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.

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

Opções

Um tipo de dado string

Um tipo de dado inteiro

Um tipo de dado float

Antecipando tipos de dados

Um jogo de sudoku menor

Entendendo os arrays do NumPy

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.

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 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.

Resumindo dados

Totais de vendas

Plotando médias

Vendas cumulativas

Operações vetorizadas

Cálculos de imposto

Projetando vendas

Vetorizar .upper()

Broadcasting

Broadcasting ou não?

Broadcasting entre colunas

Broadcasting nas linhas

Matemática com arrays!

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.

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 em 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: arrays! Usando dados do censo de árvores 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 com NumPy ainda mais rápido. Ao final do curso, você estará usando arrays 3D para alterar uma pintura de Claude Monet e vai entender por que essas alterações em arrays são ferramentas essenciais para Machine Learning.

Os vídeos contêm transcrições ao vivo que você pode revelar clicando em "Show transcript" no canto inferior esquerdo dos vídeos.

O glossário do curso pode ser encontrado à direita, na seção de recursos.

Para obter créditos de CPE, você precisa concluir o curso e alcançar uma pontuação de 70% na avaliação qualificada. Você pode acessar a avaliação clicando no destaque de créditos de CPE à direita.

<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

`np.array([9, 1.12, True]).astype("<U5")`

`np.array([34.62, 70.13, 9]).astype(np.int64)`

Antecipando tipos de dados

Introdução ao NumPy

exercicio interativo prático