Python NumPy

Overview NumPy en SciPy

De cursus start met een overzicht van NumPy en de zuster library SciPy en hoe we deze libraries kunnen installeren.

NumPy ndarray

Vervolgens wordt het NumPy's ndarray object en zijn methodes besproken. Aandacht wordt besteed aan de verschillende array manipulatie technieken. Deze methoden zijn in staat grote datasets zeer efficiënt te verwerken.

Matrix Handling

Vervolgens wordt het omgaan met matrices met NumPy behandeld en er wordt aandacht besteed aan speciale routines voor ordening, searching en het vergelijken van data in matrices.

MatPlotLib

Tenslotte wordt de MatPlotlib library besproken. Deze library is nauw geïntegreerd met NumPy en SciPy en dit maakt het een zeer krachtig instrument voor het creëren en plotten van complexe figuren. De cursus maakt gebruik van voorbeelden uit de praktijk en laat zien hoe één- en twee-dimensionale data kunnen worden gevisualiseerd.

Doelgroep Cursus Python NumPy

De cursus Python NumPy is bestemd voor wetenschappers en Big Data analisten die Python met NumPy en MatPlotlib willen gebruiken voor data analyse en data processing.

Voorkennis Cursus Python NumPy

Om aan deze cursus te kunnen deelnemen is voorafgaande kennis van Python noodzakelijk. Kennis van numerieke methoden is bevorderlijk voor de begripsvorming.

Uitvoering Training Python NumPy

De theorie wordt behandeld aan de hand van presentatie slides. De concepten worden toegelicht met demo's. De theorie wordt afgewisseld met oefeningen. De cursustijden zijn van 9.30 tot 16.30.

Officieel Certificaat Python NumPy

De deelnemers krijgen na het goed doorlopen van de cursus een officieel certificaat Numerical Python.

Modules

Module 1 : Numpy Intro

• What is NumPy?
• What is SciPy?
• Installing NumPy
• NumPy array object
• Selecting elements
• NumPy numerical types
• Data type objects
• dtype constructors
• dtype attributes
• Onedimensional slicing and indexing
• Multidimensional slicing and indexing
• Array comparisons
• any(),all(), slicing, reshape()
• Manipulating array shapes
• Stacking and Splitting arrays
• Converting arrays

Module 2 : Common Functions

• Methods of ndarray
• Clipping arrays
• Compressing arrays
• Views versus copies
• ravel(),flatten(),transpose()
• Missing values
• Handling NaNs
• nanmean(), nanvar() and nanstd()
• File I/O
• Loading from CSV files
• mean() function
• Value range
• Dates
• Correlation
• Smoothing
• full() and full_like() functions

Module 3 : Matrices

• Working with Matrices
• ufuncs
• Creating matrices
• Universal functions
• Arithmetic functions
• Modulo operation
• Fibonacci numbers
• Bitwise functions
• Comparison functions
• Fancy indexing
• at() method
• Inverting matrices
• Finding eigenvalues
• Singular value decomposition
• Pseudo inverse
• Determinants

Module 4 : Special Routines

• Sorting
• partition() function
• Complex numbers
• Searching
• Array elements extraction
• Assert functions
• Almost equal arrays
• Equal arrays
• Ordering arrays
• Object comparison
• String comparison
• Floating point comparisons
• Unit tests

Module 5 : Plotting with MathplotLib

• Simple plots
• Plot format string
• Subplots
• Histograms
• Logarithmic plots
• Scatter plots
• Fill between
• Legend and annotations
• Threedimensional plots
• Contour Plots
• Transformations
• Animation
• Projections