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.

Arrays opslaan en laden

NPY-bestanden laden

Hulp vragen

Bijwerken en opslaan

Array-acrobatiek

Monet uitbreiden

Je meesterwerk transponeren

Stappelen en splitsen

2D splits en stacks

RGB-gegevens splitsen

RGB-gegevens stapelen

Gefeliciteerd!

Array Transformations

Monet RGB Array

Tree Census Array

Monthly Sales Array

Sudoku Game Array

Sudoku Solution Array

Course Glossary

NumPy is een essentiële Python-bibliotheek. TensorFlow en scikit-learn gebruiken NumPy-arrays als invoer, en pandas en Matplotlib zijn bovenop NumPy gebouwd. In deze cursus Introductie tot NumPy leer je werken met NumPy’s kernobject: arrays! Met gegevens uit de boomtelling van New York City ga je arrays maken, sorteren, filteren en bijwerken. Je ontdekt waarom NumPy zo efficiënt is en gebruikt broadcasting en vectorization om je NumPy-code nog sneller te maken. Aan het einde van de cursus gebruik je 3D-arrays om een schilderij van Claude Monet te bewerken, en begrijp je waarom zulke array-bewerkingen onmisbare tools zijn voor Machine Learning.

De video's bevatten live-transcripties die je kunt tonen door linksonder in de video op "Show transcript" te klikken.

De verklarende woordenlijst van de cursus vind je rechts bij de bronnen.

Om CPE-credits te behalen, moet je de cursus afronden en minimaal 70% scoren op de gekwalificeerde toets. Je kunt naar de toets navigeren door rechts op de CPE-credits-callout te klikken.

<h2>Check het Data Science-pakket van Python eens uit: NumPy</h2>
Maak kennis met Numpy en ontdek waarom deze Python-bibliotheek zo belangrijk is voor alle Python-datawetenschappers en -analisten. Het belangrijkste is dat je meer leert over Numpy-arrays en hoe je arrayvormen kunt maken en aanpassen aan wat je nodig hebt. 
<br><br>
<h2>Ontdek NumPy-arrays</h2>
NumPy is een superhandige Python-bibliotheek voor datawetenschappers en analisten. Het is een super alternatief voor Python-lijsten, omdat ze compacter zijn en je sneller dingen kunt lezen en schrijven, waardoor ze handiger en efficiënter zijn.
<br><br>
In deze cursus Introductie tot NumPy word je een expert in het omgaan met het belangrijkste object van NumPy: arrays! Met behulp van de boomtellinggegevens van New York City ga je arrays maken, sorteren, filteren en bijwerken. Je gaat ontdekken waarom NumPy zo efficiënt is en hoe je broadcasting en vectorisatie kunt gebruiken om je NumPy-code nog sneller te maken. 
<br><br>
<h2>Krijg meer zelfvertrouwen door te oefenen met de Monet-dataset</h2>
In het laatste hoofdstuk ga je je nieuwe kennis gebruiken om array-transformaties uit te voeren. Je gaat 3D-beeldarrays gebruiken om een schilderij van Claude Monet aan te passen en te snappen waarom zulke array-aanpassingen belangrijke tools zijn voor machine learning.
<br><br>
Na afloop van de cursus heb je meer vertrouwen in Numpy-arrays en de verschillende bewerkingen die je ermee kunt doen. Deze cursus hoort bij de opleiding Data Scientist met Python en is ideaal voor mensen die een Data Science-certificaat willen halen bij DataCamp.

Intermediate Python

Leer NumPy kennen, een populair datawetenschapspakket. Maak, sorteer en filter arrays in 4 uur.

Introductie tot NumPy

Word een expert in NumPy door te leren hoe je arrays kunt maken, sorteren, filteren en bijwerken met behulp van de boomtelling van NYC.

Gegevensmanipulatie  in Python

Hulp vragen

Introductie tot NumPy

Oefeninstructies

Praktische interactieve oefening