Tráfego de bicicletas ao longo da semana

Em 2012, a cidade de Seattle instalou medidores para contar as bicicletas que cruzavam a Ponte Fremont, uma via importante para ciclistas que vão dos bairros ao norte ao centro de Seattle.

Um array 2D do NumPy chamado bike_traffic está carregado e contém o número médio de ciclistas contabilizados cruzando a Ponte Fremont em cada hora do dia para cada dia da semana, de out/2012 até meados de jun/2018.

Cada coluna é um dia da semana, começando na segunda-feira.
Cada linha é uma hora do dia, começando do período de 0h-1h.

Não se esqueça de que a indexação em Python é um pouco diferente do MATLAB:

A indexação em Python começa em 0, não em 1
Em Python, você pode usar índices negativos: -1 é equivalente ao end do MATLAB

Este exercício faz parte do curso

Python para usuários de MATLAB

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# Print the shape of bike traffic
print(bike_traffic.____)

Editar e executar o código

Este exercício faz parte do curso

Python para usuários de MATLAB

InicianteNível de habilidade

4.8+

Iniciar curso de graça

Este capítulo ajuda você a começar a migrar do MATLAB para o Python. Você vai conhecer algumas semelhanças e diferenças entre MATLAB e Python, como usar métodos e pacotes e terá uma introdução ao popular pacote NumPy.

Exercise 1: Bem-vindo ao Python!Exercise 2: Cálculos básicos Exercise 3: Projetando um investimento Exercise 4: Tipos de variáveis Exercise 5: Métodos e pacotes Exercise 6: Manipulando strings com métodos Exercise 7: Usando pacotes do Python Exercise 8: Arrays e gráficos Exercise 9: Começando com arrays do NumPy Exercise 10: Plotando o tráfego de bicicletas Exercise 11: O que prevê a longevidade dos animais?

Neste capítulo, você vai avançar no seu conhecimento de NumPy. Você vai se aprofundar em arrays do NumPy, o análogo em Python às matrizes, realizando operações matemáticas e indexação. Você também começará a explorar outra estrutura de dados importante do Python, a lista, e vai fechar o capítulo criando gráficos personalizados dos seus arrays usando o Matplotlib.

Exercise 1: Mergulhando nos arrays do NumPy Exercise 2: Previsão ao longo do tempo Exercise 3: Quanto mais caros são os abacates orgânicos?Exercise 4: Indexando arrays do NumPy Exercise 5: Obtendo colunas de arrays do NumPy Exercise 6: Tráfego de bicicletas ao longo da semana

Exercício atual

Exercise 7: Filtrando arrays com indexação Booleana Exercise 8: Listas Exercise 9: Explorando listas Exercise 10: Criando arrays do NumPy a partir de listas Exercise 11: Operando em listas e arrays Exercise 12: Personalizando gráficos Exercise 13: Cores, estilos de linha e legendas Exercise 14: Codificando dados em cor e tamanho Exercise 15: Determine tipos de motor em colisões com fauna

Este capítulo apresenta algumas estruturas de dados poderosas do Python: o dicionário e o DataFrame do pandas. Você vai aprender a criar dicionários definindo pares chave-valor e, em seguida, como visualizar e modificar seu dicionário. Depois, será apresentado a um dos pacotes mais importantes na caixa de ferramentas do Pythonista, o pandas. Especificamente, você vai focar na estrutura do pandas, o DataFrame, que organiza dados tabulares de forma facilmente acessível. Por fim, você vai aprender a transformar diferentes tipos de dados em DataFrames para facilitar o trabalho com seus dados.

Exercise 1: Dicionários Exercise 2: Quais chaves?Exercise 3: Obter dados Exercise 4: Modificando dicionários Exercise 5: Introdução aos DataFrames Exercise 6: Explore um DataFrame do pandas Exercise 7: Plotar dados de um DataFrame Exercise 8: Acessando DataFrames do pandas Exercise 9: Acessando linhas e colunas Exercise 10: Os muitos sabores de .iloc Exercise 11: Criando DataFrames do pandas Exercise 12: A partir de um arquivo CSV Exercise 13: A partir de um dicionário de listas Exercise 14: A partir de uma lista de dicionários

Você vai encerrar o curso controlando o fluxo do seu código em Python. Vai aprender a percorrer diferentes estruturas de dados do Python usando laços for. Também vai aprender sobre condicionais em Python usando if, else e elif, além dos operadores de comparação (maior que, menor que, etc.) que decidem quais linhas do seu código serão executadas. Por fim, vamos retomar os arrays do NumPy usando operadores de comparação do Python para filtrar seus arrays.

Exercise 1: Percorrendo dados com loops Exercise 2: Percorrendo listas com loop Exercise 3: Sobrepondo vários gráficos em uma figura Exercise 4: Comparações e controle de fluxo Exercise 5: Contando diferentes tipos de aeronaves Exercise 6: Encontrando determinadas linhas em um DataFrame Exercise 7: Filtrando dados Exercise 8: Indexação booleana para estatísticas rápidas Exercise 9: Booleans em ação!Exercise 10: Indexação booleana e diversão com Matplotlib Exercise 11: Muito bem!