Incontra l’incredibile array di NumPy! Impara a creare array e a modificarne le forme in base alle tue esigenze. Infine, scopri i numerosi tipi di dato di NumPy e come contribuiscono a operazioni sugli array rapidissime.

Introduzione agli array

Il tuo primo array NumPy

Creare array da zero

Un array di intervallo

Dimensionalità degli array

Creazione di un array 3D

La quarta dimensione

Appiattire e rimodellare

Tipi di dati in NumPy

L'argomento dtype

Prevedere i tipi di dato

Un sudoku più leggero

Comprendere gli array NumPy

Affina le tue abilità di gestione dei dati con NumPy eseguendo slicing, filtro e ordinamento sui dati del censimento degli alberi di New York City. Crea nuovi array estraendo dati in base a condizioni e aggiungi o rimuovi dati lungo qualsiasi dimensione in base alle tue necessità. Lungo il percorso imparerai i principi di compatibilità di forma e dimensione per prepararti a una matematica sugli array super veloce.

Indicizzazione e slicing degli array

Slicing e indicizzazione degli alberi

Passare al 2D

Ordinare gli alberi

Filtrare gli array

Filtrare con maschere

Indicizzazione avanzata vs. np.where()

Creare array a partire da condizioni

Aggiungere e rimuovere dati

Opzioni

Compatibili lungo il primo asse

Compatibili lungo il secondo asse

Non compatibili

Compatibili o no?

Aggiungere righe

Aggiungere colonne

Eliminare con np.delete()

Selezione e aggiornamento dei dati

Sfrutta le operazioni vettorializzate e veloci di NumPy per ricavare informazioni di sintesi sui dati di vendita di negozi di liquori, ristoranti e grandi magazzini statunitensi. Vettorializza funzioni Python da usare nel tuo codice NumPy. Infine, applica il broadcasting per eseguire operazioni matematiche tra array di dimensioni diverse.

Riassumere i dati

Totali delle vendite

Rappresentare le medie

Vendite cumulative

Operazioni vettorializzate

Calcoli delle tasse

Proiezione delle vendite

Vettorizzare .upper()

Broadcasting

Broadcasting o no?

Broadcasting tra colonne

Broadcasting per righe

Matematica con gli array!

NumPy incontra il mondo dell’arte in questo capitolo finale: useremo i dati di un capolavoro di Monet per esplorare come si possono aumentare e trasformare i dati di immagine. Userai ribaltamento e trasposizione per trasformare rapidamente il nostro capolavoro. Poi smonterai l’array di Monet, apporterai modifiche e lo ricostruirai usando lo stacking di array per vedere i risultati.

Salvare e caricare array

Caricare file .npy

Chiedere aiuto

Aggiorna e salva

Acrobazie con gli array

Aumentare Monet

Trasponi il tuo capolavoro

Stacking e splitting

Suddividere e impilare in 2D

Suddividere i dati RGB

Impilare i dati RGB

Complimenti!

Trasformazioni degli array

Monet RGB Array

Tree Census Array

Monthly Sales Array

Sudoku Game Array

Sudoku Solution Array

Course Glossary

NumPy è una libreria Python fondamentale. TensorFlow e scikit-learn usano array NumPy come input, e pandas e Matplotlib sono costruite sopra NumPy. In questo corso di Introduzione a NumPy, diventerai un vero maestro nell'uso dell’oggetto principale di NumPy: gli array! Utilizzando i dati del censimento degli alberi di New York City, creerai, ordinerai, filtrerai e aggiornerai array. Scoprirai perché NumPy è così efficiente e userai broadcasting e vettorializzazione per rendere il tuo codice NumPy ancora più veloce. Alla fine del corso, userai array 3D per modificare un dipinto di Claude Monet e capirai perché queste trasformazioni degli array sono strumenti essenziali per il Machine Learning.

I video includono trascrizioni dal vivo che puoi visualizzare cliccando su "Show transcript" in basso a sinistra nei video.

Il glossario del corso si trova a destra nella sezione delle risorse.

Per ottenere i crediti CPE devi completare il corso e raggiungere un punteggio del 70% nella valutazione qualificata. Puoi accedere alla valutazione cliccando sul riquadro dei crediti CPE sulla destra.

<h2>Dai un'occhiata al pacchetto Data Science di Python: NumPy</h2>
Scopri cos'è Numpy e perché questa libreria Python è fondamentale per tutti i data scientist e gli analisti che usano Python. La cosa più importante è capire meglio gli array Numpy e come crearli e cambiarne la forma in base a quello che ti serve. 
<br><br>
<h2>Scopri gli array NumPy</h2>
NumPy è una libreria Python fondamentale per chi lavora con i dati e fa analisi. È un'ottima alternativa alle liste Python, perché sono più compatte e ti permettono di leggere e scrivere gli elementi più velocemente, rendendole un'opzione più comoda ed efficiente.
<br><br>
In questo corso introduttivo a NumPy, diventerai un esperto nell'uso dell'oggetto principale di NumPy: gli array! Usando i dati del censimento degli alberi di New York City, creerai, ordinerai, filtrerai e aggiornerai gli array. Scoprirai perché NumPy è così efficiente e userai la trasmissione e la vettorizzazione per rendere il tuo codice NumPy ancora più veloce. 
<br><br>
<h2>Acquisisci sicurezza esercitandoti sul set di dati Monet</h2>
Nell'ultimo capitolo userai le nuove conoscenze per fare trasformazioni di array. Userai array di immagini 3D per modificare un dipinto di Claude Monet e capire perché queste modifiche agli array sono strumenti essenziali per l'apprendimento automatico.
<br><br>
Finito il corso, avrai una maggiore sicurezza nell'uso degli array Numpy e delle loro diverse operazioni. Questo corso fa parte del percorso Data Scientist con Python ed è perfetto per chi vuole ottenere una certificazione in Data Science con DataCamp.

Intermediate Python

Scopri il popolare pacchetto di data science Python: NumPy. In 4 ore creerai, ordinerai e aggiornerai array.

Introduzione a NumPy

Diventa un esperto di NumPy imparando a creare, ordinare, filtrare e aggiornare gli array usando il censimento degli alberi di New York City.

Manipolazione dei dati  in Python

Compatibili o no?

Introduzione a NumPy

esercizio interattivo pratico