Aprenda NumPy em oito laboratórios guiados que explicam não apenas como trabalhar com arrays, mas também por que forma, tipo de dado e comportamento da memória importam. Você escreverá e executará pequenos programas Python, avançando da criação e indexação para arquivos, broadcasting, dados estruturados e funções universais.
O curso usa experiências concretas, e não um único projeto grande. Você carregará um CSV com valores ausentes, comparará views com cópias independentes, testará formas compatíveis e incompatíveis e observará operações elemento a elemento. Assim, construirá um entendimento confiável para trabalhos numéricos futuros.
O que você aprenderá
- Criar arrays multidimensionais a partir de sequências Python, construtores NumPy e arquivos
- Selecionar e atualizar dados com fatiamento, indexação inteira e máscaras booleanas
- Importar tabelas com
genfromtxt, tratando cabeçalhos, delimitadores, colunas e valores ausentes - Inspecionar, escolher e converter tipos NumPy com
dtypeeastype - Aplicar regras de broadcasting e reconhecer formas incompatíveis
- Distinguir views de cópias e verificar memória compartilhada por meio de
base - Definir e acessar campos nomeados em arrays estruturados e record arrays
- Usar funções universais para operações elemento a elemento, reduções, tipos de saída e comportamento personalizado
Para quem é este curso
Este curso é indicado para estudantes de Python que estão começando com NumPy e futuros profissionais de dados que desejam uma base clara sobre arrays. É especialmente útil para quem já escreve Python básico, mas quer orientação antes de grandes coleções de exercícios ou bibliotecas construídas sobre NumPy.
Pré-requisitos: Recomenda-se conhecer listas, variáveis, condições e execução de scripts em Python. Não é necessária experiência anterior com NumPy.
Ambiente de aprendizagem: Cada laboratório oferece um WebIDE Ubuntu 22.04 com arquivos Python iniciais, terminal e os dados CSV necessários. Você edita e executa arquivos .py no navegador, sem configuração local.
Perguntas frequentes
O curso é guiado ou composto principalmente por desafios?
São oito laboratórios guiados com explicações, exemplos executáveis e tarefas passo a passo. Não há laboratórios de desafio separados.
Por que estudar cópias e views?
Fatias NumPy podem compartilhar memória com o array original, enquanto a indexação avançada geralmente cria uma cópia. Essa diferença permite prever se uma alteração também afetará os dados de origem.
O curso trabalha com dados de arquivos?
Sim. Você usa loadtxt para um CSV simples e genfromtxt para ignorar cabeçalhos, selecionar colunas, definir tipos e substituir valores ausentes.
Aprenderei Pandas, machine learning ou visualização?
Não. O foco são os arrays NumPy e seu comportamento. O curso fornece base para esses temas, mas não ensina DataFrames, modelos preditivos ou fluxos de plotagem.
