Прогнозування типів даних

Уміння передбачити, який тип даних матиме масив, дуже важливе, адже частина функціональності NumPy працює лише з певними типами. Перевірмо, як ви з цим даєте раду.

Ця вправа є частиною курсу

Вступ до NumPy

Переглянути курс

Практична інтерактивна вправа

Перетворіть теорію на практику за допомогою однієї з наших інтерактивних вправ

Почати вправу

Ця вправа є частиною курсу

Вступ до NumPy

SkillTag.level.beginnerSkillTag.label

4.8+

Почніть курс безкоштовно

Знайомтесь із неймовірним масивом NumPy! Дізнайтеся, як створювати масиви та змінювати їхню форму під ваші потреби. Нарешті, відкрийте для себе численні типи даних NumPy і те, як вони забезпечують швидкі операції з масивами.

Exercise 1: Знайомство з масивами Exercise 2: Ваш перший масив NumPy Exercise 3: Створення масивів з нуля Exercise 4: Масив діапазону Exercise 5: Розмірність масиву Exercise 6: Створення 3D-масиву Exercise 7: Четвертий вимір Exercise 8: Сплющення та зміна форми Exercise 9: Типи даних у NumPy Exercise 10: Аргумент dtype Exercise 11: Прогнозування типів даних

Поточна вправа

Exercise 12: Менша гра у судоку

Відшліфуйте свої навички роботи з даними в NumPy, зрізаючи, фільтруючи та сортувавши дані перепису дерев Нью-Йорка. Створюйте нові масиви, відбираючи дані за умовами, а також додавайте й вилучайте дані вздовж будь-якого виміру під ваші задачі. Паралельно ви засвоїте принципи сумісності форм і вимірностей, щоб підготуватися до надшвидкої математики з масивами.

Exercise 1: Індексація та зрізи масивів Exercise 2: Зрізи та індексування дерев Exercise 3: Переходимо до 2D Exercise 4: Сортування дерев Exercise 5: Фільтрування масивів Exercise 6: Фільтрування за масками Exercise 7: Індексація з масками vs. np.where()Exercise 8: Створення масивів за умовами Exercise 9: Додавання й видалення даних Exercise 10: Сумісні чи ні?Exercise 11: Додавання рядків Exercise 12: Додавання стовпців Exercise 13: Видалення за допомогою np.delete()

Скористайтеся швидкими векторизованими операціями NumPy, щоб отримати підсумкові інсайти щодо даних продажів у крамницях алкоголю, ресторанах і універмагах США. Векторизуйте функції Python для використання у вашому коді NumPy. Нарешті, застосуйте логіку широкомовлення, щоб виконувати математичні операції між масивами різних розмірів.

Exercise 1: Підсумовування даних Exercise 2: Підсумки продажів Exercise 3: Побудова графіків середніх значень Exercise 4: Накопичувальні продажі Exercise 5: Векторизовані операції Exercise 6: Розрахунок податків Exercise 7: Прогнозування продажів Exercise 8: Векторизація .upper()Exercise 9: Мовлення (Broadcasting)Exercise 10: Чи сумісні для бродкастингу?Exercise 11: Трансляція між стовпцями Exercise 12: Трансляція вздовж рядків (broadcasting)

NumPy зустрічається з мистецтвом у фінальному розділі: ми використаємо дані зображення шедевра Моне, щоб показати, як можна аугментувати зображення. Ви застосуєте віддзеркалення та транспонування, щоб швидко перетворити наш шедевр. Далі ви розберете масив Моне на частини, внесете зміни та відновите його за допомогою стекування масивів, щоб побачити результат.

Exercise 1: Збереження та завантаження масивів Exercise 2: Завантаження файлів .npy Exercise 3: Отримання довідки Exercise 4: Оновіть і збережіть Exercise 5: Акробатика з масивами Exercise 6: Аугментація Моне Exercise 7: Транспонуйте свій шедевр Exercise 8: Складання та розділення Exercise 9: 2D: розділення та складання Exercise 10: Розділення даних RGB Exercise 11: Об'єднання даних RGB Exercise 12: Вітаємо!