NumPy ile sayısal veri işleme
Büyük sayı kümelerini hızlı işlemeyi ve olay sayıları üzerinde basit istatistik çıkarmayı öğrenirsin.
Seviye 201 · 17 ders · 15 pratik lab
Dersler
Diziler
- NumPy neden gerekli: liste ile dizi: Python listesi ile NumPy dizisi arasındaki hız ve bellek farkını görür, ne zaman hangisini seçeceğini bilirsin.
- Dizi oluşturmak: array, zeros, arange, linspace: Listeden, sıfırlardan ve aralıklardan NumPy dizisi üretirsin.
- Boyut, şekil ve veri türü: Bir dizinin kaç boyutlu olduğunu, şeklini ve türünü okur, tür seçiminin bellek ve taşma üzerindeki etkisini görürsün.
- İndeksleme ve dilimleme: Tek bir elemanı, satırı, sütunu ya da bir aralığı dizi içinden seçersin.
- Kısa görev: olay sayılarını diziye dökmek
Hesaplamalar
- Vektörel işlemler ve broadcasting: Döngü yazmadan tüm dizi üzerinde işlem yapar, farklı boyutlu dizilerin nasıl birlikte hesaplandığını anlarsın.
- Koşullu seçim: mantıksal maskeler: Eşiği aşan değerleri tek ifadeyle seçer, sayar ve değiştirirsin.
- Toplama, ortalama ve axis: Toplam, ortalama ve standart sapmayı satır ya da sütun boyunca hesaplarsın.
- Biçim değiştirmek ve dizileri birleştirmek: Diziyi yeniden şekillendirir, dizileri alt alta ya da yan yana birleştirirsin.
- Sıralama, benzersiz değerler ve sayım: Bir olay kaydındaki benzersiz değerleri bulur, her birinin kaç kez geçtiğini sayarsın.
- Yüzdelikler ve eşik değerleri
- Kısa görev: saatlik giriş istatistiği
Uygulama
- Rastgele sayılar ve tekrarlanabilirlik: Sabit tohumla tekrarlanabilir örnekler üretir, bu üretecin parola ya da anahtar için uygun olmadığını bilirsin.
- Dizileri dosyadan okumak ve kaydetmek: Dizileri metin ve ikili dosyalara yazıp okur, güvenilmeyen dosyada allow_pickle riskini bilirsin.
- Eksik değerler: NaN ile çalışmak
- İki boyutlu sayım tablosu: IP ve saat
- Bitirme görevi: z-skoru ile sıradışı saatleri bulmak: Saatlik oturum açma sayılarında ortalamadan uzak saatleri z-skoruyla bulup raporlarsın.
Pratik lablar
- Listeden diziye geçiş: Sensör ölçümlerini listeden NumPy dizisine çevirip şekil, veri türü ve bellek kullanımını yazdır.
- Taşan veri türü: int8 olarak saklanan bayt sayaçlarının neden negatife döndüğünü gösterip doğru veri türüyle toplamı yeniden hesapla.
- Düz diziyi gün-saat tablosuna çevir: Bir aylık saatlik sayımı içeren düz diziyi gün×saat tablosuna çevirip eksik son günü doğru biçimde doldur.
- Dilimleme ile vardiya seçimi: Gün×saat dizisinden yalnızca gece vardiyası saatlerini dilimleyip toplam olay sayısını hesapla.
- Koşullu maske ile eşik aşımı: Boolean maske kullanarak sıcaklığı 75 dereceyi aşan sunucu odası ölçümlerini ve zamanlarını çıkar.
- Birden çok koşullu maske: Gece saatinde, hafta sonunda ve ortalamanın iki katından fazla trafik üreten kayıtları tek maskeyle bulup indekslerini yaz.
- Döngüsüz birim dönüşümü: Bayt cinsinden trafik dizisini döngü kullanmadan MB'a çevirip en büyük beş değeri yazdır.
- Yayınlama ile satır normalleştirme: Her sunucunun saatlik yükünü kendi ortalamasına bölerek yayınlama ile normalleştir ve en dalgalı sunucuyu bul.
- Döngüyü vektörleştir ve hızı ölç: İç içe döngüyle yazılmış mesafe hesabını vektörleştirip iki sürümün aynı sonucu verdiğini ve hız farkını göster.
- Eksene göre toplam: Şube×ay satış dizisinde axis argümanıyla şube toplamlarını ve ay toplamlarını ayrı ayrı hesapla.
- Yüzdelik eşik belirle: Kullanıcı başına günlük e-posta sayısından 99. yüzdeliği eşik seçip bu eşiği aşan kullanıcıları listele.
- Benzersiz değer ve sayım tablosu: IP ve port dizilerinden np.unique ile en sık görülen IP-port çiftlerini sayıp ilk on çifti tablo olarak yazdır.
- NaN'lı ortalama: Eksik ölçümler içeren bir dizide np.mean ile np.nanmean farkını gösterip doğru ortalamayı ve eksik sayısını yaz.
- Tekrarlanabilir rastgele örneklem: Tohum belirleyerek 10.000 kayıttan 500'lük örneklem al ve aynı tohumla iki çalıştırmanın aynı örneği verdiğini kanıtla.
- Dizi kaydet, yükle ve doğrula: Hesaplanan sayım matrisini .npy ve .npz olarak kaydedip yükledikten sonra özetinin değişmediğini sağlama ile doğrula.
Kurs hakkında
Büyük sayı kümelerini hızlı işlemeyi ve olay sayıları üzerinde basit istatistik çıkarmayı öğrenirsin.
Ne öğreneceksin
- Diziler
- Hesaplamalar
- Uygulama
Ön koşullar
Aynı yolun 101 düzeyindeki kurslarını bitirmiş olmak ya da o konuları biliyor olmak yeterlidir.
Lab ortamı
Dersler, tarayıcında açılan sana özel bir Kali Linux terminalinde geçer. Kurulum gerekmez; lab her derste temiz başlar.
Sık sorulan sorular
- Bu kurs benim düzeyime uygun mu?
- Kurs 201 düzeyindedir; daha düşük düzeydeki kursların konularını bildiğin varsayılır.
- Kurulum gerekir mi?
- Hayır. Her ders tarayıcında açılan sana özel bir lab ortamında geçer.
- Dersler nasıl işleniyor?
- Her ders 8 ile 10 adımdan ve bir kısa sınavdan oluşur. İlk adımlarda yazman gereken komut gösterilir, sonraki adımlarda yardım azalır; iki denemede takılırsan çözüm açılır.
- Ücretsiz deneyebilir miyim?
- Evet. Her kursun ilk üç dersi ücretsizdir.