Carregando arquivos .npy

Os exercícios deste capítulo usarão um array do NumPy que guarda uma imagem no formato RGB. Qual imagem? Você terá que carregar o array do arquivo mystery_image.npy para descobrir!

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

Este exercicio faz parte do curso

Introdução ao NumPy

Ver curso

Instruções do exercicio

Carregue o arquivo mystery_image.npy usando o alias f, salvando o conteúdo em um array chamado rgb_array.

exercicio interativo prático

Tente este exercicio completando este código de exemplo.

# Load the mystery_image.npy file 
____

plt.imshow(rgb_array)
plt.show()

Editar e Executar Código

Este exercicio faz parte do curso

Introdução ao NumPy

InicianteNível de habilidade

4.8+

1425 reviews

Comece o curso gratuitamente

Conheça o incrível array do NumPy! Aprenda a criar e alterar formatos 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.

Exercise 1: Apresentando arrays Exercise 2: Seu primeiro array do NumPy Exercise 3: Criando arrays do zero Exercise 4: Um array de intervalo Exercise 5: Dimensionalidade de arrays Exercise 6: Criação de array 3D Exercise 7: A quarta dimensão Exercise 8: Achatar e remodelar Exercise 9: Tipos de dados do NumPy Exercise 10: O argumento dtype Exercise 11: Antecipando tipos de dados Exercise 12: Um jogo de sudoku menor

Aprimore suas habilidades de manipulação de dados com NumPy fatiando, filtrando e ordenando os dados do censo de árvores de Nova York. Crie novos arrays extraindo dados com base em condicionais e adicione ou remova dados em qualquer dimensão conforme o seu objetivo. No caminho, você vai aprender os princípios de compatibilidade de formato e dimensão para se preparar para fazer contas super-rápidas com arrays.

Exercise 1: Indexação e fatiamento de arrays Exercise 2: Fatiando e indexando árvores Exercise 3: Avançando para 2D Exercise 4: Ordenando árvores Exercise 5: Filtrando arrays Exercise 6: Filtrando com máscaras Exercise 7: Indexação avançada vs. np.where()Exercise 8: Criando arrays a partir de condições Exercise 9: Adicionando e removendo dados Exercise 10: Compatíveis ou não?Exercise 11: Adicionando linhas Exercise 12: Adicionando colunas Exercise 13: Excluindo com np.delete()

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

Exercise 1: Resumindo dados Exercise 2: Totais de vendas Exercise 3: Plotando médias Exercise 4: Vendas cumulativas Exercise 5: Operações vetorizadas Exercise 6: Cálculos de imposto Exercise 7: Projetando vendas Exercise 8: Vetorizar .upper()Exercise 9: Broadcasting Exercise 10: Broadcasting ou não?Exercise 11: Broadcasting entre colunas Exercise 12: Broadcasting nas linhas

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

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

Exercicio Atual

Exercise 3: Obtendo ajuda Exercise 4: Atualizar e salvar Exercise 5: Acrobacias com arrays Exercise 6: Aumentando o Monet Exercise 7: Transpondo sua obra-prima Exercise 8: Empilhando e dividindo Exercise 9: Dividir e empilhar em 2D Exercise 10: Dividindo dados RGB Exercise 11: Empilhando dados RGB Exercise 12: Parabéns!