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.

Presentación de los arrays

Tu primer array de NumPy

Crear arrays desde cero

Un array de rango

Dimensionalidad de arrays

Creación de un array 3D

La cuarta dimensión

Aplanar y cambiar la forma

Tipos de datos de NumPy

El argumento dtype

Opciones

Un tipo de dato de cadena

Un tipo de dato entero

Un tipo de dato float

Anticipar tipos de datos

Un sudoku más pequeño

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.

Summarizing data

Sales totals

Plotting averages

Cumulative sales

Vectorized operations

Tax calculations

Projecting sales

Vectorizing .upper()

Broadcasting

Broadcastable or not?

Broadcasting across columns

Broadcasting across rows

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

`np.array([9, 1.12, True]).astype("<U5")`

`np.array([34.62, 70.13, 9]).astype(np.int64)`

Anticipar tipos de datos

Introducción a NumPy

Ejercicio interactivo práctico