Introdução
Este laboratório fornece um guia passo a passo para criar e usar arrays NumPy. Arrays NumPy são estruturas multidimensionais, semelhantes a grades, usadas para computação científica e análise de dados em Python. Eles têm várias vantagens em relação às listas Python, incluindo computação mais rápida, manipulação mais fácil e melhor gerenciamento de memória.
Dicas da VM
Após a inicialização da VM, clique no canto superior esquerdo para mudar para a aba Notebook e acessar o Jupyter Notebook para praticar.
Às vezes, pode ser necessário aguardar alguns segundos para que o Jupyter Notebook termine de carregar. A validação das operações não pode ser automatizada devido a limitações no Jupyter Notebook.
Se você enfrentar problemas durante o aprendizado, sinta-se à vontade para perguntar ao Labby. Forneça feedback após a sessão, e resolveremos o problema prontamente para você.
Instalando NumPy
Antes de começarmos a criar e usar arrays NumPy, é necessário instalar o pacote NumPy. Isso pode ser feito usando o seguinte comando:
!pip install numpy
Criando um Array NumPy
Para criar um array NumPy, podemos usar a função numpy.array(). Podemos passar uma lista, tupla ou qualquer objeto semelhante a um array para esta função, e ela o converterá em um array NumPy. O parâmetro dtype pode ser usado para definir explicitamente o tipo de dados do array.
import numpy as np
## create a 1-dimensional NumPy array
arr1 = np.array([1, 2, 3])
## create a 2-dimensional NumPy array
arr2 = np.array([[1, 2, 3],[4, 5, 6]])
Verificando a Forma e Dimensões de um Array NumPy
Podemos usar os atributos shape e ndim de um array NumPy para verificar sua forma e dimensões, respectivamente. O atributo shape retorna uma tupla com o número de elementos em cada dimensão do array, enquanto o atributo ndim retorna o número de dimensões no array.
import numpy as np
arr = np.array([[1, 2, 3],[4, 5, 6]])
print(arr.shape) ## output: (2, 3)
print(arr.ndim) ## output: 2
Acessando Elementos de um Array NumPy
Podemos acessar elementos de um array NumPy usando indexação e fatiamento (slicing), assim como com listas Python. O índice de um array NumPy sempre começa em 0.
import numpy as np
arr = np.array([[1, 2, 3],[4, 5, 6]])
print(arr[0, 1]) ## output: 2
print(arr[:, 1]) ## output: array([2, 5])
Realizando Operações em Arrays NumPy
Arrays NumPy suportam muitas operações diferentes, como operações aritméticas, funções de agregação e operações lógicas. Por exemplo, podemos usar as funções sum() e mean() para calcular a soma e a média dos elementos de um array NumPy:
import numpy as np
arr = np.array([[1, 2, 3],[4, 5, 6]])
print(arr.sum()) ## output: 21
print(arr.mean()) ## output: 3.5
Redimensionando e Transpondo Arrays NumPy
Podemos redimensionar (reshape) um array NumPy usando a função reshape(). Esta função recebe uma tupla da forma desejada como seu argumento. Também podemos transpor um array NumPy usando a função transpose() ou o atributo T.
import numpy as np
arr = np.array([[1, 2, 3],[4, 5, 6]])
## reshape array to 3 rows and 2 columns
arr_reshaped = arr.reshape((3, 2))
## transpose array
arr_transposed = arr.transpose()
arr_T = arr.T
print(arr_reshaped) ## output: array([[1, 2],[3, 4],[5, 6]])
print(arr_transposed) ## output: array([[1, 4],[2, 5],[3, 6]])
print(arr_T) ## output: array([[1, 4],[2, 5],[3, 6]])
Resumo
Neste laboratório, aprendemos como criar e usar arrays NumPy em Python. Cobrimos os passos básicos de criação de um array, verificação de sua forma e dimensões, acesso aos seus elementos, realização de operações e redimensionamento e transposição. Com estas habilidades, podemos trabalhar eficientemente com arrays multidimensionais para computação científica e análise de dados.