مقدمه‌ای بر NumPy

آشنایی با پکیج Data Science پایتون: NumPy

در این بخش، مدرس مقدمه‌ای بر NumPy ارائه می‌دهد و توضیح می‌دهد چرا این کتابخانه پایتونی برای تمام تحلیلگران داده و متخصصان Data Science ضروری است. مهم‌تر از همه، با NumPy arrays آشنا می‌شوید و یاد می‌گیرید چگونه شکل arrayها را متناسب با نیاز خود ایجاد و تغییر دهید.

کشف NumPy Arrays

NumPy یک کتابخانه کلیدی در پایتون برای تحلیلگران داده و دانشمندان داده است. این کتابخانه جایگزین بسیار مناسبی برای لیست‌های پایتون محسوب می‌شود، زیرا فشرده‌تر است و امکان خواندن و نوشتن سریع‌تر داده‌ را فراهم می‌کند. به همین دلیل، NumPy گزینه‌ای کارآمدتر و مناسب‌تر است.

در این دوره مقدمه‌ای بر NumPy، مدرس شما را به تسلط به آبجکت اصلی NumPy یعنی arrays می‌رساند. با استفاده از داده‌ سرشماری درختان شهر نیویورک، arrayها را ایجاد، مرتب‌سازی، فیلتر و بروزرسانی می‌کنید. همچنین متوجه می‌شوید چرا NumPy بسیار سریع و بهینه است و با استفاده از broadcasting و vectorization سرعت کدهای NumPy خود را افزایش می‌دهید.

افزایش تسلط با تمرین روی دیتاست Monet

در فصل پایانی، مدرس از دانش به‌دست‌آمده برای انجام تبدیلات مختلف روی arrayها استفاده می‌کند. او با کمک arrayهای سه‌بعدی تصاویر، یک نقاشی از Claude Monet را تغییر می‌دهد و نشان می‌دهد چرا این نوع تبدیلات آرایه‌ای ابزارهای مهمی در یادگیری ماشین هستند.

در پایان دوره، تسلط کافی بر NumPy arrays و عملیات مختلف آن‌ها خواهید داشت. این دوره بخشی از مسیر Data Scientist with Python است و برای افرادی که به دنبال دریافت گواهینامه Data Science از DataCamp هستند، انتخابی ایده‌آل محسوب می‌شود.