NumPy predstavlja temelj za sve one koji se bave naukom o podacima. To je izuzetno korisna biblioteka za obradu podataka, veština koju moraju posedovati svi naučnici podataka, analitičari i inženjeri.
Ukoliko želite da savladate ovu traženu veštinu, nastavite sa čitanjem. Ovaj članak će objasniti šta je NumPy, zašto je važan, kao i najbolje resurse za učenje.
Šta je NumPy?
NumPy je skraćenica od Numerical Python. To je biblioteka koju je kreirao Travis Oliphant 2005. godine i primenjuje se za analizu podataka.
U samom središtu NumPy-a nalazi se niz. Niz je jednostavno rečeno, lista vrednosti podataka. Ovaj niz se može koristiti za predstavljanje vektora. Veoma je sličan ugrađenom tipu liste u Python-u, ali poseduje jednu ključnu razliku.
Za razliku od Python lista, podaci u NumPy-u se čuvaju u kontinualnoj memoriji. To znači da se vrednosti nalaze jedna pored druge u memoriji. Ovo omogućava brži pristup vrednostima; NumPy nizovi su i do 50 puta brži od Python lista za uobičajene operacije.
Kao i Python liste, nizovi mogu sadržati druge nizove kao elemente. Ovo vam omogućava kreiranje složenijih matematičkih struktura kao što su matrice i višedimenzionalni nizovi. Nizovi imaju korisne metode za uobičajene statističke operacije kao što su izračunavanje proseka, medijane i standardne devijacije. Možete ih menjati razdvajanjem, spajanjem, oblikovanjem i preoblikovanjem.
Zahtevi za korišćenje NumPy-a
- Instalacija Pythona
- Instalacija pipa
- IDE kao što je VSCode ili, još bolje, IDE zasnovan na notebook računarima kao što je Jupyter
- Osnovno poznavanje Pythona
Takođe pročitajte: Uvod u Jupyter notebook za početnike
Slučajevi upotrebe
- NumPy se koristi u zadacima nauke o podacima zbog svojih brzih nizova, koji su efikasniji od ugrađenih Python lista.
- Može se koristiti za rešavanje problema linearne algebre koristeći svoje ugrađene funkcije.
- Primenjuje se u mašinskom učenju zbog brze obrade vektora i matrica.
- Koristi se za generisanje nasumičnih skupova podataka koristeći svoje statističke funkcije za nasumične brojeve.
Kursevi za učenje NumPy-a
Ispod su navedeni neki od najboljih resursa za učenje NumPy-a i Data Science-a. Većina ovih resursa podrazumeva određeno poznavanje Pythona. Ako još niste savladali Python, pogledajte našu listu najboljih resursa za učenje Pythona.
Preduslovi za duboko učenje: NumPy paket u Pythonu
Ovaj Udemy kurs nudi postepen vodič koji vas priprema za duboko učenje koristeći Python. Kurs vas uči kako da koristite NumPy za proračune vektora i matrica.
Pored toga, obuhvata Pandas, biblioteku za rad sa skupovima podataka u Pythonu, Matplotlib (alat za vizualizaciju podataka) i Scipy (biblioteku za statističke proračune u Pythonu).
Kurs sadrži šest sati video materijala na zahtev, a kupovinom dobijate besplatan doživotni pristup. Takođe uključuje sertifikat. Pre nego što započnete ovaj kurs, trebalo bi da imate osnovno znanje iz linearne algebre i programiranja u Pythonu.
Analiza podataka pomoću Pythona: NumPy & Pandas Masterclass
Ovaj sveobuhvatni kurs vas uči kako da analizirate podatke koristeći Pandas i NumPy. Metodologija se sastoji od 216 predavanja, 3 članka i 2 resursa za preuzimanje. Sve ovo vam donosi ukupno više od trinaest sati sadržaja.
Počinje uvodom u NumPy i koncept niza, koji je centralni objekat u NumPy-u. Nakon toga, kurs će vas naučiti kako da koristite Pandas, popularnu i korisnu biblioteku za obradu skupova podataka. Na kraju, naučićete vizualizaciju podataka koristeći Matplotlib biblioteku.
Ono što ovaj kurs izdvaja od većine je njegov praktičan pristup kroz metodu učenja zasnovanu na igri uloga. Preuzećete ulogu analitičara podataka u velikoj multinacionalnoj maloprodajnoj kompaniji, analizirajući podatke prikupljene iz različitih operacija. Kao što se i očekuje, kurs zahteva određeno poznavanje Pythona pre nego što započnete.
Python sa NumPy-om za potpune početnike
Ovaj kurs je jedan od kurseva za početnike u NumPy-u. Iako se od vas očekuje poznavanje Pythona, kurs uvodi NumPy od samog početka.
Počinje upoznavanjem sa NumPy nizovima. Objašnjava se po čemu se razlikuju od Python lista i zašto su brži i pogodniji za nauku o podacima, inženjering i analizu.
Pored toga, naučićete različite operacije koje možete izvoditi sa ovim nizovima. To uključuje, ali nije ograničeno na kreiranje nizova, pristupanje im pomoću indeksa, njihovo sečenje i spajanje, kao i njihovo oblikovanje i preoblikovanje.
Ovaj kurs ima dva sata video sadržaja i fokusira se isključivo na NumPy. Možete ga završiti i dobiti sertifikat za nedelju dana.
Uvod u NumPy
Ovaj kurs od DataCamp-a je prilagođen početnicima u NumPy-u. Kurs traje oko 4 sata i sastoji se od 13 dobro pripremljenih video zapisa i 49 vežbi koje će vam pomoći da učvrstite koncepte koje ste naučili.
To je deo staze Data Scientist, tako da ako završite i druge kurseve na istoj stazi, dobićete DataCamp Data Scientist sertifikat.
Što se tiče sadržaja, kurs uvodi nizove i objašnjava prednosti njihovog korišćenja u odnosu na liste u Pythonu. Zatim ćete savladati tehnike emitovanja i vektorizacije kako bi vaš kod bio brži i efikasniji. Vežbaćete operacije nad nizovima na skupu podataka Mone.
Uputstvo za Simplilearn NumPy
Ovo besplatno uputstvo od Simplilearn-a obuhvata osnove NumPy-a. Kratko je i direktno. Članak ima minimalna objašnjenja i idealan je ako ga koristite kao referencu ili ako već znate šta je NumPy i kako funkcionišu različite funkcije.
Članak takođe sadrži isečke koda koji ilustruju upotrebu različitih funkcija na primerima. Idealan je kada ste u žurbi i želite da naučite NumPy za desetak minuta. Budući da je članak, nema mesta za vežbanje ili skupova podataka za korišćenje.
Morali biste sami da podesite okruženje za vežbanje i pronađete skupove podataka za vežbanje. Kaggle je dobro mesto za traženje skupova podataka i kreiranje beležnica za vežbanje nauke o podacima.
W3Schools
Ovaj vodič od W3Schools je moj lični favorit. Besplatan je i sveobuhvatan, pokriva sve osnove NumPy-a i naprednije teme kao što je generisanje nasumičnih statističkih distribucija i korišćenje univerzalnih funkcija za implementaciju vektorizacije.
Ukupno, vodič ima 43 veb stranice sa sažetim, ali adekvatnim objašnjenjima i isečcima koda za ilustraciju primerima. Pored toga, w3schools ima ugrađen editor za pisanje vaših NumPy upita i kviz u kojem možete testirati svoje znanje.
Sve ovo nije obavezno, ali bi vam moglo pomoći u procesu učenja. Ako se upišete na NumPy kurs koji se plaća, možete dobiti sertifikat koji možete dodati u svoj CV.
Scaler Kurs
Ovaj kurs na Scaleru je dobro organizovan. Sastoji se od šest modula koji pokrivaju uvod u NumPy, višedimenzionalne nizove, strukture podataka, funkcije, emitovanje i druge razne koncepte.
Ukupno ima 32 lekcije sa 5 sati i 33 minuta video sadržaja. Postoji 26 izazova koji će vam pomoći da primenite ono što ste naučili i učvrstite koncepte u svom umu. Po završetku kursa dobijate sertifikat.
Kao što se i očekuje, morate da znate programski jezik Python pre početka kursa. Drugi preduslov je IDE sa Pythonom i NumPy-om instaliranim na vašem računaru.
Vodič za NumPy od Travisa Oliphanta
Napisana od strane kreatora NumPy-a, ova knjiga treba da bude referenca za one koji već poznaju Python, ali žele da nauče više o NumPy-u i drugim alatima.
U ovoj knjizi, Travis Oliphant ne pokriva samo kako koristiti NumPy, već i kako ga proširiti pomoću API-ja. Ovo je verovatno najdublji i najdetaljniji resurs o NumPy-u.
Verovatno je idealan za napredne korisnike NumPy-a koji žele razumevanje na višem nivou o tome kako NumPy funkcioniše, kao i detaljan vodič za doprinos i proširenje biblioteke.
NumPy vodič za početnike od Ivana Idrisa
Ova knjiga o NumPy-u je namenjena početnicima. Namenjena je naučnicima, inženjerima, programerima i analitičarima koji su već upoznati sa Pythonom, ali žele da prošire svoje veštine dodavanjem NumPy-a kao dodatne veštine.
Knjiga pokriva instalaciju NumPy-a, Matplotlib-a, Scipy-a i IPython-a na lokalnom računaru. Zatim objašnjava nizove i različite funkcije nizova koje su vam dostupne. Nakon toga, koristićete biblioteku za izvođenje matričnih operacija i testiranje svog koda pomoću NumPy.testing. Sve u svemu, ova knjiga je sveobuhvatan vodič za NumPy.
NumPy: Od osnovnog do naprednog, Karan Singh Bisht
Naslov „NumPy od osnovnog do naprednog“ govori sve. Ova knjiga ima za cilj da bude blag uspon koji vas vodi od nepoznavanja ničega o biblioteci do znanja kako da koristite neke od njenih naprednijih funkcija.
Knjiga pokriva osnove, kao što je objašnjenje šta je niz, do naprednijih i skrivenih tema, kao što su efekti CPU keš memorije i životni ciklus ndarray-a. Namenjena je da vam pruži solidnu osnovu za dalji rad u mašinskom učenju koristeći NumPy biblioteku.
FreeCodeCamp YouTube vodič
FreeCodeCamp je nedavno stekao popularnost kao izvor visokokvalitetnih vodiča za kodiranje i razvoj softvera. U njegovom katalogu vodiča nalazi se i ovaj sveobuhvatan NumPy vodič. Kao i svi njihovi vodiči, dostupan je besplatno.
Vodič traje oko sat vremena i pokriva osnove NumPy-a. To je blag uvod u biblioteku koji ne bi trebalo da bude težak za one koji tek počinju. Kao što možete očekivati, pretpostavlja se poznavanje Pythona pre gledanja videa.
Završne reči
NumPy je izuzetno koristan i svestran. To je obavezno sredstvo za većinu poslova u nauci o podacima i inženjeringu. Ovaj članak vas je upoznao sa NumPy-em i pružio apstraktan pregled njegovih ključnih koncepata.
Pored toga, članak je naveo resurse koji vam mogu pomoći na vašem putu učenja Pythona. Kratak opis svakog resursa je trebalo da vam pomogne da napravite informisan izbor o tome koji ćete odabrati.
Zatim pogledajte najbolje Python biblioteke za naučnike podataka.