Poznaj tablice NumPy! Dowiedz się, jak je tworzyć i zmieniać ich kształt zgodnie z potrzebami. Odkryj liczne typy danych obsługiwane przez NumPy i sprawdź, jak przekładają się one na szybkość operacji na tablicach.

Wprowadzenie do tablic

Twoja pierwsza tablica NumPy

Tworzenie tablic od podstaw

Tablica z zakresem wartości

Wymiarowość tablic

Tworzenie tablicy 3D

Czwarty wymiar

Spłaszczanie i zmiana kształtu

Typy danych w NumPy

Argument dtype

Przewidywanie typów danych

Mniejsza gra w sudoku

Wprowadzenie do tablic NumPy

Rozwiń umiejętności pracy z danymi w NumPy – wycinaj fragmenty, filtruj i sortuj dane ze spisu drzew Nowego Jorku. Twórz nowe tablice na podstawie warunków logicznych, a także dodawaj i usuwaj dane wzdłuż dowolnego wymiaru. Po drodze poznasz zasady zgodności kształtów i wymiarów, które przygotują cię do błyskawicznych operacji matematycznych na tablicach.

Indeksowanie i wycinanie tablic

Wycinanie i indeksowanie drzew

Wkraczamy w 2D

Sortowanie drzew

Filtrowanie tablic

Filtrowanie za pomocą masek

Fancy indexing a np.where()

Tworzenie tablic na podstawie warunków

Dodawanie i usuwanie danych

Opcje

Zgodne wzdłuż pierwszej osi

Zgodne wzdłuż drugiej osi

Niezgodne

Zgodne czy nie?

Dodawanie wierszy

Dodawanie kolumn

Usuwanie danych za pomocą np.delete()

Wybieranie i aktualizowanie danych

Wykorzystaj szybkie operacje wektorowe NumPy do analizy danych sprzedażowych sklepów monopolowych, restauracji i domów towarowych w Stanach Zjednoczonych. Naucz się wektoryzować funkcje Pythona, aby używać ich w kodzie NumPy. Na koniec zastosuj logikę broadcastingu do wykonywania operacji matematycznych na tablicach o różnych rozmiarach.

Podsumowywanie danych

Sumy sprzedaży

Wizualizacja średnich

Skumulowana sprzedaż

Operacje wektorowe

Obliczenia podatkowe

Prognozowanie sprzedaży

Wektoryzacja metody .upper()

Broadcasting

Możliwe rozgłaszanie czy nie?

Rozgłaszanie wzdłuż kolumn

Rozgłaszanie wzdłuż wierszy

Matematyka na tablicach!

W tym ostatnim rozdziale NumPy wkracza do świata sztuki – na podstawie danych obrazu jednego z arcydzieł Moneta zbadasz, jak można przekształcać dane graficzne. Skorzystasz z operacji odbijania i transponowania, aby szybko zmodyfikować obraz. Następnie rozłożysz tablicę Moneta na części, wprowadzisz zmiany i złożysz ją z powrotem za pomocą łączenia tablic, by zobaczyć efekty.

Zapisywanie i wczytywanie tablic

Wczytywanie plików .npy

Szukanie pomocy

Aktualizacja i zapis

Akrobacje z tablicami

Augmentowanie Moneta

Transponowanie twojego arcydzieła

Składanie i dzielenie tablic

Podział i łączenie tablic 2D

Podział danych RGB

Łączenie danych RGB

Gratulacje!

Przekształcanie tablic

Course Glossary

Monet RGB Array

Monthly Sales Array

Tree Census Array

Sudoku Solution Array

Sudoku Game Array

NumPy to niezbędna biblioteka Pythona. TensorFlow i scikit-learn przyjmują tablice NumPy jako dane wejściowe, a pandas i Matplotlib są zbudowane na bazie NumPy. W kursie „Wprowadzenie do NumPy" opanujesz obsługę kluczowego obiektu tej biblioteki – tablic! Korzystając z danych ze spisu drzew w Nowym Jorku, nauczysz się tworzyć, sortować, filtrować i aktualizować tablice. Przekonasz się, dlaczego NumPy jest tak wydajne, oraz wykorzystasz broadcasting i wektoryzację, aby przyspieszyć swój kod. Pod koniec kursu będziesz używać tablic 3D do modyfikowania obrazu Claude'a Moneta i zrozumiesz, dlaczego takie operacje na tablicach są kluczowymi narzędziami w uczeniu maszynowym.

Filmy zawierają transkrypcje na żywo – możesz je wyświetlić, klikając „Show transcript" w lewym dolnym rogu odtwarzacza.

Glosariusz kursu znajdziesz po prawej stronie, w sekcji zasobów.

Aby uzyskać punkty CPE, musisz ukończyć kurs i zdobyć co najmniej 70% punktów w kwalifikowanym teście. Przejdź do testu, klikając informację o punktach CPE po prawej stronie.

<h2>Poznaj pakiet Data Science w Pythonie: NumPy</h2>
Poznaj podstawy Numpy i dowiedz się, dlaczego ta biblioteka Pythona jest niezbędna dla wszystkich data scientistów i analityków pracujących w Pythonie. Przede wszystkim dowiedz się więcej o tablicach Numpy oraz o tym, jak tworzyć i zmieniać kształty tablic, aby dopasować je do swoich potrzeb. 
<br><br>
<h2>Odkryj tablice NumPy</h2>
NumPy to niezbędna biblioteka Pythona dla data scientistów i analityków. Stanowi świetną alternatywę dla list w Pythonie, ponieważ są bardziej kompaktowe i umożliwiają szybszy dostęp do odczytu i zapisu elementów, co czyni je wygodniejszą i bardziej efektywną opcją.
<br><br>
W tym kursie Wprowadzenie do NumPy zostaniesz mistrzem pracy z kluczowym obiektem NumPy: tablicami! Korzystając z danych spisu drzew Nowego Jorku, będziesz tworzyć, sortować, filtrować i aktualizować tablice. Odkryjesz, dlaczego NumPy jest tak wydajne, i wykorzystasz broadcasting oraz wektoryzację, aby jeszcze bardziej przyspieszyć swój kod NumPy. 
<br><br>
<h2>Zyskaj pewność siebie, ćwicząc na zbiorze danych Monet</h2>
Do ostatniego rozdziału wykorzystasz nowo zdobytą wiedzę do wykonywania transformacji tablic. Będziesz używać trójwymiarowych tablic obrazu, aby zmodyfikować obraz Claude’a Moneta i zrozumieć, dlaczego takie modyfikacje tablic są niezbędnymi narzędziami w uczeniu maszynowym.
<br><br>
Po ukończeniu kursu zyskasz pewność w pracy z tablicami Numpy i ich różnymi operacjami. Ten kurs jest częścią ścieżki Data Scientist with Python i jest idealny dla osób poszukujących certyfikatu Data Science z DataCamp.

Intermediate Python

Poznaj popularny pakiet NumPy. W 4 godziny stworzysz, posortujesz i zaktualizujesz tablice drzew NYC.

Wprowadzenie do NumPy

Opanuj NumPy, ucząc się tworzyć, sortować, filtrować i aktualizować tablice na podstawie spisu drzew NYC.

Manipulacja danymi  w Pythonie

Zgodne czy nie?

Wprowadzenie do NumPy

Interaktywne ćwiczenie praktyczne