1. Aprender
    2. /
  2. Cursos
    3. /
  3. Introdução ao NumPy
  • 1

    Entendendo as matrizes NumPy

    Gratuito

    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.

  • 2

    Seleção e atualização de dados

    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.

  • 3

    Matemática de matriz!

    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.

  • 4

    Transformações de matriz

    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.

Initializing

Exercício

Filtragem com máscaras

Na última lição, você classificou as árvores da menor para a maior. Agora, você usará uma indexação sofisticada para retornar a linha de dados que representa a maior árvore em tree_census. Você também examinará outras árvores localizadas no mesmo quarteirão que a maior árvore: elas também são grandes?

numpy é carregado como np, e a matriz tree_census está disponível. Lembre-se de que as colunas tree_census referem-se, em ordem, ao ID de uma árvore, seu bloco ID, seu diâmetro de tronco e seu diâmetro de toco.

Instruções 1/3

undefined XP
    1
    2
    3
  • Usando a indexação booleana, crie uma matriz, largest_tree_data, que contém a linha de dados sobre a maior árvore em tree_census correspondente à árvore com um diâmetro de 51.