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.

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.

Sauvegarde et chargement des tableaux

Chargement des fichiers .npy

Obtenir de l'aide

Mettre à jour et sauvegarder

Acrobaties en réseau

Augmenter Monet

Transposer votre chef-d'œuvre

Empilage et fractionnement

2D diviser et empiler

Fractionnement des données RGB

Empilement des données RGB

Félicitations !

Array Transformations

Monet RGB Array

Tree Census Array

Monthly Sales Array

Sudoku Game Array

Sudoku Solution Array

Course Glossary

NumPy est une bibliothèque Python essentielle. TensorFlow et scikit-learn utilisent des tableaux NumPy comme entrées, et pandas ainsi que Matplotlib sont construits sur NumPy. Dans ce cours Introduction à NumPy, vous apprendrez à maîtriser l’objet central de NumPy : les tableaux ! À partir des données du recensement des arbres de la ville de New York, vous allez créer, trier, filtrer et mettre à jour des tableaux. Vous découvrirez pourquoi NumPy est si performant et utiliserez le broadcasting et la vectorisation pour accélérer encore votre code NumPy. À la fin du cours, vous utiliserez des tableaux 3D pour modifier une toile de Claude Monet, et vous comprendrez pourquoi ces transformations de tableaux sont des outils indispensables pour le Machine Learning.

Les vidéos contiennent des transcriptions que vous pouvez afficher en cliquant sur « Show transcript » en bas à gauche des vidéos.

Le glossaire du cours se trouve à droite, dans la section ressources.

Pour obtenir des crédits CPE, vous devez terminer le cours et atteindre un score de 70 % à l’évaluation qualifiante. Vous pouvez accéder à l’évaluation en cliquant sur l’encadré relatif aux crédits CPE à droite.

<h2>Explorez le package de science des données de Python : NumPy</h2>
Bénéficiez d'une introduction à Python et comprenez pourquoi cette bibliothèque Python est essentielle à tous les scientifiques et analystes de données Python. Plus important encore, vous en apprendrez davantage sur les tableaux Numpy et sur la manière de créer et de modifier les formes des tableaux en fonction de vos besoins. 
<br><br>
<h2>Découvrez les tableaux NumPy</h2>
NumPy est une bibliothèque Python essentielle pour les scientifiques et analystes de données. Il offre une excellente alternative aux listes de Python, car elles sont plus compactes et permettent un accès plus rapide à la lecture et à l'écriture d'éléments, ce qui en fait une option plus pratique et plus efficace.
<br><br>
Dans ce cours d'introduction à NumPy, vous deviendrez un maître de l'objet central de NumPy : les tableaux ! En utilisant les données de recensement des arbres de la ville de New York, vous créerez, trierez, filtrerez et mettrez à jour des tableaux. Vous découvrirez pourquoi NumPy est si efficace et utiliserez la diffusion et la vectorisation pour rendre votre code NumPy encore plus rapide. 
<br><br>
<h2>Gagnez en confiance en vous exerçant sur le jeu de données Monet</h2>
Dans le dernier chapitre, vous utiliserez vos connaissances nouvellement acquises pour effectuer des transformations de tableaux. Vous utiliserez des tableaux 3D d'images pour modifier une peinture de Claude Monet et comprendrez pourquoi de telles modifications de tableaux sont des outils essentiels pour l'apprentissage automatique.
<br><br>
A l'issue de la formation, vous maîtriserez les tableaux Numpy et leurs différentes opérations. Ce cours fait partie du cursus Data Scientist with Python et est parfait pour ceux qui cherchent une certification en Data Science avec DataCamp.

Intermediate Python

Découvrez NumPy, le package de science des données. En 4h, créez et gérez des tableaux avec le recensement des arbres de NYC.

Introduction à NumPy

Maîtrisez NumPy en créant, triant, filtrant et mettant à jour des tableaux grâce au recensement des arbres de New York.

Manipulation de données  en Python

Obtenir de l'aide

Instructions de l’exercice

Exercice interactif pratique