Meet the incredible NumPy array! Learn how to create and change array shapes to suit your needs. Finally, discover NumPy's many data types and how they contribute to speedy array operations.

Introducing arrays

Your first NumPy array

Creating arrays from scratch

A range array

Array dimensionality

3D array creation

The fourth dimension

Flattening and reshaping

NumPy data types

The dtype argument

Anticipating data types

A smaller sudoku game

Understanding NumPy Arrays

Sharpen your NumPy data wrangling skills by slicing, filtering, and sorting New York City’s tree census data. Create new arrays by pulling data based on conditional statements, and add and remove data along any dimension to suit your purpose. Along the way, you’ll learn the shape and dimension compatibility principles to prepare for super-fast array math.

Indexing and slicing arrays

Slicing and indexing trees

Stepping into 2D

Sorting trees

Filtering arrays

Filtering with masks

Fancy indexing vs. np.where()

Creating arrays from conditions

Adding and removing data

Compatible or not?

Adding rows

Adding columns

Deleting with np.delete()

Selecting and Updating Data

Leverage NumPy’s speedy vectorized operations to gather summary insights on sales data for American liquor stores, restaurants, and department stores. Vectorize Python functions for use in your NumPy code. Finally, use broadcasting logic to perform mathematical operations between arrays of different sizes.

Resumir datos

Totales de ventas

Representar promedios

Ventas acumuladas

Operaciones vectorizadas

Cálculos de impuestos

Proyección de ventas

Vectorizar .upper()

Difusión (Broadcasting)

Opciones

Compatible con broadcasting

No compatible con broadcasting

¿Se puede hacer broadcasting o no?

Broadcasting por columnas

Difundir a lo largo de las filas

Array Mathematics!

NumPy meets the art world in this final chapter as we use image data from a Monet masterpiece to explore how you can use to augment image data. You’ll use flipping and transposing functionality to quickly transform our masterpiece. Next, you’ll pull the Monet array apart, make changes, and reconstruct it using array stacking to see the results.

Saving and loading arrays

Loading .npy files

Getting help

Update and save

Array acrobatics

Augmenting Monet

Transposing your masterpiece

Stacking and splitting

2D split and stack

Splitting RGB data

Stacking RGB data

Congratulations!

Array Transformations

Monet RGB Array

Tree Census Array

Monthly Sales Array

Sudoku Game Array

Sudoku Solution Array

Course Glossary

NumPy es una biblioteca esencial de Python. TensorFlow y scikit-learn usan arrays de NumPy como entrada, y pandas y Matplotlib están construidas sobre NumPy. En este curso de Introducción a NumPy, te convertirás en un auténtico experto manejando el objeto principal de NumPy: ¡los arrays! Usando datos del censo de árboles de la ciudad de Nueva York, crearás, ordenarás, filtrarás y actualizarás arrays. Descubrirás por qué NumPy es tan eficiente y utilizarás broadcasting y vectorización para que tu código con NumPy sea aún más rápido. Al finalizar el curso, usarás arrays 3D para modificar una pintura de Claude Monet y entenderás por qué este tipo de transformaciones de arrays son herramientas esenciales para Machine Learning.

Los vídeos incluyen transcripciones en directo que puedes mostrar haciendo clic en "Show transcript" en la esquina inferior izquierda de los vídeos.

El glosario del curso está disponible a la derecha, en la sección de recursos.

Para obtener créditos CPE, necesitas completar el curso y alcanzar una puntuación del 70% en la evaluación cualificada. Puedes ir a la evaluación haciendo clic en el aviso de créditos CPE situado a la derecha.

<h2>Explora el paquete de Ciencia de Datos de Python: NumPy</h2>
Obtén una introducción a Numpy y comprende por qué esta biblioteca de Python es esencial para todos los científicos y analistas de datos de Python. Y lo que es más importante, aprende más sobre las matrices Numpy y cómo crear y cambiar las formas de las matrices para adaptarlas a tus necesidades. 
<br><br>
<h2>Descubre las matrices NumPy</h2>
NumPy es una biblioteca de Python esencial para los científicos y analistas de datos. Ofrece una gran alternativa a las listas de Python, ya que son más compactas y permiten un acceso más rápido a la lectura y escritura de elementos, lo que las convierte en una opción más cómoda y eficaz.
<br><br>
En este curso de Introducción a NumPy, te convertirás en un maestro del objeto central de NumPy: ¡las matrices! Utilizando los datos del censo de árboles de Nueva York, crearás, ordenarás, filtrarás y actualizarás matrices. Descubrirás por qué NumPy es tan eficiente y utilizarás la difusión y la vectorización para que tu código NumPy sea aún más rápido. 
<br><br>
<h2>Gana confianza practicando con el conjunto de datos Monet</h2>
En el último capítulo, utilizarás tus conocimientos recién adquiridos para realizar transformaciones de matrices. Utilizarás matrices 3D de imágenes para alterar un cuadro de Claude Monet y comprenderás por qué tales alteraciones de matrices son herramientas esenciales para el machine learning.
<br><br>
Al finalizar el curso, adquirirás confianza en las matrices Numpy y sus diferentes operaciones. Este curso forma parte del programa Científico de Datos con Python y es perfecto para quienes buscan una certificación en Ciencia de Datos con DataCamp.

Intermediate Python

Conozca NumPy, el popular paquete de ciencia de datos de Python. En cuatro horas, creará y gestionará arrays.

Introducción a NumPy

Desarrolla tus habilidades y domina NumPy y aprende a crear, ordenar, filtrar y actualizar matrices mediante el censo de árboles de NYC.

Manipulación de datos  en Python

¿Se puede hacer broadcasting o no?

Introducción a NumPy

Ejercicio interactivo práctico