Carregando arquivos .npy

Os exercícios deste capítulo usarão uma matriz NumPy que contém uma imagem no formato RGB. Qual imagem? Você terá que carregar a matriz do arquivo mystery_image.npy para descobrir!

numpy é carregado como np, e mystery_image.npy está disponível.

Este exercício faz parte do curso

Introdução ao NumPy

Ver Curso

Instruções de exercício

Carregue o arquivo mystery_image.npy usando o alias f, salvando o conteúdo como uma matriz chamada rgb_array.

Exercício interativo prático

Experimente este exercício preenchendo este código de exemplo.

# Load the mystery_image.npy file 
____

plt.imshow(rgb_array)
plt.show()

Editar e executar código

Este exercício faz parte do curso

Introdução ao NumPy

InicianteNível de habilidade

4.8+

288 reviews

Iniciar curso gratuitamente

Conheça a incrível matriz NumPy! Saiba como criar e alterar formas de matriz para atender às suas necessidades. Por fim, descubra os vários tipos de dados do NumPy e como eles contribuem para acelerar as operações de matriz.

Exercise 1: Apresentando as matrizes Exercise 2: Sua primeira matriz NumPy Exercise 3: Criando matrizes do zero Exercise 4: Uma matriz de intervalo Exercise 5: Dimensão da matriz Exercise 6: Criação de matriz 3D Exercise 7: A quarta dimensão Exercise 8: Achatamento e remodelagem Exercise 9: Tipos de dados NumPy Exercise 10: O argumento dtype Exercise 11: Antecipação de tipos de dados Exercise 12: Um jogo de sudoku menor

Aprimore suas habilidades de manipulação de dados do NumPy cortando, filtrando e classificando os dados do censo de árvores da cidade de Nova York. Crie novas matrizes extraindo dados com base em instruções condicionais e adicione e remova dados ao longo de qualquer dimensão para atender ao que você deseja. Ao longo do caminho, você aprenderá os princípios de compatibilidade de forma e dimensão para se preparar para uma matemática de matriz super-rápida.

Exercise 1: Indexação e divisão de matrizes Exercise 2: Fatiamento e indexação de árvores Exercise 3: Entrando em 2D Exercise 4: Classificação de árvores Exercise 5: Filtragem de matrizes Exercise 6: Filtragem com máscaras Exercise 7: Indexação sofisticada vs. np.where()Exercise 8: Criando matrizes a partir de condições Exercise 9: Adicionar e remover dados Exercise 10: Você é compatível ou não?Exercise 11: Adicionando linhas Exercise 12: Adição de colunas Exercise 13: Excluindo com np.delete()

Aproveite as rápidas operações vetorizadas do NumPy para obter insights resumidos sobre os dados de vendas de lojas de bebidas, restaurantes e lojas de departamentos dos Estados Unidos. Vetorize funções Python para uso em seu código NumPy. Por fim, use a lógica de transmissão para realizar operações matemáticas entre matrizes de tamanhos diferentes.

Exercise 1: Resumir dados Exercise 2: Totais de vendas Exercise 3: Plotagem de médias Exercise 4: Vendas acumuladas Exercise 5: Operações vetorizadas Exercise 6: Cálculos de impostos Exercise 7: Projeção de vendas Exercise 8: Vetorização de .upper()Exercise 9: Transmissão Exercise 10: Você pode transmitir ou não?Exercise 11: Transmissão entre colunas Exercise 12: Transmissão entre linhas

O NumPy encontra o mundo da arte neste capítulo final, quando usamos dados de imagem de uma obra-prima de Monet para explorar como você pode usar para aumentar os dados de imagem. Você usará a funcionalidade de inversão e transposição para transformar rapidamente nossa obra-prima. Em seguida, você desmontará a matriz de Monet, fará alterações e a reconstruirá usando o empilhamento de matrizes para ver os resultados.

Exercise 1: Salvando e carregando matrizes Exercise 2: Carregando arquivos .npy

Exercício atual

Exercise 3: Obtendo ajuda Exercise 4: Atualizar e salvar Exercise 5: Acrobacias de matriz Exercise 6: Aumentando o Monet Exercise 7: Transpondo sua obra-prima Exercise 8: Empilhamento e divisão Exercise 9: Divisão e empilhamento 2D Exercise 10: Divisão de dados RGB Exercise 11: Empilhamento de dados RGB Exercise 12: Parabéns!