga data med hjälp av dess statistiska funktioner.
Kurser för att lära dig NumPy
Nedan följer ett urval av de bästa resurserna för att lära sig NumPy och datavetenskap. De flesta av dessa resurser förutsätter grundläggande Pythonkunskaper. Om du ännu inte har lärt dig Python, finns det bra resurser för att lära dig det också.
Förutsättningar för djupinlärning: NumPy-paketet i Python
Den här Udemy-kursen ger en grundlig introduktion till hur du förbereder dig för djupinlärning med Python. Kursen lär dig att använda NumPy för vektor- och matrisberäkningar.
Den behandlar också Pandas (ett bibliotek för att hantera dataset), Matplotlib (ett visualiseringsverktyg) och Scipy (ett bibliotek för statistiska beräkningar).
Kursen innehåller sex timmars videoinnehåll on-demand och ger livstids tillgång efter köp. Ett certifikat ingår också. För att få ut mesta möjliga av kursen bör du vara bekant med linjär algebra och Python-programmering.
Dataanalys med Python: NumPy & Pandas Masterclass
Denna omfattande kurs fokuserar på dataanalys med Pandas och NumPy. Kursmaterialet består av 216 föreläsningar, 3 artiklar och 2 nedladdningsbara resurser, vilket ger över tretton timmars innehåll totalt.
Kursen börjar med en introduktion till NumPy och konceptet med arrayer, som är det centrala objektet i NumPy. Därefter lär du dig att använda Pandas, ett mycket populärt bibliotek för datahantering. Slutligen introduceras datavisualisering med Matplotlib.
En unik aspekt av kursen är att den använder rollspel för att göra inlärningen mer praktisk. Du kommer att inta rollen som dataanalytiker på ett stort multinationellt företag och analysera data från deras olika verksamheter. Som väntat krävs grundläggande Pythonkunskaper innan du påbörjar kursen.
Python med NumPy för absolut nybörjare
Den här kursen är mycket nybörjarvänlig. Även om det förväntas att du har viss Python-kunskap, introducerar kursen NumPy från grunden.
Den börjar med att introducera NumPy-arrayer och förklarar hur de skiljer sig från Python-listor. Den betonar även hur de är snabbare och mer lämpade för datavetenskap, teknik och analys.
Kursen tar upp alla möjliga operationer du kan göra med arrayer, som att skapa, komma åt element med index, dela, sammanfoga, forma och omforma dem.
Kursen består av två timmars videomaterial och är helt fokuserad på NumPy. Du kan slutföra kursen och få ett certifikat på en vecka.
Introduktion till NumPy
Denna DataCamp-kurs är lämplig för nybörjare inom NumPy. Kursen är cirka 4 timmar lång och består av 13 pedagogiska videor och 49 övningar som hjälper dig att befästa de begrepp du lärt dig.
Kursen ingår i Data Scientist-spåret. Genom att genomföra andra kurser i samma spår kan du få ett DataCamp Data Scientist-certifikat.
Kursen introducerar arrayer och förklarar fördelarna med att använda dem jämfört med listor i Python. Du får även lära dig sändnings- och vektoriseringstekniker för att göra din kod snabbare och mer effektiv. Du kommer att öva arrayoperationer med Monet-datauppsättningen.
Simplilearn NumPy Tutorial
Denna kostnadsfria handledning från Simplilearn täcker grunderna i NumPy. Den är kortfattad och går rakt på sak. Artikeln innehåller endast minimala förklaringar och är idealisk som referens eller om du redan vet vad NumPy är och vad de olika funktionerna gör.
Artikeln innehåller kodavsnitt som illustrerar användningen av olika funktioner med exempel. Den är perfekt om du har ont om tid och vill lära dig NumPy på kort tid. Eftersom det är en artikel saknas möjligheter till praktisk övning och datauppsättningar att använda.
Du måste skapa en övningsmiljö själv och hitta datauppsättningar att öva på. Kaggle är en bra plattform för att hitta datauppsättningar och skapa anteckningsböcker för att utöva datavetenskap.
W3Schools
Denna handledning från W3Schools är en populär resurs. Den är kostnadsfri och omfattande och täcker alla grunder i NumPy, samt mer avancerade ämnen som att generera slumpmässiga statistiska fördelningar och använda universella funktioner för att implementera vektorisering.
Handledningen består av 43 webbsidor med korta och relevanta förklaringar och kodavsnitt som illustrerar med exempel. W3Schools erbjuder också en editor för att skriva dina NumPy-frågor och ett quiz där du kan testa dina kunskaper.
Dessa extra funktioner är valfria men kan förbättra din inlärningsupplevelse. Genom att registrera dig för NumPy-kursen mot en avgift kan du få ett certifikat som du kan lägga till i ditt CV.
Scaler Kurs
Denna kurs från Scaler är välstrukturerad. Den består av sex moduler som täcker en introduktion till NumPy, flerdimensionella arrayer, datastrukturer, funktioner, broadcasting och andra diverse koncept.
Totalt finns det 32 lektioner med 5 timmar och 33 minuters videoinnehåll. Det finns också 26 övningsuppgifter för att befästa dina kunskaper. Efter avslutad kurs får du ett certifikat.
Som väntat måste du ha grundläggande kunskaper i Python innan du börjar kursen och ha en IDE med Python och NumPy installerat på din maskin.
Guide till NumPy av Travis Oliphant
Den här boken är skriven av skaparen av NumPy, Travis Oliphant. Den är avsedd som referens för de som redan har kunskaper i Python och vill fördjupa sig i NumPy och andra verktyg.
I boken förklarar Travis Oliphant inte bara hur man använder NumPy, utan också hur man utökar det med hjälp av API:et. Det är förmodligen den mest djupgående och detaljerade resursen för NumPy.
Den här boken är troligen mest lämplig för avancerade NumPy-användare som vill ha en djupare förståelse för hur NumPy fungerar och en detaljerad guide för att kunna bidra till och utöka biblioteket.
Numpy nybörjarguide av Ivan Idris
Den här boken om NumPy är avsedd att vara nybörjarvänlig. Den riktar sig till forskare, ingenjörer, programmerare och analytiker som redan är bekanta med Python men som vill utöka sina kunskaper med NumPy.
Boken täcker installation av NumPy, Matplotlib, Scipy och IPython på din lokala maskin. Den fortsätter sedan med att förklara arrayer och olika arrayfunktioner. Därefter kommer du att använda biblioteket för att utföra matrisoperationer och testa din kod med NumPy.testing. Sammantaget är den här boken en omfattande guide till NumPy.
NumPy: Från Grundläggande till Avancerad av Karan Singh Bisht
Titeln ”NumPy från Grundläggande till Avancerad” sammanfattar bokens innehåll. Den här boken är en smidig övergång från att inte veta något om biblioteket till att förstå och använda avancerade funktioner.
Boken täcker grunder som vad en array är och går sedan vidare till mer avancerade ämnen som CPU-cache-effekter och livscykeln för Ndarray. Syftet är att ge dig en solid grund för ytterligare maskininlärningsarbete med NumPy-biblioteket.
FreeCodeCamp YouTube Tutorial
FreeCodeCamp har blivit en populär källa för högkvalitativa handledningar för kodning och mjukvaruutveckling. I deras handledningskatalog finns den här omfattande NumPy-handledningen. Som alla deras handledningar är den tillgänglig gratis.
Handledningen är ungefär en timme lång och täcker grunderna i NumPy. Det är en introduktion som inte är överväldigande för nybörjare. Som du kan förvänta dig krävs Python-kunskaper innan du tittar på videon.
Slutord
NumPy är otroligt användbart och mångsidigt. Det är ett viktigt verktyg för de flesta som arbetar inom datavetenskap och teknik. Den här artikeln har gett en översikt över NumPy och dess nyckelbegrepp.
Artikeln har även listat resurser som kan vara till hjälp i din inlärningsresa. Den korta beskrivningen av varje resurs kan hjälpa dig att göra ett välgrundat val om vilken du ska välja.
Fortsätt gärna med att läsa om de bästa Python-biblioteken för datavetenskap.