Atributos de Arrays e Dtype

Introdução

Este tutorial explorará os atributos de arrays NumPy, com foco no atributo dtype. NumPy é uma biblioteca poderosa para computação numérica em Python, e o array NumPy é uma estrutura de dados central para esta biblioteca.

Arrays NumPy são arrays multidimensionais e homogêneos, o que significa que podem armazenar elementos do mesmo tipo de dados em múltiplas dimensões. Eles são eficientes e convenientes para operações numéricas, fornecendo muitas funções e capacidades.

Criando Arrays NumPy

Antes de explorar os atributos de arrays NumPy, vamos primeiro criar um array NumPy. Você pode criar arrays NumPy a partir de listas, tuplas ou outros arrays usando a função numpy.array().

Abra o Shell Python

Abra o shell Python digitando o seguinte comando no terminal.

python3

Agora você pode usar a função numpy.array() para criar arrays NumPy

import numpy as np

## Criando um array 1D a partir de uma lista
one_d_array = np.array([1, 2, 3, 4, 5])

## Criando um array 2D a partir de uma lista de listas
two_d_array = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

Atributos de Arrays NumPy

Arrays NumPy possuem vários atributos que fornecem informações sobre as propriedades do array, como:

• shape: Uma tupla representando as dimensões do array.
• size: O número total de elementos no array.
• ndim: As dimensões (eixos) do array.
• dtype: O tipo de dado dos elementos do array.
• itemsize: O tamanho em bytes de cada elemento no array.

Usando Atributos de Array

Agora, podemos usar esses atributos na prática:

## Criar um array 2D
array = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

## Obter a forma do array
print("Shape:", array.shape)  ## Output: (3, 3)

## Obter o tamanho do array
print("Size:", array.size)  ## Output: 9

## Obter o número de dimensões do array
print("Número de dimensões:", array.ndim)  ## Output: 2

## Obter o tipo de dado dos elementos do array
print("Tipo de dado:", array.dtype)  ## Output: int64 (or int32, depending on your system)

## Obter o tamanho em bytes de cada elemento no array
print("Item size:", array.itemsize)  ## Output: 8 (or 4, depending on your system)

Entendendo Dtype

O atributo dtype é particularmente importante porque determina o tipo de dados armazenados no array. NumPy suporta vários tipos de dados, como inteiros (int8, int16, int32, int64), inteiros sem sinal (uint8, uint16, uint32, uint64), números de ponto flutuante (float16, float32, float64) e números complexos (complex64, complex128).

Ao criar um array NumPy, você pode especificar o dtype usando o parâmetro dtype. Se não for especificado, NumPy tentará inferir o tipo de dado a partir dos dados de entrada.

Uso de Dtype

Vamos explorar o uso do atributo dtype

## Criar um array float a partir de uma lista
float_array = np.array([1.2, 2.3, 3.4, 4.5], dtype=np.float32)
print("Float array dtype:", float_array.dtype)  ## Output: float32

## Criar um array inteiro a partir de uma lista
int_array = np.array([1, 2, 3, 4, 5], dtype=np.int16)
print("Integer array dtype:", int_array.dtype)  ## Output: int16

## Criar um array complexo a partir de uma lista
complex_array = np.array([1 + 2j, 2 + 3j, 3 + 4j], dtype=np.complex64)
print("Complex array dtype:", complex_array.dtype)  ## Output: complex64

## Criar um array e deixar o Numpy inferir o tipo de dado
mixed_array = np.array([1, 2, 3.5, 4.5])
print("Mixed array dtype:", mixed_array.dtype)  ## Output: float64

## Alterando o tipo de dado de um array existente
new_dtype_array = mixed_array.astype(np.int32)
print("New dtype array:", new_dtype_array)  ## Output: [1 2 3 4]
print("New dtype:", new_dtype_array.dtype)  ## Output: int32

## Criando um array de zeros com dtype especificado
zeros_array = np.zeros((3, 3), dtype=np.uint8)
print("Zeros array with dtype uint8:\n", zeros_array) ## Output:[[0 0 0] [0 0 0] [0 0 0]]

Resumo

Em resumo, este tutorial focou nos atributos de arrays NumPy, particularmente no atributo dtype. Cobrimos a criação de arrays NumPy, exploramos atributos importantes e aprofundamos a significância de dtype. Entender e usar efetivamente o atributo dtype é crucial para computações numéricas eficientes e precisas em Python usando arrays NumPy. Continue praticando para aprimorar sua proficiência com arrays NumPy e seus atributos.