Om vertrouwen te hebben en deze cursus succesvol te voltooien, raden we sterk aan dat je de volgende cursussen voltooit vooraf (klik er gewoon op om te beginnen):

In een wereld vol data is werken met matrices en arrays uiterst belangrijk. Dat is waar NumPy van pas komt. Met zijn razendsnelle snelheid en relatief gebruiksvriendelijke interface is het de meest gebruikte Python-bibliotheek geworden voor het werken met arrays.

Laten we nu de snelheid van NumPy bespreken en waar deze vandaan komt. Ondanks dat het een Python-bibliotheek is, is het grotendeels geschreven in C, een low-level taal die snelle berekeningen mogelijk maakt.

Een andere factor die bijdraagt aan de snelheid van NumPy is vectorisatie. In wezen houdt vectorisatie in dat een algoritme wordt getransformeerd van het werken op een enkele waarde tegelijk naar het werken op een set van waarden (vector) tegelijk, wat onder de motorkap op CPU-niveau wordt uitgevoerd.