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.

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()

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 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 pratico interattivo