1. Apprendre
    2. /
  2. Cours
    3. /
  3. Introdução ao NumPy
  • 1

    Entendendo as matrizes NumPy

    Gratuit

    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

Exercice

Indexação sofisticada vs. np.where()

Você e sua equipe de pesquisa de árvores estão verificando novamente os dados da coleta visitando algumas árvores pessoalmente para confirmar as medidas. Você foi designado para verificar os dados das árvores no bloco 313879 e gostaria de criar uma pequena matriz apenas com os dados das árvores relacionados ao seu trabalho.

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.

Instructions 1/2

undefined XP
  • 1
    • Usando uma indexação sofisticada, crie uma matriz chamada block_313879 que contenha apenas dados de árvores com um bloco ID de 313879.
  • 2
    • Usando np.where(), crie uma matriz de row_indices para árvores com um bloco ID de 313879.
    • Usando o site row_indices, crie o site block_313879, que contém os dados das árvores no bloco 313879.