Meet the incredible NumPy array! Learn how to create and change array shapes to suit your needs. Finally, discover NumPy's many data types and how they contribute to speedy array operations.

Dizilere giriş

İlk NumPy dizin

Sıfırdan diziler oluşturma

Bir aralık dizisi

Dizi boyutluluğu

3B dizi oluşturma

Dördüncü boyut

Düzleştirme ve yeniden şekillendirme

NumPy veri türleri

dtype bağımsız değişkeni

Seçenekler

Bir string veri türü

Bir tamsayı veri türü

Bir float veri türü

Veri türlerini öngörmek

Daha küçük bir sudoku oyunu

Understanding NumPy Arrays

Sharpen your NumPy data wrangling skills by slicing, filtering, and sorting New York City’s tree census data. Create new arrays by pulling data based on conditional statements, and add and remove data along any dimension to suit your purpose. Along the way, you’ll learn the shape and dimension compatibility principles to prepare for super-fast array math.

Indexing and slicing arrays

Slicing and indexing trees

Stepping into 2D

Sorting trees

Filtering arrays

Filtering with masks

Fancy indexing vs. np.where()

Creating arrays from conditions

Adding and removing data

Compatible or not?

Adding rows

Adding columns

Deleting with np.delete()

Selecting and Updating Data

Leverage NumPy’s speedy vectorized operations to gather summary insights on sales data for American liquor stores, restaurants, and department stores. Vectorize Python functions for use in your NumPy code. Finally, use broadcasting logic to perform mathematical operations between arrays of different sizes.

Summarizing data

Sales totals

Plotting averages

Cumulative sales

Vectorized operations

Tax calculations

Projecting sales

Vectorizing .upper()

Broadcasting

Broadcastable or not?

Broadcasting across columns

Broadcasting across rows

Array Mathematics!

NumPy meets the art world in this final chapter as we use image data from a Monet masterpiece to explore how you can use to augment image data. You’ll use flipping and transposing functionality to quickly transform our masterpiece. Next, you’ll pull the Monet array apart, make changes, and reconstruct it using array stacking to see the results.

Saving and loading arrays

Loading .npy files

Getting help

Update and save

Array acrobatics

Augmenting Monet

Transposing your masterpiece

Stacking and splitting

2D split and stack

Splitting RGB data

Stacking RGB data

Congratulations!

Array Transformations

Monet RGB Array

Tree Census Array

Monthly Sales Array

Sudoku Game Array

Sudoku Solution Array

Course Glossary

NumPy, Python’ın vazgeçilmez bir kütüphanesidir. TensorFlow ve scikit-learn, girdi olarak NumPy dizilerini kullanır; pandas ve Matplotlib ise NumPy’nin üzerine inşa edilmiştir. Bu NumPy’ye Giriş kursunda, NumPy’nin temel nesnesi olan dizileri ustalıkla kullanacaksın! New York City’nin ağaç sayım verilerini kullanarak diziler oluşturacak, sıralayacak, filtreleyecek ve güncelleyeceksin. NumPy’nin neden bu kadar verimli olduğunu keşfedecek ve yayınlama (broadcasting) ile vektörleştirmeyi kullanarak NumPy kodunu daha da hızlandıracaksın. Kursun sonunda, 3B dizilerle bir Claude Monet tablosunu dönüştürecek ve bu tür dizi dönüşümlerinin Machine Learning için neden temel araçlar olduğunu anlayacaksın.

Videolarda, sol alttaki "Show transcript" seçeneğine tıklayarak açabileceğin canlı altyazılar bulunur.

Kurs sözlüğünü sağdaki kaynaklar bölümünde bulabilirsin.

CPE kredisi almak için kursu tamamlaman ve nitelikli değerlendirmede %70 puana ulaşman gerekir. Sağdaki CPE kredileri bildirimine tıklayarak değerlendirmeye gidebilirsin.

<h2>Python'un Veri Bilimi paketini keşfedin: NumPy</h2>
Numpy'ye giriş yapın ve bu Python kütüphanesinin tüm Python veri bilimcileri ve analistleri için neden vazgeçilmez olduğunu anlayın. En önemlisi, Numpy dizileri ve ihtiyaçlarınıza uygun dizi şekilleri oluşturma ve değiştirme hakkında daha fazla bilgi edinin. 
<br><br>
<h2>NumPy Dizilerini Keşfedin</h2>
NumPy, veri bilimcileri ve analistler için vazgeçilmez bir Python kütüphanesidir. Python listelerine harika bir alternatif sunar, çünkü daha kompakt olup öğeleri okumaya ve yazmaya daha hızlı erişim sağlar, bu da onları daha kullanışlı ve verimli bir seçenek haline getirir.
<br><br>
Bu NumPy'ye Giriş kursunda, NumPy'nin temel nesnesi olan dizilerin ustası olacaksınız! New York şehrinin ağaç sayım verilerini kullanarak diziler oluşturacak, sıralayacak, filtreleyecek ve güncelleyeceksiniz. NumPy'nin neden bu kadar verimli olduğunu keşfedecek ve yayınlama ve vektörleştirme özelliklerini kullanarak NumPy kodunuzu daha da hızlandıracaksınız. 
<br><br>
<h2>Monet veri seti üzerinde pratik yaparak güven kazanın</h2>
Son bölümde, yeni edindiğiniz bilgileri kullanarak dizi dönüşümleri gerçekleştireceksiniz. Claude Monet'nin bir tablosunu değiştirmek için 3D görüntü dizilerini kullanacak ve bu tür dizi değişikliklerinin makine öğrenimi için neden önemli araçlar olduğunu anlayacaksınız.
<br><br>
Kursu tamamladıktan sonra Numpy dizileri ve bunların farklı işlemleri konusunda kendinize güven kazanacaksınız. Bu kurs, Python ile Veri Bilimcisi programının bir parçasıdır ve DataCamp ile Veri Bilimi sertifikası almak isteyenler için idealdir.

Intermediate Python

Python'un popüler veri bilimi paketi NumPy'ı öğrenin. 4 saatte diziler oluşturup düzenleyin.

NumPy’ye Giriş

NYC'nin ağaç sayımını kullanarak dizileri oluşturmayı, sıralamayı, filtrelemeyi ve güncellemeyi öğrenerek NumPy becerilerinizi geliştirin.

Veri Manipülasyonu  Python'da

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

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

Veri türlerini öngörmek

NumPy’ye Giriş

Uygulamalı interaktif egzersiz