Kenali array NumPy yang luar biasa! Pelajari cara membuat dan mengubah bentuk array sesuai kebutuhan Anda. Terakhir, temukan beragam tipe data NumPy dan bagaimana tipe tersebut berkontribusi pada operasi array yang cepat.

Mengenal array

Array NumPy pertama Anda

Membuat array dari awal

Array rentang

Dimensi array

Pembuatan array 3D

Dimensi keempat

Meratakan dan mengubah bentuk

Tipe data NumPy

Argumen dtype

Opsi

Tipe data string

Tipe data integer

Tipe data float

Menantisipasi tipe data

Gim sudoku yang lebih kecil

Memahami Array NumPy

Pertajam keterampilan pengelolaan data NumPy Anda dengan slicing, filtering, dan sorting data sensus pohon Kota New York. Buat array baru dengan mengambil data berdasarkan pernyataan kondisional, serta tambahkan dan hapus data pada dimensi mana pun sesuai tujuan Anda. Sepanjang proses, Anda akan mempelajari prinsip kompatibilitas bentuk dan dimensi sebagai persiapan untuk operasi matematika array yang sangat cepat.

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

Kompatibel atau tidak?

Menambahkan baris

Menambahkan kolom

Menghapus dengan np.delete()

Memilih dan Memperbarui Data

Manfaatkan operasi vektorisasi NumPy yang cepat untuk mendapatkan ringkasan wawasan atas data penjualan toko minuman keras, restoran, dan department store di Amerika. Vektorisasi fungsi Python untuk digunakan dalam kode NumPy Anda. Terakhir, gunakan logika broadcasting untuk melakukan operasi matematika antara array dengan ukuran berbeda.

Meringkas data

Total penjualan

Memplot rata-rata

Penjualan kumulatif

Operasi tervektorisasi

Perhitungan pajak

Memproyeksikan penjualan

Memvektorisasi .upper()

Broadcasting

Bisa dibroadcast atau tidak?

Broadcasting lintas kolom

Broadcasting antarbaris

Matematika Array!

NumPy bertemu dunia seni pada bab terakhir ini saat kita menggunakan data gambar dari sebuah mahakarya Monet untuk mengeksplorasi cara Anda dapat melakukan augmentasi data gambar. Anda akan menggunakan fungsi flipping dan transposing untuk dengan cepat mentransformasi mahakarya kita. Selanjutnya, Anda akan membongkar array Monet, melakukan perubahan, dan menyusunnya kembali menggunakan penumpukan array untuk melihat hasilnya.

Menyimpan dan memuat array

Memuat berkas .npy

Mendapatkan bantuan

Perbarui dan simpan

Akrobat array

Augmentasi Monet

Melakukan transpose pada mahakarya Anda

Stacking dan splitting

Pemisahan dan penumpukan 2D

Memisahkan data RGB

Menumpuk data RGB

Selamat!

Transformasi Array

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

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

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

Menantisipasi tipe data

Pengantar NumPy

Latihan interaktif langsung