Podstawy NumPy
Tablice, ndarray, indeksowanie, slicing, broadcasting, operacje wektoryzowane, algebra liniowa
1Czym jest ndarray w NumPy?
Czym jest ndarray w NumPy?
Odpowiedź
Ndarray (N-dimensional array) to fundamentalna struktura danych NumPy. Jest to jednorodna tablica wielowymiarowa, co oznacza, że wszystkie elementy muszą być tego samego typu. Ta jednorodność umożliwia bardzo szybkie operacje wektoryzowane, ponieważ dane są przechowywane w pamięci w sposób ciągły, w przeciwieństwie do list Pythona, które przechowują referencje do rozproszonych obiektów.
2Jak utworzyć tablicę NumPy zawierającą wartości [1, 2, 3, 4, 5]?
Jak utworzyć tablicę NumPy zawierającą wartości [1, 2, 3, 4, 5]?
Odpowiedź
Funkcja np.array() to standardowa metoda tworzenia ndarray z sekwencji Pythona, takiej jak lista lub krotka. Konwertuje sekwencję na zoptymalizowaną tablicę NumPy. Inne funkcje, takie jak np.arange(), generują sekwencje, ale z inną składnią (start, stop, step), a np.zeros()/np.ones() tworzą tablice wypełnione określonymi wartościami.
3Której funkcji użyć do utworzenia tablicy 10 równomiernie rozmieszczonych elementów między 0 a 1?
Której funkcji użyć do utworzenia tablicy 10 równomiernie rozmieszczonych elementów między 0 a 1?
Odpowiedź
np.linspace(0, 1, 10) tworzy dokładnie 10 równomiernie rozmieszczonych wartości między 0 a 1, włącznie z oboma punktami końcowymi. Jest idealny, gdy znana jest pożądana liczba punktów. np.arange() używa stałego kroku i może nie zawierać punktu końcowego. np.linspace() jest preferowany dla przedziałów z precyzyjną liczbą punktów, szczególnie do tworzenia wykresów lub obliczeń całkowania numerycznego.
Który atrybut zapewnia wymiary (shape) tablicy NumPy?
Jak utworzyć macierz 3x3 wypełnioną zerami?
+19 pytań z rozmów
Inne tematy rekrutacyjne Data Science & ML
Podstawy Pythona
Programowanie Obiektowe w Pythonie
Struktury danych Python
Podstawy Git
Podstawy SQL
Podstawy Pandas
Jupyter & Google Colab
SQL Joins i zaawansowane zapytania
Zaawansowany Pandas
Wizualizacja z Matplotlib & Seaborn
Interaktywne wizualizacje z Plotly
Statystyka opisowa
Statystyka inferencyjna
Web Scraping
BigQuery & Cloud Data
Feature Engineering
Uczenie nadzorowane: Regresja
Uczenie nadzorowane: Klasyfikacja
Drzewa Decyzyjne i Ensembles
ML Nienadzorowane
Pipeline'y ML i walidacja
Szeregi czasowe i prognozowanie
Podstawy Deep Learning
TensorFlow & Keras
CNN i klasyfikacja obrazów
RNN i Sekwencje
Transformers i Attention
NLP i Hugging Face
GenAI i LangChain
MLOps i Wdrożenie
Opanuj Data Science & ML na następną rozmowę
Uzyskaj dostęp do wszystkich pytań, flashcards, testów technicznych, ćwiczeń code review i symulatorów rozmów.
Zacznij za darmo