Corriger une importation non conforme

Dans cet exercice, nous allons apprendre à importer numpy, un module permettant d'effectuer des opérations mathématiques sur des listes de données. L'alias standard de numpy est np.

Qu'avez-vous dû modifier pour que l'importation se déroule sans erreur ?

Cet exercice fait partie du cours

Introduction à la science des données en Python

Afficher le cours

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# Fix the import of numpy to run without errors
import NumPy as np

Modifier et exécuter le code

Cet exercice fait partie du cours

Introduction à la science des données en Python

DébutantNiveau de compétence

4.9+

Commencer le cours gratuitement

Bienvenue dans le monde merveilleux de l'analyse de données en Python ! Dans ce chapitre, vous apprendrez les bases de la syntaxe Python, vous chargerez vos premiers modules Python et vous utiliserez des fonctions pour obtenir une liste de suspects pour l'enlèvement de Python, le Golden Retriever primé de DataCamp.

Exercise 1: Plongez dans Python Exercise 2: Importer des modules Python Exercise 3: Corriger une importation non conforme

Exercice en cours

Exercise 4: Création de variables Exercise 5: Création d'un flotteur Exercise 6: Création de chaînes de caractères Exercise 7: Corriger les erreurs de chaîne Exercise 8: Noms de variables valables Exercise 9: S'amuser avec les fonctions Exercise 10: Charger un DataFrame Exercise 11: Corriger une erreur de fonction Exercise 12: Recherche de suspects

Dans ce chapitre, vous découvrirez une puissante bibliothèque Python : pandas. pandas vous permet de lire, de modifier et de rechercher des ensembles de données tabulaires (tels que des feuilles de calcul et des tableaux de base de données). Vous examinerez les relevés de cartes de crédit des suspects et vérifierez si l'un d'entre eux a effectué des achats suspects.

Exercise 1: Qu'est-ce qu'un pandas ?Exercise 2: Chargement d'un DataFrame Exercise 3: Inspection d'un DataFrame Exercise 4: Sélection des colonnes Exercise 5: Deux méthodes de sélection des colonnes Exercise 6: Correction des erreurs de sélection des colonnes Exercise 7: Autres erreurs de sélection de colonnes Exercise 8: Sélectionner des lignes avec logique Exercise 9: Tests logiques Exercise 10: Sélection des chiots manquants Exercise 11: Réduire la liste des suspects

Préparez-vous à visualiser vos données ! Vous allez créer des tracés linéaires à l'aide d'un autre module Python : Matplotlib. À l'aide de tracés linéaires, vous analyserez la fréquence des lettres de la demande de rançon et plusieurs échantillons d'écriture afin de déterminer le ravisseur.

Exercise 1: Création de diagrammes linéaires Exercise 2: Travailler dur Exercise 3: Ou ne travaille-t-elle que difficilement ?Exercise 4: Ajouter du texte aux tracés Exercise 5: Ajouter une légende Exercise 6: Ajout d'étiquettes Exercise 7: Ajouter un texte flottant Exercise 8: Graphiques de style Exercise 9: Le cursus des statistiques criminelles Exercise 10: Jouer avec les styles Exercise 11: Identifier le ravisseur de Bayes

Dans ce dernier chapitre, vous apprendrez à créer trois nouveaux types de diagrammes : les diagrammes de dispersion, les diagrammes en bâtons et les histogrammes. Vous utiliserez ces outils pour localiser l'endroit où se cache le kidnappeur et sauver Bayes, le Golden Retriever.

Exercise 1: Réalisation d'un diagramme de dispersion Exercise 2: Graphique des données de téléphonie mobile Exercise 3: Modifier un nuage de points Exercise 4: Réalisation d'un diagramme en bâtons Exercise 5: Construire un diagramme à barres simple Exercise 6: Où est passé le temps ?Exercise 7: Création d'un histogramme Exercise 8: Modifier les histogrammes Exercise 9: Des héros avec des histogrammes Exercise 10: Récapitulation du sauvetage