|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/doing-more-with-python-numpy/
课程评论：没有评论
**课程总结：Python Numpy 进阶** 本次 Coursera 课程“Doing more with Python Numpy”旨在帮助学习者深入掌握 Numpy 库的核心功能，提升 Python 数据处理能力。课程内容主要围绕以下三个关键领域展开： 1. **Numpy 数组作为数据结构：** * 培养对 Numpy 数组作为数据容器的深刻直觉。 * 学习可视化二维、三维及更高维度数组。 * 掌握二维和三维数组的索引与切片技巧。 * 灵活运用 Numpy 数组执行基础及高级操作。 2. **实用的 Numpy 函数：** * 深入学习 Numpy 函数的基础及高级用法，并与 Python 内建函数（如 `apply + lambda`）进行性能比较。 * 重点介绍 `numpy.where()` 函数，探讨其在创建新变量等场景下的多样化应用，以及其在处理大型数据集时的性能优势。 * 重点介绍 `numpy.select()` 函数，学习如何对单个和多个数值变量以及分类变量应用条件判断。 3. **数组广播（Broadcasting）：** * 建立对“形状不相关的数组如何交互”的直观理解，并学习如何有效地利用广播机制。 * 在二维和三维数组上深入理解广播概念。 * 探索在何种情况下，广播机制能够替代计算密集型方法（如 for 循环、交叉连接操作），尤其是在处理大型数据集时，大大提高效率。 此外，课程还将教授 **“如何为代码/进程计时”** 的实用技能，使得学习者能够： * 通过两种不同方法跟踪任意代码块的执行时间，并将其应用于自己的代码和流程。 * 为后续“实用的 Numpy 函数”章节做好准备，该章节将重点进行 Numpy 函数与其他传统方法在性能上的对比，并监控其在大数据集上的表现。
The course covers three key areas in Numpy:Numpy Arrays as Data Structures - Developing an in-depth understanding along the lines of:Intuition of Arrays as Data ContainersVisualizing 2D/3D and higher dimensional ArraysArray Indexing and Slicing - 2D/3D ArraysPerforming basic/advanced operations using Numpy ArraysUseful Numpy Functions - Basic to Advanced usage of the below Numpy functions and how they perform compared to their counterpart methodsnumpy where() functionComparison with Apply + LambdaPerformance on Large DataFramesVaried uses in new variable creationnumpy select() functionApply conditions on single and multiple numeric variablesApply conditions on categorical variableArray Broadcasting - Developing an intuition of "How Arrays with dissimilar shapes interact" and how to put it to useIntuition of Broadcasting concept on 2D/3D ArraysUnder what scenarios can we use Broadcasting to replace some of the computationally expensive methods like For loops and Cross-join Operations, etc. especially when working on a large DatasetsThe course also covers the topic - "How to time your codes/processes", which will equip you to:Track time taken by any code block (using Two different methods) and also apply to your own processes/codesPrepare for the upcoming Chapter "Useful Numpy Functions", where we not only compare performance of Numpy functions with other conventionally used methods but also monitor how they perform on large Datasets
