Maak kennis met de geweldige NumPy-array! Leer hoe je arrays maakt en de vorm aanpast aan jouw behoeften. Ontdek tot slot de vele gegevenstypen in NumPy en hoe die bijdragen aan razendsnelle array-bewerkingen.

Kennismaken met arrays

Je eerste NumPy-array

Arrays helemaal zelf maken

Een reeks-array

Array-dimensionaliteit

3D-array maken

De vierde dimensie

Afvlakken en herstructureren

NumPy-datatypen

Het argument dtype

Opties

Een string-datatype

Een integer-datatype

Een float-datatype

Datatypes inschatten

Een kleiner sudokuspel

NumPy-arrays begrijpen

Scherp je NumPy-vaardigheden aan door de boomtelgegevens van New York City te slicen, filteren en sorteren. Maak nieuwe arrays door gegevens op te halen op basis van voorwaarden, en voeg gegevens toe of verwijder ze langs elke dimensie zodat ze bij je doel passen. Onderweg leer je de principes van vorm- en dimensiecompatibiliteit ter voorbereiding op supersnelle array-wiskunde.

Indexeren en slicen van arrays

Slicen en indexeren van bomen

Stap voor stap in 2D

Bomen sorteren

Arrays filteren

Filteren met maskers

Fancy indexing vs. np.where()

Arrays maken op basis van voorwaarden

Gegevens toevoegen en verwijderen

Compatibel of niet?

Rijen toevoegen

Kolommen toevoegen

Verwijderen met np.delete()

Gegevens selecteren en bijwerken

Gebruik de snelle, gevectoriseerde bewerkingen van NumPy om samenvattende inzichten te krijgen in verkoopgegevens van Amerikaanse slijterijen, restaurants en warenhuizen. Vectoriseer Python-functies voor gebruik in je NumPy-code. Gebruik tot slot broadcastlogica om wiskundige bewerkingen uit te voeren tussen arrays van verschillende grootte.

Gegevens samenvatten

Totale verkoop

Gemiddelden plotten

Cumulatieve verkoop

Gevectoriseerde bewerkingen

Belastingberekeningen

Verkoop prognosticeren

Vectoriseren van .upper()

Broadcasting

Broadcastable of niet?

Broadcasten over kolommen

Broadcasten over rijen

Rekenen met arrays!

In dit laatste hoofdstuk ontmoet NumPy de kunstwereld: we gebruiken beeldgegevens van een meesterwerk van Monet om te verkennen hoe je beelddata kunt vergroten en verrijken. Je gebruikt spiegelen en transponeren om ons meesterwerk snel te transformeren. Vervolgens haal je de Monet-array uit elkaar, breng je wijzigingen aan en bouw je hem weer op met array-stacking om het resultaat te zien.

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-transformaties

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

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

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

Datatypes inschatten

Introductie tot NumPy

Interactieve oefening met praktijkervaring