¡Conoce la increíble matriz NumPy! Aprende a crear y modificar formas de matriz para adaptarlas a tus necesidades. Por último, descubra los numerosos tipos de datos de NumPy y cómo contribuyen a agilizar las operaciones con matrices.

Introducción a las matrices

Tu primer array NumPy

Crear matrices desde cero

Una matriz de rangos

Dimensionalidad de la matriz

Creación de matrices 3D

La cuarta dimensión

Aplanamiento y remodelación

Tipos de datos NumPy

El argumento dtype

Anticipar los tipos de datos

Un juego de sudoku más pequeño

Comprender las matrices de NumPy

Perfeccione sus habilidades de manejo de datos con NumPy cortando, filtrando y ordenando los datos del censo arbóreo de la ciudad de Nueva York. Cree nuevas matrices extrayendo datos basándose en sentencias condicionales, y añada y elimine datos a lo largo de cualquier dimensión para adaptarse a su propósito. Por el camino, aprenderás los principios de compatibilidad de formas y dimensiones para prepararte para una matemática de matrices superrápida.

Indexación y segmentación de matrices

Cortar e indexar árboles

Pasar a 2D

Clasificación de árboles

Filtrado de matrices

Filtrado con máscaras

Fancy indexing vs. np.where()

Creación de matrices a partir de condiciones

Añadir y eliminar datos

Opciones

Compatible a lo largo del primer eje

Compatible a lo largo del segundo eje

No compatible

¿Compatibles o no?

Añadir filas

Añadir columnas

Borrado con np.delete()

Selección y actualización de datos

Aproveche las rápidas operaciones vectorizadas de NumPy para recopilar información resumida sobre los datos de ventas de licorerías, restaurantes y grandes almacenes estadounidenses. Vectoriza funciones Python para usarlas en tu código NumPy. Por último, utiliza la lógica de emisión para realizar operaciones matemáticas entre matrices de distintos tamaños.

Resumir datos

Total de ventas

Trazado de medias

Ventas acumuladas

Operaciones vectorizadas

Cálculo de impuestos

Proyección de ventas

Vectorización .upper()

Difusión

¿Emisible o no?

Difusión a través de columnas

Difusión entre filas

Matemáticas

NumPy se encuentra con el mundo del arte en este último capítulo, en el que utilizamos los datos de imagen de una obra maestra de Monet para explorar cómo se pueden aumentar los datos de imagen. Utilizarás las funciones de volteo y transposición para transformar rápidamente nuestra obra maestra. A continuación, desmontarás la matriz Monet, realizarás cambios y la reconstruirás utilizando el apilamiento de matrices para ver los resultados.

Guardar y cargar matrices

Carga de archivos .npy

Obtener ayuda

Actualizar y guardar

Acrobacias en serie

Aumentar Monet

Transponer su obra maestra

Apilado y división

Dividir y apilar en 2D

Dividir los datos de RGB

Apilamiento de datos RGB

¡Enhorabuena!

Transformaciones de matrices

Monet RGB Array

Tree Census Array

Monthly Sales Array

Sudoku Game Array

Sudoku Solution Array

NumPy es una biblioteca esencial de Python. TensorFlow y scikit-learn utilizan matrices NumPy como entradas, y pandas y Matplotlib están construidos sobre NumPy. En este curso de Introducción a NumPy, te convertirás en un maestro del objeto central de NumPy: ¡los arrays! Utilizando datos del censo de árboles de la ciudad de Nueva York, creará, ordenará, filtrará y actualizará matrices. Descubrirás por qué NumPy es tan eficiente y utilizarás la difusión y la vectorización para que tu código NumPy sea aún más rápido. Al final del curso, estará utilizando matrices 3D para alterar un cuadro de Claude Monet, y comprenderá por qué tales alteraciones de matrices son herramientas esenciales para el aprendizaje automático.

<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

¿Compatibles o no?

Introducción a NumPy

Ejercicio interactivo práctico