Seznam se s úžasným polem NumPy! Naučíš se, jak pole vytvářet a měnit jejich tvar podle potřeby. Navíc objevíš různé datové typy NumPy a pochopíš, jak přispívají k rychlosti operací s poli.

Úvod do polí

Tvoje první NumPy pole

Vytváření polí od základu

Pole s rozsahem hodnot

Dimenzionalita polí

Vytvoření 3D pole

Čtvrtá dimenze

Zploštění a změna tvaru

Datové typy v NumPy

Argument dtype

Odhadování datových typů

Menší hra sudoku

Pochopení polí NumPy

Zdokonali své dovednosti při práci s daty v NumPy pomocí slicingu, filtrování a řazení dat ze sčítání stromů v New Yorku. Vytvářej nová pole výběrem dat na základě podmínek a přidávej nebo odebírej data podél libovolné dimenze podle svých potřeb. Cestou se naučíš principy kompatibility tvarů a dimenzí, které ti otevřou cestu k bleskově rychlé matematice s poli.

Indexování a řezy polí

Řezy a indexování stromů

Vstup do 2D

Řazení stromů

Filtrování polí

Filtrování pomocí masek

Fancy indexing vs. np.where()

Vytváření polí z podmínek

Přidávání a odebírání dat

Kompatibilní, nebo ne?

Přidávání řádků

Přidávání sloupců

Mazání pomocí np.delete()

Výběr a úprava dat

Využij rychlé vektorizované operace NumPy k získání přehledových statistik z prodejních dat amerických obchodů s lihovinami, restaurací a obchodních domů. Naučíš se vektorizovat vlastní Python funkce pro použití v NumPy kódu. Na závěr použiješ logiku broadcastingu k provádění matematických operací mezi poli různých velikostí.

Shrnutí dat

Celkové tržby

Zobrazení průměrů

Kumulativní tržby

Vektorizované operace

Výpočet daní

Projektování tržeb

Vektorizace metody .upper()

Broadcasting

Broadcasting – ano, nebo ne?

Broadcasting přes sloupce

Vysílání přes řádky

Matematika s poli!

V závěrečné kapitole se NumPy setkává se světem umění — pomocí obrazových dat z Monetova mistrovského díla prozkoumáš, jak lze pole využít k úpravě obrazových dat. Pomocí překlápění a transponování rychle transformuješ obraz. Pak pole rozložíš, upravíš jeho části a pomocí skládání polí ho složíš zpět, abys viděl/a výsledky.

Ukládání a načítání polí

Načítání souborů .npy

Jak získat nápovědu

Úprava a uložení

Akrobacie s poli

Augmentace Moneta

Transponování tvého mistrovského díla

Skládání a rozdělování

Rozdělení a skládání 2D polí

Rozdělení RGB dat

Skládání RGB dat

Gratulujeme!

Transformace polí

Course Glossary

Monet RGB Array

Monthly Sales Array

Tree Census Array

Sudoku Solution Array

Sudoku Game Array

NumPy je nepostradatelná knihovna pro Python. TensorFlow a scikit-learn používají NumPy pole jako vstupy a pandas i Matplotlib jsou na NumPy přímo postavené. V tomto kurzu Úvod do NumPy se staneš skutečným mistrem v práci s klíčovým objektem NumPy: poli! Na datech ze sčítání stromů v New Yorku se naučíš pole vytvářet, řadit, filtrovat a upravovat. Zjistíš, proč je NumPy tak výkonné, a pomocí broadcastingu a vektorizace svůj kód ještě urychlíš. Na konci kurzu budeš pomocí 3D polí upravovat obraz Clauda Moneta a pochopíš, proč jsou takové operace s poli nezbytným nástrojem pro strojové učení.

Videa obsahují živé přepisy, které zobrazíš kliknutím na „Show transcript" v levém dolním rohu přehrávače.

Glosář kurzu najdeš vpravo v sekci zdrojů.

Pro získání CPE kreditů je potřeba kurz dokončit a dosáhnout skóre alespoň 70 % v závěrečném hodnocení. K hodnocení se dostaneš kliknutím na upozornění na CPE kredity vpravo.

<h2>Prozkoumejte balíček Python pro datovou vědu: NumPy</h2>
Získejte úvod do NumPy a pochopte, proč je tato knihovna Pythonu nezbytná pro všechny datové vědce a analytiky pracující s Pythonem. Nejdůležitější je dozvědět se více o polích Numpy a o tom, jak vytvářet a měnit tvary polí podle svých potřeb. 
<br><br>
<h2>Objevte pole NumPy</h2>
NumPy je základní knihovna Pythonu pro datové vědce a analytiky. Představuje skvělou alternativu k seznamům v Pythonu, protože jsou kompaktnější a umožňují rychlejší přístup při čtení a zápisu položek, což z nich dělá pohodlnější a efektivnější volbu.
<br><br>
V tomto kurzu Úvod do NumPy se stanete mistrem práce s hlavním objektem NumPy: poli! Pomocí dat z inventarizace stromů v New Yorku budete vytvářet, řadit, filtrovat a aktualizovat pole. Zjistíte, proč je NumPy tak efektivní, a naučíte se používat broadcasting a vektorizaci, aby byl váš kód v NumPy ještě rychlejší. 
<br><br>
<h2>Získejte jistotu díky procvičování na datové sadě Monet</h2>
V poslední kapitole využijete své nově získané znalosti k provádění transformací polí. Pomocí 3D polí obrazových dat upravíš obraz Clauda Moneta a pochopíš, proč jsou takové úpravy polí nezbytnými nástroji pro strojové učení.
<br><br>
Po absolvování kurzu získáte jistotu v práci s poli Numpy a jejich různými operacemi. Tento kurz je součástí dráhy Data Scientist with Python a je ideální pro ty, kteří usilují o certifikaci Data Science s DataCamp.

Intermediate Python

Seznamte se s populárním balíčkem pro datovou vědu Pythonu; NumPy. Za 4 hodiny vytvoříte a upravíte pole.

Úvod do NumPy

Ovládněte NumPy: vytvářejte, řaďte, filtrujte a aktualizujte pole pomocí sčítání stromů v NYC.

Manipulace s daty  v Pythonu

Skládání RGB dat

Úvod do NumPy

Interaktivní cvičení na vyzkoušení si v praxi