Curso
Introdução ao NumPy
BásicoNível de habilidade
Atualizado 12/2025Iniciar Curso Gratuitamente
Incluído comPremium or Teams
PythonData Manipulation4 h13 vídeos49 Exercícios4,250 XP56,695Certificado de conclusão
Crie sua conta gratuita
ou
Ao continuar, você aceita nossos Termos de Uso, nossa Política de Privacidade e que seus dados serão armazenados nos EUA.Preferido por alunos de milhares de empresas
Treinar 2 ou mais pessoas?
Experimentar DataCamp for BusinessDescrição do curso
Explore o pacote de ciência de dados do Python: NumPy
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.Descubra as matrizes do NumPy
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.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.
Ganhe confiança praticando no conjunto de dados Monet
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.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.
Pré-requisitos
Intermediate Python1
Entendendo arrays do NumPy
Conheça o incrível array do NumPy! Aprenda a criar e a mudar formatos (shapes) de arrays para atender às suas necessidades. Por fim, descubra os vários tipos de dados do NumPy e como eles contribuem para operações rápidas com arrays.
2
Selecionando e atualizando dados
Aprimore suas habilidades de manipulação de dados no NumPy fatiando, filtrando e ordenando os dados do censo de árvores de Nova York. Crie novos arrays selecionando dados com base em condições e adicione ou remova dados em qualquer dimensão para atender ao seu objetivo. Ao longo do caminho, você vai aprender os princípios de compatibilidade de shape e dimensão para se preparar para contas super-rápidas com arrays.
3
Matemática com arrays!
Aproveite as operações vetorizadas e rápidas do NumPy para obter insights resumidos sobre dados de vendas de lojas de bebidas, restaurantes e lojas de departamento americanas. Vetorize funções do Python para usar no seu código NumPy. Por fim, use a lógica de broadcasting para realizar operações matemáticas entre arrays de tamanhos diferentes.
4
Transformações de arrays
NumPy encontra o mundo da arte neste capítulo final, usando dados de imagem de uma obra-prima de Monet para explorar como você pode aumentar dados de imagem. Você vai usar funcionalidades de espelhamento (flip) e transposição para transformar rapidamente nossa obra. Em seguida, você vai desmontar o array do Monet, fazer alterações e reconstruí-lo usando empilhamento de arrays para ver os resultados.
Introdução ao NumPy
Curso concluído
Obtenha um certificado de conclusão
Adicione esta credencial ao seu perfil do LinkedIn, currículo ou CVCompartilhe nas redes sociais e em sua avaliação de desempenho
Incluído comPremium or Teams
Inscreva-se AgoraFaça como mais de 19 milhões de alunos e comece Introdução ao NumPy hoje mesmo!
Crie sua conta gratuita
ou
Ao continuar, você aceita nossos Termos de Uso, nossa Política de Privacidade e que seus dados serão armazenados nos EUA.