Conheça o incrível array do NumPy! Aprenda a criar e a mudar formatos (shapes) de arrays para atender às suas necessidades. Por fim, descubra os vários tipos de dados do NumPy e como eles contribuem para operações rápidas com arrays.

Apresentando arrays

Seu primeiro array do NumPy

Criando arrays do zero

Um array de intervalo

Dimensionalidade de arrays

Criação de array 3D

A quarta dimensão

Achatar e remodelar

Tipos de dados do NumPy

O argumento dtype

Antecipando tipos de dados

Um jogo de sudoku menor

Entendendo arrays do NumPy

Aprimore suas habilidades de manipulação de dados no NumPy fatiando, filtrando e ordenando os dados do censo de árvores de Nova York. Crie novos arrays selecionando dados com base em condições e adicione ou remova dados em qualquer dimensão para atender ao seu objetivo. Ao longo do caminho, você vai aprender os princípios de compatibilidade de shape e dimensão para se preparar para contas super-rápidas com arrays.

Indexação e fatiamento de arrays

Fatiando e indexando árvores

Avançando para 2D

Ordenando árvores

Filtrando arrays

Filtrando com máscaras

Indexação avançada vs. np.where()

Criando arrays a partir de condições

Adicionando e removendo dados

Compatíveis ou não?

Adicionando linhas

Adicionando colunas

Excluindo com np.delete()

Selecionando e atualizando dados

Aproveite as operações vetorizadas e rápidas do NumPy para obter insights resumidos sobre dados de vendas de lojas de bebidas, restaurantes e lojas de departamento americanas. Vetorize funções do Python para usar no seu código NumPy. Por fim, use a lógica de broadcasting para realizar operações matemáticas entre arrays de tamanhos diferentes.

Resumindo dados

Totais de vendas

Plotando médias

Vendas cumulativas

Operações vetorizadas

Cálculos de imposto

Projetando vendas

Vetorizar .upper()

Broadcasting

Opções

Compatível com broadcasting

Não compatível com broadcasting

Broadcasting ou não?

Broadcasting entre colunas

Broadcasting nas linhas

Matemática com arrays!

NumPy encontra o mundo da arte neste capítulo final, usando dados de imagem de uma obra-prima de Monet para explorar como você pode aumentar dados de imagem. Você vai usar funcionalidades de espelhamento (flip) e transposição para transformar rapidamente nossa obra. Em seguida, você vai desmontar o array do Monet, fazer alterações e reconstruí-lo usando empilhamento de arrays para ver os resultados.

Salvando e carregando arrays

Carregando arquivos .npy

Obtendo ajuda

Atualizar e salvar

Acrobacias com arrays

Aumentando o Monet

Transpondo sua obra-prima

Empilhando e dividindo

Dividir e empilhar em 2D

Dividindo dados RGB

Empilhando dados RGB

Parabéns!

Transformações de arrays

Monet RGB Array

Tree Census Array

Monthly Sales Array

Sudoku Game Array

Sudoku Solution Array

Course Glossary

NumPy é uma biblioteca essencial do Python. TensorFlow e scikit-learn usam arrays do NumPy como entrada, e pandas e Matplotlib são construídos sobre o NumPy. Neste curso de Introdução ao NumPy, você vai dominar o principal objeto do NumPy: os arrays! Usando dados do censo de árvores da cidade de Nova York, você vai criar, ordenar, filtrar e atualizar arrays. Você vai descobrir por que o NumPy é tão eficiente e usar broadcasting e vetorização para deixar seu código NumPy ainda mais rápido. Ao final do curso, você usará arrays 3D para alterar uma pintura de Claude Monet e entenderá por que essas transformações em arrays são ferramentas essenciais para Machine Learning.

<h2>Explore o pacote de ciência de dados do Python: NumPy</h2>
Você terá uma introdução ao Numpy e entenderá por que essa biblioteca Python é essencial para todos os cientistas e analistas de dados Python. O mais importante é que você saiba mais sobre as matrizes Numpy e como criar e alterar as formas das matrizes para atender às suas necessidades. 
<br><br>
<h2>Descubra as matrizes do NumPy</h2>
O NumPy é uma biblioteca Python essencial para cientistas e analistas de dados. Ele oferece uma ótima alternativa às listas do Python, pois são mais compactas e permitem acesso mais rápido à leitura e gravação de itens, o que as torna uma opção mais conveniente e eficiente.
<br><br>
Neste curso de Introdução ao NumPy, você se tornará um mestre em lidar com o objeto central do NumPy: matrizes! Usando os dados do censo de árvores da cidade de Nova York, você criará, classificará, filtrará e atualizará matrizes. Você descobrirá por que o NumPy é tão eficiente e usará a transmissão e a vetorização para tornar seu código NumPy ainda mais rápido. 
<br><br>
<h2>Ganhe confiança praticando no conjunto de dados Monet</h2>
No último capítulo, você usará o conhecimento recém-adquirido para realizar transformações de matriz. Você usará matrizes 3D de imagem para alterar uma pintura de Claude Monet e entenderá por que essas alterações de matriz são ferramentas essenciais para o aprendizado de máquina.
<br><br>
Você ganhará confiança nas matrizes Numpy e em suas diferentes operações após a conclusão do curso. Este curso faz parte do curso Cientista de dados com Python e é perfeito para quem busca uma certificação em ciência de dados com a DataCamp.

Intermediate Python

Conheça o popular pacote de ciência de dados do Python, NumPy. Em 4 horas, crie, ordene e filtre arrays.

Introdução ao NumPy

Domine suas habilidades em NumPy aprendendo a criar, classificar, filtrar e atualizar matrizes usando o censo de árvores de NYC.

Manipulação de dados  Em Python

Broadcasting ou não?

Introdução ao NumPy

Exercício interativo prático