Вопросы по “Numpy”

На странице собраны вопросы и ответы с собеседований по теме “Numpy”.

Уровень “Junior”.

Вопрос: Сложность:
1.Что такое NumPy?
2.Для чего используется библиотека NumPy?
3.Чем массивы NumPy отличаются от стандартных списков Python?
4.Как создать массив в NumPy?
5.Как можно создать инициализированный нулями или единицами массив с помощью NumPy?
6.Как вывести размер, форму (shape) и количество измерений (ndim) массива NumPy?
7.Что такое векторизация и почему она эффективна в NumPy?
8.Как выполнить элементарные математические операции над массивами NumPy?
9.Что такое широковещательные (broadcasting) операции в NumPy?
10.Как получить элементы из NumPy массива с использованием индексации и срезов?
11.Что такое маскирование, и как его использовать в NumPy?
12.Как изменить форму (reshape) существующего массива NumPy?
13.Что такое ufuncs (универсальные функции) в NumPy?
14.Как объединить несколько массивов NumPy?
15.В каких случаях необходимо использовать метод copy() при работе с массивами NumPy?
16.Каковы различия между методами flatten() и ravel()?
17.Как можно сравнить два массива NumPy на равенство?
18.Какие есть способы создания случайных массивов в NumPy?
19.Как сохранить массив NumPy в файл и затем его загрузить?
20.Что такое агрегирующие функции в NumPy и какие из них вы знаете?
21.Как найти индексы максимального или минимального элементов в массиве NumPy?
22.Как вычислить сумму элементов по строкам или столбцам в двумерном массиве?
23.Каковы основные различия между массивами NumPy типа float и int?
24.Как можно отсортировать массив NumPy?
25.Как обработать NaN значения в массиве NumPy?
26.Каковы способы применения линейной алгебры в NumPy?
27.Как вычислить скалярное и векторное произведение двух векторов в NumPy?
28.В чем различие между методами dot() и matmul()?
29.Как вы могли бы объяснить концепцию осей (axis) в NumPy?
30.Как поменять порядок следования осей (транспонировать) в многомерном массиве NumPy?

Уровень “Midlle”.

Вопрос: Сложность:
1.Что такое NumPy? И почему он предпочтительнее стандартных списков Python для научных вычислений?⭐⭐
2.Какие основные типы данных поддерживаются в NumPy?⭐⭐
3.Как создать NumPy массив специфичного типа данных?⭐⭐
4.В чем разница между методами numpy.array и numpy.asarray?⭐⭐
5.Как создать NumPy массив, повторяющий элементы существующего массива?⭐⭐
6.Как можно выполнить условную выборку элементов массива?⭐⭐
7.Как работает векторизация операций в NumPy и почему она эффективна для вычислений?⭐⭐
8.Как объединить два NumPy массива по горизонтали или вертикали?⭐⭐
9.Что такое широковещательность (broadcasting) в NumPy и какие правила она следует?⭐⭐
10.Каковы различия между методами .flatten() и .ravel() и когда их использовать?⭐⭐
11.Как провести эффективную операцию матричного умножения в NumPy?⭐⭐
12.Чем отличаются np.dot(), np.multiply(), и @ оператор при выполнении операций над массивами?⭐⭐
13.Можно ли выполнить операции с массивами различной формы в NumPy? Как?⭐⭐
14.Как преобразовать 1D массив в 2D массив в NumPy?⭐⭐
15.Как обрабатывать и фильтровать NaN значения в массиве NumPy?⭐⭐
16.Как определить память, занимаемую массивом NumPy?⭐⭐
17.Как оптимизировать память при использовании массивов NumPy?⭐⭐
18.Как сохранить NumPy массив в файл и затем загрузить его обратно?⭐⭐
19.Как работать с датами и временем в NumPy?⭐⭐
20.Как найти уникальные значения и их количество в NumPy массиве?⭐⭐
21.Как сравнить скорость выполнения операций NumPy с чистым Python?⭐⭐
22.Какие функции агрегирования доступны в NumPy и как их использовать на примерах?⭐⭐
23.Как расширить NumPy с помощью собственных векторизованных функций?⭐⭐
24.Как использовать универсальные функции (ufuncs) в NumPy для выполнения элементарных операций?⭐⭐
25.Какие методы используются для оптимизации вычислений с большими массивами в NumPy?⭐⭐
26.Как использовать маскирование для изменения и анализа значений массива?⭐⭐
27.Как вычислить евклидово расстояние между двумя массивами в NumPy?⭐⭐
28.Какие есть специальные типы массивов в NumPy и для чего они предназначены?⭐⭐
29.Какие стратегии можно использовать для обработки очень больших массивов, которые не помещаются в оперативную память?⭐⭐
30.Как NumPy взаимодействует с другими библиотеками научных вычислений Python, такими как SciPy и pandas?⭐⭐

Уровень “Senior”.

Вопрос: Сложность:
1.Как NumPy вписывается в экосистему данных Python и как он взаимодействует с pandas и SciPy?⭐⭐⭐
2.Как использование массивов NumPy может улучшить производительность по сравнению с чистым Python, и почему?⭐⭐⭐
3.Объясните, как NumPy управляет памятью при создании массивов.⭐⭐⭐
4.Какие есть ограничения при работе с массивами в NumPy и как их можно обойти?⭐⭐⭐
5.В чем состоят отличия между копией и представлением массива NumPy, и как проверить, является ли массив копией или представлением?⭐⭐⭐
6.Как можно работать с многомерными массивами в NumPy и как выполнить операции, такие как транспонирование, без изменения данных?⭐⭐⭐
7.Какие есть продвинутые способы индексации массивов в NumPy, и как они могут улучшить производительность?⭐⭐⭐
8.Объясните, что такое ufuncs в NumPy и как создать собственную ufunc.⭐⭐⭐
9.Как использовать стратегии распараллеливания вычислений с массивами NumPy для повышения производительности?⭐⭐⭐
10.Как обеспечить совместимость массивов NumPy и Python с другими системами (например, при взаимодействии с базами данных или веб-сервисами)?⭐⭐⭐
11.Расскажите о том, как можно использовать NumPy для работы с изображениями и аудио.⭐⭐⭐
12.В чем основные проблемы и ограничения при работе с большими данными в NumPy и как их решить?⭐⭐⭐
13.Как вы объясните широковещательность (broadcasting) новичку в NumPy, и для решения каких задач она может быть использована?⭐⭐⭐
14.Объясните разницу и применение методов np.linalg.solve() и np.linalg.inv() при решении систем линейных уравнений.⭐⭐⭐
15.Какие вы знаете оптимизации и трюки для ускорения работы с данными в NumPy?⭐⭐⭐
16.Объясните, как использовать маскирование для логической индексации массивов и изменения значений в массиве.⭐⭐⭐
17.Как можно выполнять операции с использованием GPU в NumPy?⭐⭐⭐
18.Объясните, как использование NumPy способствует параллельному и распределенному вычислению.⭐⭐⭐
19.В чем заключается важность типов данных в NumPy, и какие есть подводные камни при смене типа данных?⭐⭐⭐
20.Как манипулировать данными времени и даты с помощью NumPy?⭐⭐⭐
21.Как сохранить и восстановить состояние генератора случайных чисел в NumPy?⭐⭐⭐
22.Как оптимизировать память и время выполнения при работе с очень большими массивами NumPy?⭐⭐⭐
23.В чем разница между функциями np.dot(), np.inner(), np.outer(), и np.matmul()?⭐⭐⭐
24.Каковы возможности и ограничения NumPy в области статистической обработки данных?⭐⭐⭐
25.Как выполнить сложение по определенной оси массива с использованием NumPy?⭐⭐⭐
26.Какой подход используете для отладки кода, работающего с массивами NumPy?⭐⭐⭐
27.Какие есть методы оптимизации хранения и работы с разреженными данными в NumPy?⭐⭐⭐
28.Объясните, как в NumPy реализована поддержка операций с комплексными числами.⭐⭐⭐
29.Какие есть методы для объединения нескольких массивов NumPy в один?⭐⭐⭐
30.Как обрабатывать NaN или бесконечные значения в массивах NumPy?⭐⭐⭐