Ihr Weg zu Big Data Analytics: Data Science-Grundlagen in NumPy

1. EINFÜHRUNG: Hallo und willkommen zu diesem Kurs. Mein Name ist Brian Camara, ein Datenanalyst, es ExxonMobil in Baraboo. Guess war mehr an Botanik interessiert, ist genau an einem seit ich angefangen habe, in die Datenanalyse umzusteigen. Und die Erfahrung wurde gelöst Profil, das Sie anheften, ist der Übergang in die Datenanalyse. In diesem und vielen anderen folgen. Wir zeigen dir, wie ich schätze, dass du genauso interessiert bist wie ich. Okay? In diesem Kurs stelle ich Ihnen NumPy, Python-Bibliothek, vor. Erwarten Sie, mehr darüber zu erfahren, wie Sie Daten in NumPy generieren, wie Sie arithmetische Operationen durchführen, Ihre Datensätze indizieren und aufteilen, die wir mit Lumpy generieren, die auch mehr statistische Operationen und lineare Algebra mit NumPy verleihen Arrays. Am Ende dieses Kurses sollten Sie in der Lage sein, die Bedeutung der NumPy Integer-Analyse zu sehen. Warum ist es wichtig? Sie sollten in der Lage sein, Ihre eigenen Datensätze zu generieren und zu manipulieren , die mit NumPy regeneriert werden sollen. Und Sie sollten auch in der Lage sein, eine feste Entscheidung zu treffen, ob Sie auf der zweiten Spur zu Pandas fahren möchten. Und ich bin sicher, dass Sie daran interessiert sind, noch mehr über die Datenanalyse und die verschiedenen Bibliotheken zu erfahren , die wir in Python verwenden können. Okay? So finden Sie diese Dokumentation sehr interessante Produktkosten. Und Sie können sich immer darauf beziehen, um mehr über verschiedene Konzepte über NumPy zu erfahren. Also klicke ich darauf und wir sehen einfach, wie es aussieht. So sieht es also aus. Es bringt Sie also zur numpy.org-Website. Und von hier aus können Sie den Fisch Inuit auswählen, den ich die NumPy One Farbe auswählen werde , true und Meno. Und es hat Z, um mich auf diese Seite zu bringen, damit ich alles finden kann, was sie wissen wollen. Aber jetzt sagen wir, ich möchte wissen, was NumPy ist. Ich kann hier klicken, um mich auf die Seite zu bringen, um zu beschreiben, was NumPy ist. Und es wird dir ein paar Beispiele geben. Wir können warten. Du kannst NumPy und all das benutzen. Okay? Also all diese Menschen wundern sich, wer ist diese Kreuzform? Kann ich es aushalten? Ja, das kannst du. Dieser Kurs ist für jeden, der ein grundlegendes Verständnis dafür hat, was Python hat, Sie brauchen keine drei Lambda-Punkt-Numpy, bevor der Kurs selbst ausreicht, damit Sie nachholen und weiterverfolgen können. Dies ist also eher eine grundlegende Einführung. In den kommenden Klassen sprechen Sie in mehr über Deep NumPy und unter bezahlte Bibliotheken, die Sie für die Datenanalyse verwenden können. Am Ende des Kurses haben wir also ein Projekt, das interessiert sein wird, obwohl es beschäftigt sein wird. Aber es wird Ihnen ein Angebotsthema geben, worum es bei NumPy geht. Im Haushalt. Wir haben die Möglichkeit, Ihren eigenen Datensatz zu generieren. Sie haben also die Freiheit, die Daten Ihrer Wahl zu generieren. Und wie erwartet Sie mit diesen Daten, dass Sie sie transformieren und dann eine statistische Analyse durchführen. Oder die Informationen, die Sie benötigen, um dieses Projekt durchzuführen. Sie können es in diesem Kurs lesen. Für diesen Kurs benötigen Sie ein Kuckuckskonto. Und wer verwendet diese, um eine Google-Kollaborationsumgebung zu erstellen oder einzurichten? Nun, Act ist weit wie Übungen und schließlich das Projekt. In der nächsten Klasse zeige ich Ihnen, wie Sie die kollaborative Umgebung von Google einrichten. Worauf warten wir also? Lasst uns anfangen. 2. Google Colaboratory Setup: Ich werde Sie nur durchführen, wie Sie die Kollaborationsumgebung von Google für diesen Kurs einrichten . Okay, also geben Sie in Ihrer Suchleiste Google Collaboratory, jedes Ende ein. Daraus können Sie also die verschiedenen Suchergebnisse sehen, dass nur Kim, ich werde einfach auf Fertig klicken und auf das erste Suchergebnis klicken, das kommen würde. Sie werden zu einem kollaborativen Gericht Kuckuck kommen. Okay, es wird nur geladen. Es zeigt Ihnen dann diesen Bildschirm an. Von hier aus sieht man, dass es einen aktuellen Tipp gibt. Dieser zeigt also die neuesten Notizbücher, die Sie zurückgezogen haben. Und es kann auch auf die Google Trends wechseln zeigt die Notebooks an, die wir in Ihrem Google Drive gespeichert haben. Sie können auch zum GitHub-Weg gehen. Sie können die verschiedenen Notizbücher sehen, die Sie gespeichert haben. Also hier für diesen Kurs. Und wir haben kein Notebook erstellt, also gehe ich einfach auf Run und erstelle ein neues Notebook. Die neue Normalität schaffen, die wir sequenzieren können. Okay? So ist es das Notizbuch für uns erstellt. So sieht es also aus. Von oben kannst du den Titel bei mir ändern. Ich nenne es einfach Intro zu Pi für Theta und ging dann auf Enter. Sie können also sehen, dass dies den Notebook-Namen für mein Okay erfolgreich aktualisiert , also wird es die oder die Änderungen aktualisiert. Du kannst hierher kommen, du kannst sehen, dass es einen Verbinden-Button gibt, sollte reingehen, Enter drücken. So verbindet es Ihr Notebook, damit Sie den Code ausführen können, der während der gesamten Klasse ausgeführt wird, um den Code ausführen können, der während der gesamten Klasse ausgeführt wird verschiedene Aspekte des Kurses aus der Klasse zu testen. Und wenn Sie Ihr Projekt machen, sollten Sie sich auch daran erinnern, wie das geht. Okay, das ist also ein Verkaufsweg, wie man rynen kann oder ist eine Küche Zitate. Also dieses CIF, dieser Punkt 8, 0 bis 1, p gleich 2 bis 3. Ich ende, ich möchte ein Plus b drucken. Sobald ich dieses Zitat geschrieben habe du es ausführen willst, kannst du entweder auf dieses klicken oder ist der Kampf als Abkürzungen, die wir haben? Also gefällt mir die Shift N d1 am meisten. Und dann wird die Zelle für Sie ausgeführt oder Sie können die Steuereingabe verwenden , um den Job zu speichern. Okay, sagen wir mal, Sie haben dieses Zitat geschrieben, möchten aber auch einige Texte in Ihr Notizbuch aufnehmen. Sie können also Kissen diese Zelle beziehen und Sie sehen einen Text. Erstens: Triff das. Und hier können Sie den Text nehmen, dass 31, vielleicht wollte ich Hallo sagen, die Branche, die von Shift Enter oder Control Enter ausgeführt wird. Okay, das ist also die Einführung in die Google Colab-Umgebung. Also lasst uns anfangen. 3. Was ist Nummer.: Also lasst uns zur Einführung gehen. Also 15, du musst wissen, was NumPy ist. Numpy ist genau wie der numerische Patron die Bibliothek, die 10 ist , die für numerische Daten in Python verwendet wird. Also ds spezifische Datenstrukturen es ist Algorithmus, der bei der numerischen Analyse wichtig ist. Okay, warum ist NumPy von Interesse? Okay, da es jetzt spezialisiert ist, kann es bestimmte Funktionen in Python ausführen, wir können diesen Vorteil nutzen. Wir wissen, dass etwas, wenn es etwas Besonderes ist, was tun kann? Es kann seinen Job machen, wie Beta. Deswegen geht es also schnell. Ich reichte aus. Dies wird also kollektiv zu seinem mehrdimensionalen Array-Objekt beigetragen. So stößt du am häufigsten rüber. Es bedeutet also nur n Dimension jetzt RA, also versucht es, wenn man auf eine NGRI stößt. Okay. So werden wir dann auch sehen, dass der NumPy Eventbrite verschiedene Funktionen zusammengefasst hat, um elementweise Berechnungen mit RAs durchzuführen. Okay, also, ooh, vielleicht wollen wir uns einfach nur durch RAs multiplizieren. Wir möchten nur jedes Element innerhalb eines Arrays mit vielleicht 10 multiplizieren. Also diesen können wir es einfach ohne eine FOR-Schleife machen. Denken Sie also daran, wenn wir es mit anderen Bereichen zu tun haben, vielleicht können Sie Ihr Array oben rechts erstellen. Wenn Sie jedes Element im Array multiplizieren möchten, müssen wir eine for-Schleife schreiben, die alle Elemente im Array indiziert und for-Schleife schreiben, die alle Elemente im Array indiziert mit 10 multipliziert. Aber bei NumPy-Arrays ist all das nicht erforderlich. Sie können leicht, tut mir leid, Sie können leicht in einem Satz multiplizieren. Es gibt also Funktionen, um das zu tun. Okay, also sind auch spezifische Wahrheiten, die deine besten T-Tests lesen können. Es ist auch, er hatte in 12 Daten erstellt und auf eine Diskette geschrieben. Es gibt spezielle Tools, mit denen Sie dies tun können , nämlich auch lineare Erzeugungsoperationen. Okay, also können Sie Daten generieren, die linear sind. Also vielleicht eine Daten, die basieren, zwei. Also 1357, so etwas. Das können Sie mit NumPy tun. Es gibt auch eine Zufallszahlengenerierung, die mit NumPy zufällige Daten erzeugen kann. Okay? In dieser Analyse werden wir also sehen, dass die Zahl im Grunde genommen im Container verwendet wird dem Sie Datenarrays speichern können. Dies ist also in der Regel große Datenbereiche. Und nach dem Sortieren können wir ihnen die Bereiche, die wir gespeichert haben, in verschiedenen Algorithmen in Bibliotheken übergeben , die bei den spezifischen und Berechnungen funktionieren würden. Das übergeordnete Ziel ist also, dass diese Anzahl Bereiche effizienter sind, als wir es wissen müssen. Also sowohl beim Speichern als auch bei der Manipulation von Daten, Es gibt spezifischere, da das Design die Bibliothek ist, die speziell für die Handhabung solcher Anweisungen entwickelt wurde. Okay, also schauen wir uns an, wie wir mit NumPy anfangen können. Zeigen Sie Ihnen also einfach, wie Sie die Bibliothek in Ihre Google-Kollaboration importieren können. Also hier gehe ich einfach rein und tippe Importe ein. Jetzt Pi. Das ist also die Bibliothek. Okay, so wichtig ist es NP. Und sobald du es importiert hast, musst du laufen. Sobald Sie den 20. ausgeführt haben, um es erneut zu importieren, können Sie es im gesamten Notebook verwenden. Also schreibe ich einfach jede Schicht und du kannst sehen, dass sie erfolgreich in die numpy-Bibliothek importiert wurde. Also habe ich importiert, dass es NP ist. Das ist Optionalität kann einfach in Ordnung numpy importieren. Aber dieser wird dich retten, wenn du jetzt die Woche machst. Wenn Sie also auf die NumPy-Bibliothek verweisen möchten, können Sie einfach darauf verweisen, dass sie sich in NP befindet. Es hieß also nicht nur np dot Arrays. Wir verwenden jetzt die verschiedenen Objekte innerhalb des Referenzlabors der NumPy Library, die mit np gelesen werden. Sie sehen also, dass die Bedeutung dieses NP ziemlich lang ist. Es vereinfacht sich also nur durch Möglichkeiten zu tippen, wenn Sie es durch die verschiedenen Anführungszeichen führen. Okay, also werden wir in der nächsten Klasse mehr darüber sprechen, wie Daten generiert und Operationen hinzugefügt werden können. 4. Datenerstellung: Zuletzt haben wir gelernt, wie wir die NumPy-Bibliothek in die Google Collaboratory importieren können. Okay, jetzt schauen wir uns an, wie wir damit Daten generieren können. Wir möchten also einige Daten generieren und ausdrucken. Sieh dir an, wie es aussieht. Ja, ich gehe also etwas durch Genetik. Was Sie jedoch wissen müssen, ist, dass es verschiedene Möglichkeiten gibt, Daten mit Numpy zu generieren. Sie können also entweder Ihre eigenen Daten angeben oder die Objekte in Python oder in NumPy verwenden , um einige Daten zu generieren. Okay, also lassen Sie mich generischen Daten stellen, die ein Gegenteil verwenden, das innerhalb der 95 existiert. Okay, wir können also sagen, dass wir unsere Daten Theta als Limit als Theta bezeichnen wollen. Okay? Denken Sie also daran, als wir NumPy importiert haben, sagten wir, Sie geben es als np ein. Also werde ich nur np FEV1 sagen, um auf die numpy-Bibliothek zu verweisen. In Numpy möchte ich also eine Zufallsfunktion und die Rand-Funktion nutzen . Okay, wie geht das eine Woche, okay, lass mich das einfach beenden. So ist es 32. Wie funktioniert diese Start- und Landebahn? Also sage ich: Okay, von Numpy will ich die Zufallsfunktion und möchte zufällig das runde Objekt der Zufälligkeit verwenden. Nun, also wird dieser einen zufälligen ROE in diesem Bereich erzeugen, der die Größe drei mal zwei hat. Wenn wir also Größe 3 mal 2 in Arrays sagen, gefällt uns, okay, also haben wir ein Array, es muss drei Zeilen und zwei Spalten haben. Nehmen wir an, wir möchten, dass diese Größe von drei mal zwei drei Zeilen und zwei Spalten ist. Okay? Das wird also tun, ist, dass wir uns einfach in unsere NumPy Python-Bibliothek einkaufen und nach Zufall suchen, zufällig findet, dass es nach Rand sucht. Ich generiere dieses zufällige NumPy-Array. Okay? Nachdem es erstellt wurde, können die beiden es einfach nennen. Jetzt ist dieses Array also der Wert von Typdaten vorhanden, ich sollte das Array nicht visualisieren können. Also gehe ich einfach hinein, und du kannst unser Array sehen. Und das ist es. Wir können sehen, dass wir diese Reihe haben, diese Reihe, diese Reihe. Also habe ich drei Zeilen, und diese drei Zeilen haben wir zwei Spalten. Dies ist ein Doppelpunkt, das ist eine Spalte. Und bei all diesen Datenwerten werden zufällig erstellt, sodass Sie keine Kontrolle darüber haben, was es tut. Ich schätze. Es gibt also verschiedene andere Funktionen, mit denen Sie Daten erstellen können. Lassen Sie mich also einfach ein Add-On erforschen. Okay, ich füge ein Proton hinzu. Sagen wir, ich möchte ein Anti 1 benutzen. Lassen Sie mich also sagen, dass Daten eins gleich sind , um drei Portionen zu arrangieren. Und dann kriege ich darunter eins. Also was das macht, Ära, weil ich in NumPy nicht referenziert habe. Klicken Sie auf, Umschalttaste. Gender ist diese Erin? Ja, 35. Weil sie, wie ist das ein Wochenende? Also geht es in NumPy. Wir suchen nach einer Reihe. Sobald es arrangiert wurde. Wie ich Arbeiten anordne ist so, dass dieser Staub von drei und durch sich selbst hineingeht, aber er erreicht nicht den Aufschlag, also geht es auf sieben minus eins. Wenn ich also 10 A habe, um bis zu 10 zu gehen, und Generika Daten mit ihnen haben sie normalerweise zwei Abstand. Also c, 3 bis 5. So arrangieren sie also Wochen. So können Sie sehen, dass wir gesehen haben, wie Sie Daten mit den integrierten Funktionen in NumPy generieren können. In der nächsten Klasse werden wir sehen, wie wir unsere eigenen Daten eingeben und in ein NumPy-Array umwandeln können . 5. Cutomized und Cutomized: Hallo Unterricht. In der vorherigen Klasse haben wir also darüber gesprochen, wie wir die Eingabefunktionen in NumPy verwenden können, um die, die Daten für uns zu generieren . Sie möchten also untersuchen, was wäre, wenn ich meine eigenen Daten angeben möchte? Wissen Sie, wie wenn Sie ein bestimmtes Projekt machen, müssen wir die TI liefern. Es kann keine zufälligen Daten verwenden es sei denn, Sie möchten nur etwas Rauschen in den Daten oder so erzeugen. Das ist, wenn Sie einige Algorithmen für maschinelles Lernen machen. Aber auch für uns, führe uns an, sagen wir, ich möchte Daten über ein paar x liefern, okay? Das ist x, also gebe ich nur ein paar Daten über X , die einige Daten über X geben. Ich möchte nur 8 und 10 gehen. Dieses Intron, das Sie sich merken müssen, ist, dass Sie immer auf NumPy verweisen müssen, weil wir Funktionen verwenden. Also werde ich die Durchschnittsfunktion von numpy verwenden. Also gebe ich x hinein, damit ich die Daten, die ich kollidieren wollte, in das Array trenne. Also nachdem diese ähnliche Münze es läuft, okay, also ist es Trend, der Trend, aber dann habe ich es nicht genannt, damit wir zwei sehen können, okay? Und nur Koordinaten. So können Sie jetzt das F und die RA sehen, die mit 1231246 Elementen erstellt wurden. Okay? Was wäre also, wenn wir ein anderes Y haben, ist gut, das würde Routine dieses Array integrieren wollen. Also hier die Sache, die Sie bemerken müssen , dass, wenn wir die beiden Variablen, in denen Sie sie speichern möchten , RA, die gleiche Länge haben müssen, damit Sie es sein können, oder? Denk an den Verkauf. Es gibt eine Reihe von Rollen in einem Bereich. Es sind Zeilen oder Spalten. Wenn sie also eine unterschiedliche Anzahl von Elementen enthalten , hat Lou keine konsistente Anzahl von Spalten. Es bedeutet also, dass es das Array für ihn nicht generieren wird. Also okay, ich habe jetzt x und y. Muss es in ein Array eingefügt werden. Also kann ich hier zu Y einbeziehen. Wenn Sie dieses jetzt ausführen möchten, haben Sie gesagt, dass jetzt ein Array erstellt wird, das zwei Zeilen hat, sowohl x als auch y. Es sind vier Spalten, da IF vier Dimensionen innerhalb jeder x und y. So können Sie also Ihre eigenen erstellen daten. Okay, also können wir jetzt verschiedene andere Dinge tun. Wir können wieder Multiplikation auf alles machen. Sie können also sehen, dass das oben oben ist, okay, lass mich einfach diese Folie benutzen. Lassen Sie mich sagen, ich möchte zwei Arrays multiplizieren. Ich kann x-Details zum Beispiel verwenden. Also vielleicht Mod 4 Multiplikation. Ich nehme x-Daten und multipliziere sie dann mit vielleicht 10. Also was wird hier passieren? Kannst du innehalten und versuchen darüber nachzudenken? Okay, also wenn ich das laufen soll, lass uns sehen, was passiert. Also kommt es rein, nimm x-Daten. Dies ist das Ende, jedes Element in x-Daten mit zehn zu multiplizieren. So können Sie 10 mal 10 mal 10 mal 10 mal 10 mal 10 mal zwei sehen, wie im gesamten Array. So funktioniert die Multiplikation. Oder du kannst es bearbeiten. Wir können gehen und sagen: Okay, lass mich sagen, ist es wahr. Ich will, stimmt, dass Eris X Theta plus X. Und dann nach diesem Anruf, damit wir sehen, was es ist Kalkül, okay? Sie können also sehen, dass dies ist, wenn Sie eine wichtige Sache hinzufügen, müssen wir erkennen, dass diese beiden RASS dieselbe Größe und Dimension haben. Es muss also sein, wenn dieser von zwei wahr ist, dieser zu schlimm sein, weil es es nennt. Schließlich spucken sie und Fehler in beiden Arrays. Es wird dir diesen einen Vorteil zu einem anderen sagen. Also es 81 plus 1, 2, 2, 4 plus 4 Münze in dieser Reihenfolge. Daher dieses Ergebnis. Okay? Also nochmal, es sind viele andere Dinge. Okay, also lass mich die beiden einfach schnell multiplizieren. Wenn also mit 10 multipliziert wird, aber wir können uns auch einige ansehen, okay. Mal sehen ob es ist, sagen wir, ich möchte x Delta multiplizieren, x Delta. Und dann das hier, damit du Enter sehen kannst. Es multipliziert sich also. Was es also wieder tut, ist elementweise, das erste Element DA zu betrachten und zum nächsten nach der Faust sucht, die diese beiden multipliziert hat, Paris in dieser Reihenfolge herausgebracht. Okay, Sie haben also gesehen, dass wir einige grundlegende arithmetische Operationen mit NumPy durchführen können. Ich denke, Sie können also weitermachen und auch das Gefühl erforschen, dass Krypto auf NumPy-Arrays diese arithmetischen Operationen ausführen. Wir sehen uns in der nächsten Klasse. 6. Größe und Datentyp: Hallo, und willkommen zu diesem Kurs. Okay, also in den vorherigen Klassen mit Top-down viel über Rookie, wie generiere ich Daten mit der Fähre als NumPy Funktionen. Wir haben auch darüber gesprochen, wie Sie Ihre eigenen Daten verwenden können, um numpy Arrays zu generieren. Okay, aber wir haben auch etwas erwähnt, was an R wichtig ist , ist die Größe des Arrays. Und wir sagten, dass dies durch Zeile für Spalte dargestellt wird. Wenn Sie also die Größe eines Arrays darstellen möchten, immer Zeile für Spalte. Und Gelb wird auch eine andere Sache erforschen, die der Typ ist. Wir möchten überprüfen, was der Typ des Arrays ist. Und diese werden wie das Schiff in dtype Objekten innerhalb des NumPy erhalten. Okay, also fange ich mit dieser Form an. Also werde ich die Form dieser Urne bestimmen. Okay, während ich tippe, kannst du versuchen herauszufinden, was die Form für das Array ist? Also gehe ich in den Tippmodus. Okay, also möchte ich, dass du mitteilst, was du denkst mit dem, was wir als QP bekommen werden, also weiter. Okay, lass es uns laufen lassen. Okay, also wird es fallen, wie wir es erwarten konnten. Wir haben zwei Zeilen und vier Spalten. Ich hoffe, du hast das erwischt, richtig? Okay, einige werden auch prüfen, was der Datentyp für diesen ist. Also zu dtype diesmal, und ich gehe zu Shift Enter. Es sagt uns also, dass dieses Array für die 13 in Statistik enthalten ist. Okay, also werden wir wahrscheinlich weit auf Datentypen in Python stoßen. So kann es immer untersuchen, indem Sie den dtype um die verschiedenen Datentypen zu überprüfen, die jedes Ihrer Arrays erfüllt. Okay, also an dieser Stelle, und um eine Erfahrung zu sagen, dass F an dieser Stelle heiligen Anspruch anwendet. Okay. Was also gesagt wird, dass Lynn die Daten zwei Dimensionen aufnimmt. Das kriegen wir, richtig, richtig. Okay, also warum ich, ich schätze im Flugzeug braucht man Daten, die ja, durch ihre Emissionen. Wie bekommt man also zwei Dimensionen, wenn Vf-Datenelement, das vier Dimensionen schnell hat, habe ich erwähnt, weil es diese nicht wirklich steuern kann. Du kannst mich nicht verlassen. Es ist okay. Wie beim Sammeln von Daten, die ich möchte, zweidimensionale Daten, können Sie fünf Dimensionen von Daten haben. Aber dann mit NumPy können Sie mir das Fest überlassen, das ich Theta erwähnt habe , oder für Schäden keine Daten in zwei Dimensionen. Wie machen wir das? Anstatt also nur die Form zu bekommen, können wir die Form ändern. Wie machen wir heraus, dass die Form, ich dir nur zeigen werde, in diesem Beispiel ist. Lassen Sie mich also einige Zufallsdaten generieren und unsere Reichweite generiert sechs. Okay, also wenn Sie möchten, dass die Daten so aussehen, dann ist es das. Mit diesen Daten? Was wir das tun wollen, möchten Sie diese Daten umgestalten. Also werde ich sagen, dass ein Schiff neu gestaltet wurde, das eine bildende Ananda-Daten umgestaltet , ein anderes Array sein. Okay, das hat also einige wichtige Aspekte. Eine wichtige Voraussetzung, die wir in diese Umformungsfunktion setzen müssen. Es ist also die Anzahl der Dimensionen, in die die Daten umgestaltet werden sollen. Und es braucht auch die Anzahl der Attribute, die wir in den neuen Daten darstellen möchten. Okay, diese Anzahl von Attributen entspricht also der Anzahl der Spalten. Also werden wir das einfach laufen und wir sehen, wie Route wie Oh, okay. Okay, du kannst also sehen, dass es es in drei Dimensionen umgeformt hat. Also eins bis drei haben wir drei Dimensionen. Und das andere, was wir hier bemerken können, ist, dass wir zwei Spalten haben, weil wir die Anzahl der Attribute auf true beschränkt haben, was der Anzahl der Spalten entspricht. Also diese IFRS-Sache, die Sie in Ihren Datensätzen herumspielen können, wenn es darum geht Daten mit verschiedenen Add-Bibliotheken wie der, die wir gerade erwähnt haben, zu untersuchen oder zu analysieren , behauptet Psyche. Okay. Dies ist also nur eine Sache zu beachten, wird im RA-NumPy-Array oder in DRA verwendet. In dieser Klasse heißt das nicht einfach dasselbe. Das ist das Dimensions-Array. Hier ist eine schnelle Übung, die Sie einfach auf np.zeros, zwei Terrains, Nullen finden können. Okay? Also das, okay, so neutral, wie yay, wir haben wahre Klammern. Ich möchte, dass du es erforschst. Wie wirkt sich dies auf das Ergebnis aus? Wenn sie also von der NU angegriffen hat, hat Charles, immer die Dokumentation durchgesehen. Okay. Lassen Sie mich Ihnen also einfach zeigen, wie es etwas im Dokument selbst durchsehen kann. Was Sie also tun können, ist, dass Sie vielleicht überprüfen möchten, wie der Weg arrangiert wird. Also np.array und dann setzen Sie ein Fragezeichen, dann führen Sie die Zelle aus. Um dir hier zur Hölle zu zeigen, worum es in der Reichweite geht und du kannst sie durchschauen und erkunden. Okay, danke. Wir sehen uns in der nächsten Klasse. 7. Wiederholen und 1D-Array-Indiz und Schnitt: Hallo und willkommen zu diesem Kurs, ich werde nur eine kurze Zusammenfassung der beiden eisenhaltigen Operationen machen , die wir in den vorherigen Klassen behandelt haben. Und betonen Sie, wenn Sie glauben, dass Sie bei drei elementweisen Operationen sicherstellen müssen, dass Ihr R unsere gleiche Größe hat, bevor Sie dies tun können. Okay, wenn sie also nicht die gleiche Größe haben, können Sie keine elementweisen Operationen in den verschiedenen Bereichen ausführen, die wichtig sind. Also habe ich dir schon einmal gezeigt, wie man die Größe eines Arrays überprüft. Sie können also immer die Größe eines Arrays überprüfen, bevor Sie sich für die elementweisen Operationen qualifiziert haben. Wir haben also die meisten Operationen gesehen. Dieser multipliziert sich also nur, indem wir dieses Array nehmen, multiplizieren wir es mit derselben RA. Indem wir dieses Array nehmen, subtrahieren wir dieselben Bereiche, was bedeutet, dass wir am Ende 0 haben, weil wir nur dasselbe subtrahieren. Und so kannst du dich auch teilen. Sie können ein Array verwenden, eines durch ein Array geteilt. Das ist also elementweise in Ordnung, sobald das Gesicht, okay, also in diesem Fall wird dies der Faustwert in den ersten Spalten sein, der einen geteilt durch 1 nimmt. Setze das in das Array. Es bewirkt, dass man je nach Wahr variiert. Es bringt es in die erste Einreichung, in der zweiten Spalte und so weiter. So wacht er wieder auf und zeichnete auch ein Exponentiell. Sie können ein Array nehmen, dieses, und es dann auf den Pfad zum geöffneten Pastor erheben fünf ist das gleiche wie die Quadratwurzel dieser. So wird es gehen und einen auf die Macht 0.5 bringen, die gesamte Ablagerung, die von allen Elementen im Array geöffnet wird. Okay? Sie können also auch wieder wie boolesche, boolesche Operationen überprüfen, überprüfen , okay, ich habe eine oben. Ich möchte überprüfen, ist dieses Array größer als das vorherige Array? Wenn es also stimmt, gebe ich dir ein Ergebnis. Was wäre also das Ergebnis? Nehmen wir an, in diesem Fall können Sie das untersuchen und herausfinden, was das Ergebnis sein wird. Denken Sie daran, dass dieser elementweise ist, Wert nach Wert überprüft und uns ein Ergebnis liefert. Okay, also wollen wir mit Indizierung und Slicing fortfahren. Okay, also bin ich in dieser Klasse, ich werde nur über einen dimensionalen Einzelschaden sprechen. Nun Alice, damit werden wir in dieser Klasse zusammenarbeiten. Okay, sagen wir mal, wir haben ein Array. Okay? Also diesen muss ich es demonstrieren. Wir haben das. Ich kopiere es einfach, damit wir es ausführen können. Okay? Okay, das ist also die Ausgabe, das ist das Array. Sagen wir ein. Wir wollen herausfinden, was auf Position fünf steht. Wir können Position Phi indizieren und dann klicken wir und es wird uns sagen, dass Position fünf wir den Wert fünf haben. Okay? Lassen Sie mich Ihnen also einfach zeigen, wie Positionen festgelegt werden, bevor Sie anrufen können. Okay, also das ist das Array, oder? Wenn Sie sagen, dass Sie Position fünf überprüfen möchten, Sie immer daran, dass bei der Indizierung die erste 500 Position 0 ist. Also Schritt von 0, 1, 2, 3, 4, 5. Und das wird beide gesehen, wie man mit dem Wert phi kämpft. Dort haben wir das Ergebnis Phi bekommen. Also geht es und überprüft das Array und findet heraus, was eine Position 5 und 10 ist, verschieben es. Also von neun Münzen zu zählen, weil o nicht so negativ neun und negative vier ist. Okay? Also diese können Sie sie in Ihrem Typ ausprobieren, okay, also können wir fünf bis acht sagen, in diesem Fall wird es mir geben, dass der Wert zwischen 58 liegt. In diesem Fall werden auch die Werte im Bereich 58 ausgewählt und dann durch Husten ersetzt. Sie können also alles tun, was Sie wollen, mit dem Array. So können Sie sehen, dass es Mutant Boy ist, Sie können seinen Inhalt ändern, ist echt. Und dann wird dieser alle Werte zuweisen. Wählen Sie also einfach alle Dateien aus, geben Sie an, ich beginne davon, keinen bestimmten Bereich darin. Es wählt alles im Array aus und weist es dann 64 zu. Ich hoffe, du hast etwas davon in den nächsten Klassenzweien verstanden und gelernt, jetzt schau es jetzt zu schaden. 8. 2D-Array-Indizierung und Schnittbreite: Hallo und willkommen zu diesem Kurs. In der vorherigen Klasse haben wir also über das Indizieren und Slicing eindimensionaler Arrays gesprochen. In dieser Klasse werden wir zwei Dimensionen untersuchen. Und die Idee ist, dass Sie haben, wenn Sie beide herausgenommen haben, können 234 Dimensionen erforscht werden, mit denen Sie arbeiten. Okay, also das ist das Array, das ich erstellt habe. Wir können also sehen, dass es zwei Zeilen und drei Spalten hat. Was wollen wir also jetzt versuchen zu sehen, wie der Index hier funktioniert. Wie schneidet man die Woche hier? Okay, also was ich tun werde, ist, dass ich 2 D Array sagen werde. Und ich werde Position eins indizieren. Was, was denkst du würde passieren, wenn wir das tun? Also werde ich diesen einen Eintrag ausführen, den wir bestätigen würden. Okay. Sie können also sehen, dass die Zeile gedruckt wird, true. Warum druckt es die Straße zu, im vorherigen Video würde sehen, dass es gut schütteln kann, 01 und dann sollte es uns durchdrucken. Aber jetzt herrscht Verwirrung. Es gibt zwei Reihen, daher kann es nicht mit dieser zählen. Also was es tut, kegelt es in der Zeile nach unten, die Spalte kommt in der Spalte runter. Es wird also dauern, dass diese Reihe 0 ist, diese Rho ist eins. Wenn ich also der Index bin, warum ich mir ausdrucken muss, war die Zeile das, was dem Index eins entspricht. Okay? Wenn ich das einmal ausdrucken möchte, ist diese Position im Index eins. Also das muss ich tun, ist das, okay? Ich habe es geschafft, wahre Zeile zwei zu nennen. Ich möchte jetzt allein oder innerhalb der Zeile true indizieren. Dieser ist also normal gegenüber dem, was wir in der einzigen Dimension getan haben. Dieser wird also Prozent 0, 1, 2 sortiert darstellen. Und jetzt drehen Sie, wenn ich ausdrucken möchte, ist in Position 0 entlang der Achse. Also hier behalte ich ein paar Notizen. Sie wählen zuerst die Zeile aus, die Sie mit der Indizierung dort unten verwenden möchten, alle Spalten. Dieser ist Index 0, das ist Index eins. Wenn ich also wahr werden will, dann ist es index1. Und jetzt kann ich mich in der Reihe bewegen. Dies ist Index 0, Index 1, Index true. Wenn ich also vier will, kann ich leicht Position 0 sagen. Wenn ich das schreiben soll, wenn ich das hier leiten soll, lass uns sehen. Wir sehen also, dass wir vier kriegen. Das ist also nur eine Bestätigung. Also mit diesem ist es gut, dass wir schneiden können. Aber dann dieses, wenn Sie es so aus dem obigen Beispiel machen mussten, Es ist nicht so, dass es gehen und schneiden wird oder die, die Zeilen, die in diesem Fall vor dem Weg zur Straße drei sein werden, denn wenn es Index ist immer 11 minus die Anzahl der Zeilen. Das ist also der Epsilon-Index in Reihe drei. Und die beiden klären alles vor drei. Wenn wir das hier zeichnen würden. Also würde dieser alles vor der Reihe vor drei klären, oder? Dies ist das fünfte, was es tut. Nach dem Reinigen geht es in ihre Rolle und schneidet alles von eins bis zum Rand. Okay, also lasst uns hier nach oben gehen. Das ist also wie eine offizielle Organisation, die Ihnen helfen kann zu verstehen, was vor sich geht. Okay, das ist also der erste Index bei einem Drain mit zweidimensionalen Arrays. Wenn wir also sagen, wenn wir 10 sagen, repräsentiert dies das x ist das x, das y x ist, das y x ist, und dann würde die X-Achse die Indizierung entlang der Zeile darstellen. Dies kann Ihnen also helfen, sich zu visualisieren, was vor sich geht. Wenn ich also sage, dass 000 in dieser Position, in der ersten Reihe und in der fünften Position in dieser Reihe eingespeist . Wenn ich sage, dass 10 eine Zeile gesetzt ist, aber auf der ersten Position in Tetra, sage ich es nur. In der nächsten Klasse werden wir darüber sprechen, wie wir boolesche Indizierung zeichnen können. Wir sehen uns im Unterricht. 9. Boolean Indizierung: Willkommen zurück. In dieser Klasse werden wir nur die boolesche Indizierung durchlaufen. Wie dieser funktioniert, versuchen wir, in einem Array von Strings einen Bereich von Zahlen zu vermitteln. Also haben wir Sarah Blake vielleicht Namen in unserem Beispiel. Also wollen wir uns ansehen, Okay, in diesem Nims-Array, wie viele ist Bob okay? Oder wir machen das einfach durch. Ist Bob da. Wenn er wahr geblieben ist, wenn es nicht ihre Schuld ist, wenn es nicht falsch ist, wenn es wahr ist. So wie wenn ich diesen laufen würde, eine MC-Bar für Bob, also geht es einfach durch das Array. Wenn Sie nach Bob Wegen suchen, ein boolescher Wert, true oder false zurückgegeben. Okay, danach wollen wir erreichen, dass wir auch ein Delta von gleicher Größe wie dieses haben, bei dem die Datei den Namen entspricht, die wir hier haben. Jetzt wird es zum Index hinzugefügt, die Daten würden nach Pope benannt werden. Wir erwarten, dass wir die Werte erhalten, die dem Namen Bob entsprechen. Okay, denken Sie also daran, dass wir indizieren, vielleicht geben wir an, dass wir auf acht kommen wollen, wir können diese spezifischen Positionen angeben . Jetzt bekommt man Voraussetzungen, wenn Papst in der RHS erscheint. Dieser wurde also bereits Bob mit einem RTOS genannt oder wir indizieren das wahre Das sollte uns die Positionen oder die Daten oder die Dateien, die beiden entsprechen, in das Datenarray geben . So funktioniert das also einfach. So kannst du es alleine ausprobieren und sehen, wie es läuft. Also haben wir an dieser Stelle in Excel-Übung. Und so modifizierte er das Beispiel, über das ich gerade gesprochen habe. Ich möchte also, dass Sie die Zeilen und den Namen Pope auswählen und dies im Indizierungsdatenarray übergeben. Und dann überprüfst du, was unsere Kinder haben, nachdem du die Größe überprüft hast. Ich möchte, dass du das gleiche Verfahren wiederholst, aber gleichzeitig Bob und Joe des Namens wählst. Diesmal wählst du also nicht nur Bot aus, sondern wählst auch Joe darüber hinaus aus. Wie kann man das machen? Sie müssen sich an Ihre Operatoren, Ihre booleschen Operatoren erinnern oder wie enden Sie mit t und 0? Das würde dir also helfen. Okay, das bringt uns zum Ende dieses Kurses. In der nächsten Klasse werden wir über einige aktuelle Statistiken von Vitamix sprechen , die Netzwerke mit NumPy-Arrays verwenden. 10. Statictical Methoden in Numpy: Hallo und willkommen zu diesem Kurs, in dem wir über mathematische und statistische Methoden sprechen. In dieser Klasse werde ich nur einige der statistischen Operationen durchlaufen , die Sie mit NumPy ausführen können. Also erwachen wir mit diesem Array. Wir werden es mit der Zufallsfunktion generieren. Okay, also wollen wir sehen, wie wir es erforschen können. also normalerweise einen Trick genug Statistiken machen, wollen wir normalerweise wissen, was der Mittelwert ist als diese Summe. Okay? Aber fangen wir damit an zu finden, sagen wir den Gemein. Wenn Sie also den Mittelwert für erschwingliche Daten finden möchten, können Sie einfach den Namen des Arrays eingeben. Punkte bedeuten so viele Funktionen. Vergiss diese Klammer also nicht. Und dann rennst du. Okay, also sagt es okay, um das zu leiten, okay, also sollte es jetzt den Fall aufwecken. Sie können also jetzt sehen, dass es uns den Mittelwert für diesen im Array gespeicherten Datensatz gibt. Okay, was wäre, wenn du auch die Summe finden willst? Wir wollen zusammenfassen, okay, Huawei, was? Wir können gehen. Für einige Mitglieder die Funktion, die Sie benötigen die Klammern, um Marken zu erwerben. Also wird es diese Summe hier finden. Okay, also gibt es dieses Problem wieder, wenn wir es mit diesen Operationen zu tun haben. Wenn wir ein Array haben, das nicht dimensional gesehen wird. Wir können also eine reisende Welle angeben, die wir summieren möchten, also können wir das angeben, okay, also wollen wir über X summieren, weshalb wir über x gleich 0 summieren wollen. Also machen wir das, indem wir angeben, wann wir den Code ausführen. Wir können also sagen, dass wir den Hauptweg finden wollen und einen Min. eins finden wollen, um es entlang des x. So können Sie sehen, dass Sie selbst wenn ich tippe, alle Dinge sehen, die Sie ändern können. Ändern Sie die X's, den Datentyp aus, behalten Sie Dimensionen bei. Also all das kannst du um sie herum spielen. Also werde ich hier nur die Achse angeben und bin gegangen, um über das x ist eins zu finden. Also Restaurant und Testen. Okay, also jetzt kommt es, dann läuft es und gibt uns etwas Gutes. Es schaut einfach durch die X's und findet den Mittelwert. Und dann bringt es es einfach in Array-Form. Okay, das sind also nur einige der Beispiele für die statistischen Operationen, die Sie mit NumPy machen können. Auch hier untersucht IV sogar, wie Sie die Standardabweichung, die Varianz, das Mittelwert, das kumulative, kumulative Produkt oder das finden die Varianz, das Mittelwert, das kumulative, können, Sie können sie auch untersuchen. An dieser Stelle möchten wir also, dass wir NumPy Dokumentation wirklich vertraut machen. Es gibt also Möglichkeiten, dies umzusetzen und wirklich zu helfen, wenn Sie eine Karriere in der Datenanalyse wünschen. Okay, also werden wir im nächsten Video über eine lineare Algebra sprechen und auch Daten transformieren. Okay, wir sehen uns immer noch in der nächsten Klasse. 11. Lineare Algebra mit Numpy Arrays: Willkommen Kurs. Schließlich möchte ich mit NumPy über lineare Algebra sprechen. Okay? Dies ist also das gleiche Beispiel, das wir zitieren werden. Ich habe etwas Zeit geschrieben. Also werde ich es einfach nur als Rückruf ausführen. Okay, also rein und lass es laufen. Okay, also was wir erreichen wollen, also habe ich gerade ein paar Daten erstellt, x und y. Also x und y, wir können viele Dinge damit machen. Wir können ein Punktprodukt durchführen, x dot y, wenn Sie ein Punktprodukt ausführen möchten. Sie können also einfach sehen, dass dies die Funktion ist, die Sie verwenden, in NumPy gefunden wird. Sie brauchen also definitiv np und dann als die Funktion unterrichtet, die x und y nimmt und das niederländische Porträt zwischen diesen beiden im Urin aufführt und antworten wird . Sie sehen also, dies ist das Punkt-Produkt, das wir erhalten haben, wenn wir berechnen, wenn wir x und y aufnehmen. Okay, also abgesehen von der Geburt von der gesamten durchgelesenen Drehung müssen wir natürlich wieder in Transformationen umwandeln, indem sie sie wurden mit NumPy. Damit Sie jedoch transformieren oder ändern oder finden können, müssen Sie auf jeden Fall eine andere Bibliothek oder ein anderes Objekt innerhalb des NumPy importieren. Was wir also tun können, ist, dass wir hier reinkommen und das von NumPy importieren können. Ein Verträumter geht also in NumPy. Dann werden wir danach suchen. Und sobald es es bekommt, wenn es in NP ist. Okay, also was machen wir hier? Wir haben diesen bereits importiert, aber wir wollen nur Füße in einer Form hören, die wir mit der Andockseite vertraut sind. Es wird also einfacher für mich sein. Also wird es für all das eine Phaseneinphasenphase finden. Wie ich mich vielleicht frage, ob AF im Array, ich kann das Interface bekommen. Okay? Wenn wir das ausführen, sobald wir es ausgeführt haben, können wir hier eine andere Zelle erstellen. Was wollen wir zeichnen? Okay, lasst uns ein paar Daten erstellen. Das hier, also erstelle ich einige Daten und stelle Newton in RAX wieder her. Sobald wir die Daten hier haben, okay, damit du sie ausführen kannst. Dies ist der Datensatz, also der Devisensatz. Wir können also, es gibt hier ein anderes Array, Anführungszeichen. Dieser nutzt also die Top-Produkte und es liegt auch dem zugrunde, die Transposen transponieren X Theta eine Transponierung, es trägt ein Punktprodukt. Okay, also wird das County wecken. Ich erstelle eine ADA, führe diese aus. Also muss ich es nennen, damit wir das Ergebnis sehen. Okay, also das kriegen wir. Nachdem wir die Transponierung gemacht haben, wird das Punkt-Produkt ausgeführt. Wir kommen zu diesem Teil. Okay, das ist also das Kalorienreich und zwei, also können wir auch das Inverse machen. Sie können von diesem investieren. Dann können Sie es in Excel ausführen, um einige Ergebnisse zu erhalten. So können wir viele andere Dinge erforschen und erforschen. Wenn es um Arrays geht, kannst du viele Sachen machen. Mithilfe einer linearen Algebra können die Daten transformiert werden. Das kannst du auch erforschen. Das ist die NumPy Dokumentation. Ich habe das Gefühl, dass mir das sehr geholfen hat. Als ich es getan habe. 12. Conclusion und Projektbeschreibung: Hallo Unterricht. Dies ist das Ende unseres Kurses. Wenn wir Fragen oder Bedenken haben, tippen Sie diese bitte in der Diskussion ein. Wie zu erwarten, gibt es ein interessantes Projekt, das wir ausprobieren müssen. Deine Hände dran. Opia ist so aufgeregt wie ich bin. Also werde ich dich einfach durch die Projektbeschreibung in diesem Video führen. Für Ihr Projekt müssen Sie also nach dem Zufallsprinzip einen Datensatz Ihrer Wahl generieren und x nennen. Nachdem Sie den Datensatz generiert haben, möchte ich, dass Sie die Form und das Band aus Ihrem Datensatz finden. Danach möchte ich, dass Sie Ihr x ändern. Das ist der Datensatz, den Sie in einem Feature in zwei Dimensionen generiert haben. Okay, nach all dem wird der interessanteste Teil für Sie in tabellarischer Form sein, vorausgesetzt verschiedene statistische Operationen, die wir in diesem Kurs in Türen gelernt haben , die wir in Ihrer Freizeit erforscht haben. Ich möchte auch, dass Sie versuchen, diese statistischen Operationen entlang spezifizierter Xs zu erforschen . Sie können also zeichnen für x ist gleich 1, x ist gleich 0. Also Duan soll verschiedene und Bedingungen erforschen , die Sie durch die statistischen Operationen, die wir geliehen haben, durchlaufen können. Schließlich möchte ich, dass Sie es zwei mal drei Arten von Daten aus den Eiern regenerieren , die Sie generiert und in ihrer Variablen gespeichert haben. In all diesen Fällen möchte ich, dass Sie sich an die Konzepte erinnern, die Sie in der gesamten Kurs anwenden Auswahl der richtigen Eingabefunktion für die Verwendung in der, die er hoffte, das Ziel für das Projekt zu erreichen. Nach all diesen Out1, um jede der verwendeten Funktionen oder Orbitale zu erklären, damit wir wissen, dass Sie wirklich verstehen, was wir tun. Und in der Luft, um alles für die Leistungen zurückzurufen , sind unter dem eingereichten Dokument mit Ihren Lösungen fällig, dies kann ein PDF- oder ein Word-Dokument sein. Ich möchte auch, dass Sie Ihr Notizbuch mit dem Namen einreichen, damit ich sehen kann, wie wir dieses Projekt von Anfang bis Ende durchlaufen haben.