Извлечение столбцов из массивов NumPy

Какое из следующих выражений вернёт первые три столбца массива numpy с именем arr?

Это упражнение является частью курса

Python для пользователей MATLAB

Посмотреть курс

Практическое интерактивное упражнение

Превратите теорию в практику с помощью одного из наших интерактивных упражнений

Начать упражнение

Это упражнение является частью курса

Python для пользователей MATLAB

SkillTag.level.beginnerSkillTag.label

4.8+

31 reviews

Начать курс бесплатно

В этой главе вы сделаете первые шаги в переходе от MATLAB к Python. Вы познакомитесь со сходствами и различиями между MATLAB и Python, научитесь использовать методы и пакеты, а также получите введение в популярный пакет NumPy.

Exercise 1: Добро пожаловать в Python!Exercise 2: Базовые вычисления Exercise 3: Прогнозирование инвестиций Exercise 4: Типы переменных Exercise 5: Методы и пакеты Exercise 6: Работа со строками с помощью методов Exercise 7: Использование пакетов Python Exercise 8: Массивы и визуализация Exercise 9: Знакомство с массивами NumPy Exercise 10: Построение графика велосипедного трафика Exercise 11: Что влияет на продолжительность жизни животных?

В этой главе вы углубите знания о NumPy. Вы подробно изучите массивы NumPy — аналог матриц в Python — и научитесь выполнять математические операции и индексирование. Кроме того, вы познакомитесь с ещё одной важной структурой данных Python — списком, а в завершение главы создадите собственные графики на основе массивов с помощью Matplotlib.

Exercise 1: Погружение в массивы NumPy Exercise 2: Прогнозирование по времени Exercise 3: Насколько дороже стоят органические авокадо?Exercise 4: Индексирование массивов NumPy Exercise 5: Извлечение столбцов из массивов NumPy

Текущее упражнение

Exercise 6: Велосипедный трафик в течение недели Exercise 7: Фильтрация массивов с помощью булевой индексации Exercise 8: Списки Exercise 9: Изучение списков Exercise 10: Создание массивов NumPy из списков Exercise 11: Операции со списками и массивами Exercise 12: Настройка графиков Exercise 13: Цвета, стили линий и легенды Exercise 14: Кодирование данных цветом и размером Exercise 15: Определение типов двигателей при столкновениях с животными

В этой главе представлены мощные структуры данных Python: словарь и DataFrame из библиотеки pandas. Вы научитесь создавать словари с помощью пар «ключ — значение», просматривать и изменять их содержимое. Затем вы познакомитесь с одним из важнейших пакетов в арсенале разработчика на Python — библиотекой pandas. В частности, вы сосредоточитесь на структуре DataFrame, которая удобно организует табличные данные. В конце главы вы узнаете, как преобразовывать данные различных типов в DataFrame, чтобы упростить работу с ними.

Exercise 1: Словари Exercise 2: Какие ключи?Exercise 3: Извлечение данных Exercise 4: Изменение словарей Exercise 5: Введение в DataFrames Exercise 6: Изучение DataFrame в pandas Exercise 7: Визуализация данных из DataFrame Exercise 8: Доступ к данным в DataFrame pandas Exercise 9: Доступ к строкам и столбцам Exercise 10: Многообразие вариантов .iloc Exercise 11: Создание DataFrame в pandas Exercise 12: Из CSV-файла Exercise 13: Из словаря списков Exercise 14: Из списка словарей

В финальной главе курса вы научитесь управлять потоком выполнения программ на Python. Вы освоите перебор элементов различных структур данных с помощью цикла for, а также изучите условные конструкции if, else и elif и операторы сравнения Python (больше, меньше и другие), которые определяют, какие строки кода будут выполнены. В завершение вы вернётесь к массивам NumPy и научитесь фильтровать их с помощью операторов сравнения.

Exercise 1: Цикл по данным Exercise 2: Перебор элементов списка Exercise 3: Наложение нескольких графиков на одну фигуру Exercise 4: Сравнения и управление потоком выполнения Exercise 5: Подсчёт воздушных судов разных типов Exercise 6: Поиск определённых строк в DataFrame Exercise 7: Фильтрация данных Exercise 8: Булева индексация для быстрой статистики Exercise 9: Булевы значения в действии!Exercise 10: Булева индексация и визуализация в Matplotlib Exercise 11: Отличная работа!