NumPy ist der Schlüssel im Werkzeugkasten eines jeden Datenwissenschaftlers. Es ist eine unglaublich nützliche Bibliothek für die Arbeit mit Daten und eine unverzichtbare Fähigkeit für alle Datenwissenschaftler, Analysten und Ingenieure.
Wenn Sie diese gefragte Fähigkeit erlernen möchten, lesen Sie weiter. Dieser Artikel erklärt, was NumPy ist, warum es wichtig ist und welche Ressourcen Sie am besten lernen können.
Inhaltsverzeichnis
Was ist NumPy?
NumPy steht für Numerical Python. Es ist eine Bibliothek, die 2005 von Travis Oliphant erstellt wurde und zur Datenanalyse verwendet wird.
Das Herzstück von NumPy ist das Array. Ein Array ist einfach eine Liste von Datenwerten. Dieses Array kann verwendet werden, um Vektoren darzustellen. Es ist dem in Python integrierten Listentyp sehr ähnlich, hat aber einen wesentlichen Unterschied.
Im Gegensatz zu Python-Listen werden Daten in NumPy im zusammenhängenden Speicher gespeichert. Das heißt, die Werte werden nebeneinander im Speicher abgelegt. Dadurch wird der Zugriff auf die Werte schneller; NumPy-Arrays sind für allgemeine Operationen bis zu 50-mal schneller als Python-Listen.
Wie Python-Listen können Arrays andere Arrays als Elemente speichern. Dadurch können Sie komplexere mathematische Konstrukte wie Matrizen und Arrays höherer Ordnung erstellen. Arrays verfügen über hilfreiche Methoden für gängige statistische Operationen wie die Berechnung von Mittelwert, Median und Standardabweichung. Sie können sie ändern, indem Sie sie teilen, verbinden, formen und umformen.
Anforderungen für die Verwendung von Numpy
- Eine Python-Installation
- Pip-Installation
- Eine IDE wie VSCode oder idealerweise eine Notebook-basierte IDE wie Jupyter
- Python-Kenntnisse
Lesen Sie auch: Jupyter Notebook-Einführung für Anfänger
Anwendungsfälle
- Numpy wird aufgrund seiner schnelleren Arrays anstelle der integrierten Python-Listen für Data-Science-Aufgaben verwendet.
- Es kann verwendet werden, um Probleme der linearen Algebra mit seinen integrierten Funktionen zu lösen.
- Es wird beim maschinellen Lernen wegen seiner schnellen Berechnung von Vektoren und Matrizen verwendet.
- Es wird verwendet, um Zufallsdatensätze mit seinen statistischen Zufallsfunktionen zu generieren.
Kurse zum Erlernen von NumPy
Nachfolgend finden Sie einige der besten Ressourcen zum Erlernen von NumPy und Data Science. Die meisten dieser Ressourcen setzen eine gewisse Vertrautheit mit Python voraus. Wenn Sie Python noch nicht gelernt haben, finden Sie hier unsere Liste der besten Ressourcen zum Erlernen von Python.
Voraussetzungen für Deep Learning: Der Numpy-Stack in Python
Dieser Udemy-Kurs bietet eine sanfte Anleitung, um dich auf Deep Learning mit Python vorzubereiten. Der Kurs lehrt Sie, wie Sie Numpy für Vektor- und Matrizenberechnungen verwenden.
Darüber hinaus behandelt es Pandas, eine Bibliothek für den Umgang mit Datensätzen in Python: Matplotlib (ein Datenvisualisierungstool) und Scipy (eine Bibliothek zur Berechnung von Statistiken in Python).
Der Kurs enthält sechs Stunden On-Demand-Video, und sobald Sie es kaufen, erhalten Sie lebenslangen kostenlosen Zugriff darauf. Es beinhaltet eine Zertifizierung. Bevor Sie an diesem Kurs teilnehmen, sollten Sie mit linearer Algebra und der Programmierung in Python vertraut und vertraut sein.
Datenanalyse mit Python: NumPy & Pandas Masterclass
In diesem umfassenden Kurs lernen Sie, wie Sie Daten mit Pandas und NumPy analysieren. Die Methode umfasst 216 Vorträge, 3 Artikel und 2 herunterladbare Ressourcen. Das gibt Ihnen insgesamt mehr als dreizehn Stunden Inhalt.
Es beginnt mit einer Einführung in NumPy und das Konzept eines Arrays, das das zentrale Objekt in NumPy ist. Anschließend lernen Sie im Kurs die Verwendung von Pandas, einer beliebten und nützlichen Bibliothek für die Arbeit mit Datensätzen. Schließlich lernen Sie die Datenvisualisierung mit der Matplotlib-Bibliothek kennen.
Was diesen Kurs von den meisten anderen unterscheidet, ist, dass er den Unterricht praktischer macht, indem er Sie durch Rollenspiele unterrichtet. Sie übernehmen die Rolle des Datenanalysten bei einem großen multinationalen Einzelhandelsunternehmen und analysieren die Daten, die aus den verschiedenen Betrieben gesammelt wurden. Wie erwartet setzt der Kurs eine gewisse Vertrautheit mit Python voraus, bevor Sie mit dem Kurs beginnen.
Python mit NumPy für absolute Anfänger
Dieser Kurs ist einer der anfängerfreundlichsten Kurse auf NumPy. Obwohl Python-Kenntnisse vorausgesetzt werden, führt der Kurs von Anfang an in NumPy ein.
Es beginnt mit einer Einführung in NumPy-Arrays. Es erklärt, wie sie sich von Python-Listen unterscheiden und wie sie schneller und besser für Data Science, Engineering und Analyse geeignet sind.
Darüber hinaus lernen Sie all die verschiedenen Dinge kennen, die Sie mit diesen Arrays machen können. Dazu gehören unter anderem das Erstellen von Arrays, der Zugriff auf sie mithilfe von Indizes, das Aufteilen und Verbinden von ihnen sowie das Formen und Umformen von ihnen.
Dieser Kurs hat zwei Stunden Videoinhalte und konzentriert sich nur auf Numpy. Sie können dies abschließen und sich in einer Woche zertifizieren lassen.
Einführung in NumPy
Dieser Kurs von DataCamp ist für NumPy-Anfänger geeignet. Der Kurs dauert etwa 4 Stunden und umfasst 13 gut gemachte Videos und 49 Übungen, die Ihnen helfen, die erlernten Konzepte zu festigen.
Es ist Teil des Data Scientist-Tracks. Wenn Sie also andere Kurse im selben Track absolvieren, erhalten Sie Ihre DataCamp Data Scientist-Zertifizierung.
Inhaltlich werden Arrays eingeführt und die Vorteile ihrer Verwendung gegenüber Listen in Python erläutert. Als Nächstes lernen Sie Übertragungs- und Vektorisierungstechniken kennen, um Ihren Code schneller und effizienter zu machen. Sie üben Array-Operationen am Monet-Datensatz.
Vereinfachen Sie das NumPy-Tutorial
Dieses kostenlose Tutorial von Simplilearn behandelt die Grundlagen von Numpy. Es ist kurz und kommt direkt auf den Punkt. Der Artikel hat minimale Erklärungen und ist ideal, wenn Sie ihn als Referenz verwenden oder wenn Sie bereits wissen, was Numpy ist und was die verschiedenen Funktionen tun.
Der Artikel enthält außerdem Codeschnipsel, um die Verwendung verschiedener Funktionen anhand von Beispielen zu veranschaulichen. Es ist ideal, wenn Sie es eilig haben und Numpy in zehn Minuten lernen möchten. Da es sich um einen Artikel handelt, hat es keinen Platz zum Üben oder zum Verwenden von Datensätzen.
Sie müssten selbst eine Übungsumgebung einrichten und Datensätze zum Üben finden. Kaggle ist ein guter Ort, um nach Datensätzen zu suchen und Notizbücher zu erstellen, um Data Science zu praktizieren.
W3Schulen
Dieses Tutorial von W3Schools ist mein persönlicher Favorit. Es ist kostenlos und umfassend und deckt alle Grundlagen von NumPy und fortgeschrittenere Themen wie das Generieren zufälliger statistischer Verteilungen und die Verwendung universeller Funktionen zur Implementierung der Vektorisierung ab.
Insgesamt besteht das Tutorial aus 43 Webseiten mit prägnanten, aber angemessenen Erklärungen und Codeschnipseln, die mit Beispielen illustriert werden. Darüber hinaus enthält w3schools einen Editor zum Schreiben Ihrer Numpy-Abfragen und ein Quiz, bei dem Sie Ihr Wissen testen können.
All dies ist optional, würde aber Ihre Lernerfahrung unterstützen. Wenn Sie sich gegen eine Gebühr für den Numpy-Kurs anmelden, können Sie eine Zertifizierung erwerben, die Sie Ihrem Lebenslauf hinzufügen können.
Scaler-Kurs
Dieser Scaler-Kurs ist gut zusammengestellt. Es besteht aus sechs Modulen, die eine Einführung in NumPy, mehrdimensionale Arrays, Datenstrukturen, Funktionen, Broadcasting und andere verschiedene Konzepte abdecken.
Insgesamt umfasst es 32 Lektionen mit 5 Stunden und 33 Minuten Videoinhalt. Es gibt 26 Herausforderungen, die Ihnen helfen, das Gelernte anzuwenden und die Konzepte in Ihrem Kopf zu festigen. Nach Abschluss des Kurses erhalten Sie ein Zertifikat.
Wie erwartet, müssen Sie die Programmiersprache Python beherrschen, bevor Sie mit dem Kurs beginnen. Die zweite Voraussetzung ist eine IDE mit Python und Numpy, die auf Ihrem Computer installiert ist.
Leitfaden für Numpy von Travis Oliphant
Dieses Buch wurde vom Schöpfer von Numpy geschrieben und soll eine Referenz für diejenigen sein, die Python bereits kennen, aber mehr über Numpy und andere Tools erfahren möchten.
In diesem Buch behandelt Travis Oliphant nicht nur die Verwendung von Numpy, sondern auch die Erweiterung mit der API. Dies ist wahrscheinlich die ausführlichste und detaillierteste Ressource zu Numpy.
Es ist wahrscheinlich ideal für Power-User von Numpy, die ein umfassenderes Verständnis der Funktionsweise von Numpy und eine detaillierte Anleitung wünschen, damit sie zur Bibliothek beitragen und sie erweitern können.
Numpy Anfängerleitfaden von Ivan Idris
Dieses Buch über Numpy soll anfängerfreundlich sein. Es ist für Wissenschaftler, Ingenieure, Programmierer und Analysten gedacht, die bereits mit Python vertraut sind, aber ihre Fähigkeiten erweitern möchten, indem sie Numpy als zusätzliche Fähigkeit erwerben.
Das Buch behandelt die Installation von Numpy, Matplotlib, Scipy und IPython auf dem lokalen Computer. Anschließend werden Arrays und die verschiedenen Array-Funktionen behandelt, die Ihnen zur Verfügung gestellt werden. Anschließend verwenden Sie die Bibliothek, um Matrixoperationen durchzuführen und Ihren Code mit Numpy.testing zu testen. Alles in allem ist dieses Buch ein umfassender Leitfaden für Numpy.
NumPy: Von Basic zu Advanced von Karan Singh Bisht
Der Titel „NumPy von Basic bis Advanced“ sagt alles. Dieses Buch soll ein sanfter Weg sein, der Sie vom Nichtwissen über die Bibliothek zum Wissen über die Verwendung einiger ihrer fortgeschritteneren Funktionen führt.
Das Buch deckt die Grundlagen ab, wie zum Beispiel die Erklärung, was ein Array ist, bis hin zu fortgeschritteneren und verdeckteren Themen, wie CPU-Cache-Effekten und dem Lebenszyklus des Ndarray. Es soll Ihnen eine solide Grundlage für die weitere Arbeit am maschinellen Lernen mit der Numpy-Bibliothek bieten.
FreeCodeCamp YouTube-Tutorial
FreeCodeCamp erfreut sich in letzter Zeit wachsender Beliebtheit als Quelle für qualitativ hochwertige Programmier- und Softwareentwicklungs-Tutorials. In seinem Tutorial-Katalog befindet sich dieses umfassende Numpy-Tutorial. Wie alle seine Tutorials ist es kostenlos verfügbar.
Das Tutorial dauert etwa eine Stunde und behandelt die Grundlagen von Numpy. Es ist eine sanfte Einführung in die Bibliothek, die für diejenigen, die gerade erst angefangen haben, nicht überwältigend sein soll. Python-Kenntnisse werden erwartungsgemäß vorausgesetzt, bevor Sie sich das Video ansehen.
Letzte Worte
Numpy ist unglaublich nützlich und vielseitig. Es ist ein erwartetes Werkzeug für die meisten Data Science- und Engineering-Jobs. Dieser Artikel hat Ihnen Numpy vorgestellt und Ihnen einen allgemeinen und abstrakten Überblick über die Schlüsselkonzepte gegeben.
Darüber hinaus listet der Artikel Ressourcen auf, die auf Ihrem Weg zum Erlernen von Python hilfreich sein könnten. Die kurze Beschreibung jeder Ressource konnte Ihnen dabei helfen, eine fundierte Entscheidung zu treffen.
Sehen Sie sich als Nächstes die besten Python-Bibliotheken für Data Scientists an.