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.

Pengindeksan dan pengirisan array

Melakukan slicing dan indexing pada pohon

Melangkah ke 2D

Mengurutkan pohon

Menyaring array

Memfilter dengan mask

Fancy indexing vs. np.where()

Membuat array dari kondisi

Menambah dan menghapus data

Opsi

Kompatibel pada sumbu pertama

Kompatibel pada sumbu kedua

Tidak kompatibel

Kompatibel atau tidak?

Menambahkan baris

Menambahkan kolom

Menghapus dengan 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 adalah pustaka Python yang esensial. TensorFlow dan scikit-learn menggunakan array NumPy sebagai masukan, dan pandas serta Matplotlib dibangun di atas NumPy. Dalam kursus Pengantar NumPy ini, Anda akan mahir mengelola objek inti NumPy: array! Menggunakan data dari sensus pohon Kota New York, Anda akan membuat, mengurutkan, memfilter, dan memperbarui array. Anda akan menemukan mengapa NumPy sangat efisien serta menggunakan broadcasting dan vektorisasi untuk membuat kode NumPy Anda makin cepat. Di akhir kursus, Anda akan menggunakan array 3D untuk mengubah sebuah lukisan Claude Monet, dan Anda akan memahami mengapa pengubahan array semacam itu merupakan alat penting untuk Machine Learning.

Video dilengkapi transkrip langsung yang dapat Anda tampilkan dengan mengklik "Show transcript" di kiri bawah video.

Glosarium kursus dapat ditemukan di sebelah kanan pada bagian sumber daya.

Untuk memperoleh kredit CPE, Anda perlu menuntaskan kursus dan mencapai skor 70% pada penilaian yang memenuhi syarat. Anda dapat menuju penilaian dengan mengklik callout kredit CPE di sebelah kanan.

<h2>Jelajahi paket Data Science Python: NumPy</h2>
Dapatkan pengenalan tentang Numpy dan pahami mengapa perpustakaan Python ini sangat penting bagi semua ilmuwan data dan analis Python. Yang paling penting, pelajari lebih lanjut tentang array Numpy dan cara membuat serta mengubah bentuk array sesuai dengan kebutuhan Anda. 
<br><br>
<h2>Jelajahi Array NumPy</h2>
NumPy adalah perpustakaan Python yang esensial bagi para ilmuwan data dan analis. Ini menawarkan alternatif yang sangat baik untuk daftar Python, karena daftar ini lebih ringkas dan memungkinkan akses yang lebih cepat untuk membaca dan menulis item, sehingga menjadi pilihan yang lebih nyaman dan efisien.
<br><br>
Dalam kursus Pengenalan NumPy ini, Anda akan menjadi ahli dalam mengelola objek inti NumPy: array! Menggunakan data sensus pohon Kota New York, Anda akan membuat, mengurutkan, menyaring, dan memperbarui array. Anda akan mengetahui mengapa NumPy begitu efisien dan menggunakan broadcasting dan vectorization untuk membuat kode NumPy Anda menjadi lebih cepat. 
<br><br>
<h2>Dapatkan kepercayaan diri dengan berlatih menggunakan dataset Monet.</h2>
Pada bab terakhir, Anda akan menggunakan pengetahuan baru yang telah Anda peroleh untuk melakukan transformasi array. Anda akan menggunakan array gambar 3D untuk mengubah lukisan Claude Monet dan memahami mengapa perubahan array semacam itu merupakan alat yang esensial dalam pembelajaran mesin.
<br><br>
Anda akan memperoleh kepercayaan diri dalam menggunakan array Numpy dan berbagai operasinya setelah menyelesaikan kursus ini. Kursus ini merupakan bagian dari program Data Scientist dengan Python dan sangat cocok bagi mereka yang ingin mendapatkan sertifikasi Data Science melalui DataCamp.

Intermediate Python

Kenali paket data sains Python yang populer, NumPy. Dalam 4 jam, buat, urutkan, saring, dan perbarui array.

Pengantar NumPy

Kuasai keterampilan Anda dalam NumPy dengan belajar cara membuat, mengurutkan, menyaring, dan memperbarui array menggunakan sensus pohon di NYC.

Manipulasi Data  dalam Python

Kompatibel atau tidak?

Pengantar NumPy

Latihan interaktif praktis