NumPy ist ein zentrales Element im Repertoire eines jeden Datenexperten. Es handelt sich um eine äußerst wertvolle Bibliothek für die Datenverarbeitung und ist eine unverzichtbare Kompetenz für Datenwissenschaftler, Analysten und Ingenieure.
Wenn du diese gefragte Fähigkeit erwerben möchtest, lies weiter. Dieser Artikel erläutert, was NumPy ist, seine Bedeutung und die besten Lernquellen.
Was genau ist NumPy?
NumPy steht für „Numerical Python“ und ist eine 2005 von Travis Oliphant ins Leben gerufene Bibliothek, die für die Datenanalyse verwendet wird.
Das Kernstück von NumPy bildet das Array, eine Sammlung von Datenwerten. Dieses Array kann dazu dienen, Vektoren zu repräsentieren. Es ähnelt dem integrierten Listentyp von Python, weist aber einen wesentlichen Unterschied auf.
Anders als bei Python-Listen werden Daten in NumPy in zusammenhängendem Speicher abgelegt. Das bedeutet, dass die Werte direkt nebeneinander im Speicher liegen. Dadurch ist der Zugriff auf die Werte schneller; NumPy-Arrays sind bei Standardoperationen bis zu 50-mal schneller als Python-Listen.
Wie Python-Listen können Arrays auch andere Arrays als Elemente enthalten. Dadurch lassen sich komplexe mathematische Strukturen wie Matrizen und Arrays höherer Ordnung erstellen. Arrays bieten nützliche Funktionen für gängige statistische Operationen wie das Berechnen von Mittelwert, Median und Standardabweichung. Sie können verändert werden, indem man sie aufteilt, verbindet, formt und umformt.
Voraussetzungen für die Nutzung von NumPy
- Eine Python-Installation
- Pip-Installation
- Eine IDE, wie VSCode, oder idealerweise eine Notebook-basierte IDE wie Jupyter
- Grundkenntnisse in Python
Lies auch: Jupyter Notebook-Einführung für Anfänger
Anwendungsgebiete
- NumPy wird wegen seiner schnelleren Arrays anstelle der integrierten Python-Listen für Data-Science-Aufgaben eingesetzt.
- Es kann zur Lösung von Problemen der linearen Algebra mit seinen eingebauten Funktionen verwendet werden.
- Es findet Anwendung im maschinellen Lernen wegen seiner schnellen Berechnung von Vektoren und Matrizen.
- Es wird verwendet, um Zufallsdatensätze mit seinen statistischen Zufallsfunktionen zu generieren.
Kurse zum Erlernen von NumPy
Im Folgenden sind einige der besten Ressourcen zum Erlernen von NumPy und Data Science aufgeführt. Die meisten dieser Ressourcen setzen eine gewisse Vertrautheit mit Python voraus. Falls du Python noch nicht gelernt hast, findest du 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 Einführung, um dich auf Deep Learning mit Python vorzubereiten. Der Kurs zeigt dir, wie du NumPy für Vektor- und Matrizenberechnungen nutzen kannst.
Außerdem werden Pandas (eine Bibliothek für die Arbeit mit Datensätzen in Python), Matplotlib (ein Tool zur Datenvisualisierung) und SciPy (eine Bibliothek zur Berechnung von Statistiken in Python) behandelt.
Der Kurs umfasst sechs Stunden On-Demand-Video, und nach dem Kauf hast du lebenslangen kostenlosen Zugang. Eine Zertifizierung ist ebenfalls enthalten. Bevor du an diesem Kurs teilnimmst, solltest du mit linearer Algebra und der Programmierung in Python vertraut sein.
Datenanalyse mit Python: NumPy & Pandas Masterclass
In diesem umfassenden Kurs lernst du, wie du Daten mit Pandas und NumPy analysierst. Der Lehrplan umfasst 216 Vorlesungen, 3 Artikel und 2 herunterladbare Ressourcen. Das sind insgesamt über dreizehn Stunden Lernmaterial.
Er beginnt mit einer Einführung in NumPy und dem Konzept eines Arrays, dem zentralen Objekt in NumPy. Danach lernst du im Kurs die Verwendung von Pandas, einer beliebten und nützlichen Bibliothek für die Arbeit mit Datensätzen. Schließlich wirst du in die Datenvisualisierung mit der Matplotlib-Bibliothek eingeführt.
Was diesen Kurs von anderen unterscheidet, ist der praxisorientierte Unterricht in Form von Rollenspielen. Du übernimmst die Rolle eines Datenanalysten in einem großen internationalen Einzelhandelsunternehmen und analysierst die Daten, die in den verschiedenen Niederlassungen erfasst wurden. Wie zu erwarten, setzt der Kurs eine gewisse Vertrautheit mit Python voraus, bevor du mit dem Kurs beginnst.
Python mit NumPy für absolute Anfänger
Dieser Kurs ist einer der anfängerfreundlichsten Kurse zu NumPy. Obwohl Python-Kenntnisse vorausgesetzt werden, führt der Kurs von Grund auf in NumPy ein.
Er beginnt mit einer Einführung in NumPy-Arrays. Es wird erläutert, wie sie sich von Python-Listen unterscheiden und warum sie schneller und besser für Data Science, Engineering und Analyse geeignet sind.
Darüber hinaus erfährst du alle verschiedenen Möglichkeiten, was du mit diesen Arrays machen kannst. Dazu gehört unter anderem das Erstellen von Arrays, der Zugriff auf sie mit Hilfe von Indizes, das Aufteilen und Verbinden von ihnen sowie das Umformen.
Dieser Kurs hat zwei Stunden Videoinhalte und konzentriert sich ausschließlich auf NumPy. Du kannst ihn abschließen und innerhalb einer Woche zertifiziert werden.
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 dir helfen, das Gelernte zu festigen.
Er ist Teil des Data-Scientist-Tracks. Wenn du also andere Kurse im selben Track absolvierst, erhältst du deine DataCamp-Data-Scientist-Zertifizierung.
Inhaltlich werden Arrays vorgestellt und die Vorteile ihrer Verwendung gegenüber Listen in Python erläutert. Als Nächstes lernst du Techniken zum Broadcasting und zur Vektorisierung, um deinen Code schneller und effizienter zu gestalten. Du übst Array-Operationen am Monet-Datensatz.
Das NumPy-Tutorial leicht gemacht
Dieses kostenlose Tutorial von Simplilearn behandelt die Grundlagen von NumPy. Es ist kurz und prägnant. Der Artikel enthält nur wenige Erklärungen und eignet sich hervorragend, wenn du ihn als Referenz verwenden möchtest oder wenn du bereits weißt, was NumPy ist und was die verschiedenen Funktionen tun.
Der Artikel enthält auch Code-Snippets, um die Verwendung verschiedener Funktionen anhand von Beispielen zu veranschaulichen. Es ist ideal, wenn du es eilig hast und NumPy in zehn Minuten lernen möchtest. Da es sich um einen Artikel handelt, gibt es keine Möglichkeit zu üben oder Datensätze zu verwenden.
Du müsstest selbst eine Übungsumgebung einrichten und Datensätze zum Üben finden. Kaggle ist ein guter Ort, um nach Datensätzen zu suchen und Notebooks zu erstellen, um Data Science zu üben.
W3Schools
Dieses Tutorial von W3Schools ist mein persönlicher Favorit. Es ist kostenlos und umfassend und behandelt alle Grundlagen von NumPy sowie fortgeschrittenere Themen, wie das Generieren zufälliger statistischer Verteilungen und die Verwendung universeller Funktionen zur Implementierung der Vektorisierung.
Insgesamt besteht das Tutorial aus 43 Webseiten mit prägnanten, aber angemessenen Erklärungen und Code-Snippets, die mit Beispielen verdeutlicht werden. Darüber hinaus bietet W3Schools einen Editor zum Schreiben deiner NumPy-Abfragen und ein Quiz, mit dem du dein Wissen testen kannst.
All dies ist optional, würde aber deine Lernerfahrung unterstützen. Wenn du dich gegen eine Gebühr für den NumPy-Kurs anmeldest, kannst du eine Zertifizierung erwerben, die du deinem Lebenslauf hinzufügen kannst.
Scaler-Kurs
Dieser Scaler-Kurs ist gut strukturiert. Er besteht aus sechs Modulen, die eine Einführung in NumPy, mehrdimensionale Arrays, Datenstrukturen, Funktionen, Broadcasting und andere verschiedene Konzepte abdecken.
Insgesamt umfasst er 32 Lektionen mit 5 Stunden und 33 Minuten Videoinhalt. Es gibt 26 Herausforderungen, die dir helfen, das Gelernte anzuwenden und die Konzepte zu verinnerlichen. Nach Abschluss des Kurses erhältst du ein Zertifikat.
Wie erwartet, musst du die Programmiersprache Python beherrschen, bevor du mit dem Kurs beginnst. Die zweite Voraussetzung ist eine IDE mit Python und NumPy, die auf deinem Computer installiert ist.
Leitfaden für NumPy von Travis Oliphant
Dieses Buch wurde vom Schöpfer von NumPy geschrieben und soll eine Referenz für alle sein, die bereits mit Python vertraut sind, 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. Es ist wahrscheinlich die ausführlichste und detaillierteste Ressource zu NumPy.
Es ist wahrscheinlich ideal für erfahrene NumPy-Benutzer, 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 Kompetenz erwerben.
Das Buch behandelt die Installation von NumPy, Matplotlib, SciPy und IPython auf dem lokalen Computer. Danach werden Arrays und die verschiedenen Array-Funktionen behandelt, die dir zur Verfügung gestellt werden. Schließlich verwendest du die Bibliothek, um Matrixoperationen durchzuführen und deinen Code mit Numpy.testing zu testen. Insgesamt ist dieses Buch ein umfassender Leitfaden für NumPy.
NumPy: Von Basic zu Advanced von Karan Singh Bisht
Der Titel „NumPy von Basic zu Advanced“ sagt alles. Dieses Buch soll ein einfacher Weg sein, der dich vom Nichtwissen über die Bibliothek zur Beherrschung einiger ihrer fortgeschrittenen Funktionen führt.
Das Buch behandelt die Grundlagen, wie die Erklärung, was ein Array ist, bis hin zu fortgeschritteneren und weniger offensichtlichen Themen, wie CPU-Cache-Effekten und dem Lebenszyklus des Ndarrays. Es soll dir eine solide Basis für die weitere Arbeit mit Machine Learning mit der NumPy-Bibliothek vermitteln.
FreeCodeCamp YouTube-Tutorial
FreeCodeCamp erfreut sich in letzter Zeit wachsender Beliebtheit als Quelle für qualitativ hochwertige Tutorials zu Programmierung und Softwareentwicklung. In ihrem Tutorial-Katalog findet sich dieses umfassende NumPy-Tutorial. Wie alle ihre 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, wie erwartet, vorausgesetzt, bevor du dir das Video ansiehst.
Abschließende Gedanken
NumPy ist unglaublich nützlich und vielseitig. Es ist ein notwendiges Werkzeug für die meisten Data-Science- und Engineering-Jobs. Dieser Artikel hat dich mit NumPy vertraut gemacht und dir einen allgemeinen und abstrakten Überblick über die wichtigsten Konzepte gegeben.
Darüber hinaus listet der Artikel Ressourcen auf, die für dein Erlernen von Python hilfreich sein können. Die kurze Beschreibung jeder Ressource hilft dir, eine fundierte Entscheidung zu treffen.
Als Nächstes solltest du dir die besten Python-Bibliotheken für Data Scientists ansehen.