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.

Apresentando as matrizes

Sua primeira matriz NumPy

Criando matrizes do zero

Uma matriz de intervalo

Dimensão da matriz

Criação de matriz 3D

A quarta dimensão

Achatamento e remodelagem

Tipos de dados NumPy

O argumento dtype

Opções

Um tipo de dados de string

Um tipo de dados inteiro

Um tipo de dados float

Antecipação de tipos de dados

Um jogo de sudoku menor

Entendendo as matrizes NumPy

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.

Indexação e divisão de matrizes

Fatiamento e indexação de árvores

Entrando em 2D

Classificação de árvores

Filtragem de matrizes

Filtragem com máscaras

Indexação sofisticada vs. np.where()

Criando matrizes a partir de condições

Adicionar e remover dados

Você é compatível ou não?

Adicionando linhas

Adição de colunas

Excluindo com np.delete()

Seleção e atualização de dados

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.

Resumir dados

Totais de vendas

Plotagem de médias

Vendas acumuladas

Operações vetorizadas

Cálculos de impostos

Projeção de vendas

Vetorização de .upper()

Transmissão

Você pode transmitir ou não?

Transmissão entre colunas

Transmissão entre linhas

Matemática 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.

Salvando e carregando matrizes

Carregando arquivos .npy

Obtendo ajuda

Atualizar e salvar

Acrobacias de matriz

Aumentando o Monet

Transpondo sua obra-prima

Empilhamento e divisão

Divisão e empilhamento 2D

Divisão de dados RGB

Empilhamento de dados RGB

Parabéns!

Transformações de matriz

Monet RGB Array

Tree Census Array

Monthly Sales Array

Sudoku Game Array

Sudoku Solution Array

O NumPy é uma biblioteca essencial do Python. O TensorFlow e o scikit-learn usam matrizes NumPy como entradas, e o pandas e o Matplotlib foram desenvolvidos com base no NumPy. Neste curso de Introdução ao NumPy, você se tornará um mestre em lidar com o objeto central do NumPy: matrizes! Usando 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. Ao final do curso, você estará usando matrizes 3D para alterar uma pintura de Claude Monet e entenderá por que essas alterações de matriz são ferramentas essenciais para o aprendizado de máquina.

<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, ordenar, filtrar e atualizar arrays com 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)`

Antecipação de tipos de dados

Introdução ao NumPy

Exercício interativo prático