Operações com Arrays NumPy

Introdução

NumPy é uma biblioteca Python utilizada para computação numérica. Ela é projetada para trabalhar com arrays e matrizes, tornando-a uma ferramenta poderosa para computação científica. Neste laboratório, você aprenderá os três tópicos a seguir relacionados às Operações de Array NumPy:

1. Operações Matemáticas
2. Broadcasting (Difusão)
3. Funções Universais (Universal Functions)

Operações Matemáticas

NumPy fornece uma variedade de operações matemáticas para arrays. Essas operações podem ser realizadas em um ou mais arrays.

Abrir o Shell Python

Abra o shell Python digitando o seguinte comando no terminal.

python3

Importar NumPy

NumPy já está instalado, você pode importá-lo em seu código Python:

import numpy as np

Operações Element-wise (Element-wise Operations)

Operações element-wise são operações realizadas em cada elemento do array.

Vamos criar dois arrays e realizar algumas operações element-wise:

## Criando dois arrays
arr1 = np.array([1, 2, 3, 4])
arr2 = np.array([5, 6, 7, 8])

## Adicionando dois arrays
print("Adicionando dois arrays: ", arr1 + arr2)

## Subtraindo dois arrays
print("Subtraindo dois arrays: ", arr1 - arr2)

## Multiplicando dois arrays
print("Multiplicando dois arrays: ", arr1 * arr2)

## Dividindo dois arrays
print("Dividindo dois arrays: ", arr1 / arr2)

## Encontrando o resto após a divisão de dois arrays
print("Módulo de dois arrays: ", arr1 % arr2)

## Elevando elementos de um array a uma potência
print("Elevando um array a uma potência: ", arr1 ** 2)

Saída:

Adding two arrays:  [ 6  8 10 12]
Subtracting two arrays:  [-4 -4 -4 -4]
Multiplying two arrays:  [ 5 12 21 32]
Dividing two arrays:  [0.2        0.33333333 0.42857143 0.5       ]
Modulo of two arrays:  [1 2 3 4]
Raising an array to a power:  [ 1  4  9 16]

Operações Array-wise (Array-wise Operations)

Operações array-wise são operações realizadas em todo o array.

Vamos criar um array e realizar algumas operações array-wise:

## Criando um array
arr = np.array([1, 2, 3, 4])

## Encontrando a soma de todos os elementos no array
print("Soma do array: ", np.sum(arr))

## Encontrando o produto de todos os elementos no array
print("Produto do array: ", np.prod(arr))

## Encontrando o elemento mínimo no array
print("Elemento mínimo no array: ", np.min(arr))

## Encontrando o elemento máximo no array
print("Elemento máximo no array: ", np.max(arr))

## Encontrando a média de todos os elementos no array
print("Média do array: ", np.mean(arr))

## Encontrando o desvio padrão de todos os elementos no array
print("Desvio padrão do array: ", np.std(arr))

Saída:

Sum of array:  10
Product of array:  24
Minimum element in array:  1
Maximum element in array:  4
Average of array:  2.5
Standard deviation of array:  1.118033988749895

Broadcasting (Difusão)

Broadcasting (Difusão) é um recurso do NumPy que permite operações element-wise (elemento a elemento) entre arrays com diferentes formatos (shapes). Broadcasting (Difusão) é especialmente útil ao trabalhar com arrays de diferentes dimensões.

Vamos criar um array e realizar algumas operações de broadcasting (difusão):

## Criando dois arrays de diferentes formatos
array1 = np.array([1, 2, 3])
array2 = np.array([[4, 5, 6], [7, 8, 9]])

## Broadcasting do array menor para o array maior
print("Adicionando dois arrays usando broadcasting: ", array1 + array2)

print("Subtraindo dois arrays usando broadcasting: ", array1 - array2)

print("Multiplicando dois arrays usando broadcasting: ", array1 * array2)

print("Dividindo dois arrays usando broadcasting: ", array1 / array2)

Saída:

Adding two arrays using broadcasting:  [[ 5  7  9]
                                         [ 8 10 12]]

Subtracting two arrays using broadcasting:  [[-3 -3 -3]
                                              [-6 -6 -6]]

Multiplying two arrays using broadcasting:  [[ 4 10 18]
                                              [7 16 27]]

Dividing two arrays using broadcasting:  [[0.25       0.4        0.5       ]
                                           [0.14285714 0.25       0.33333333]]

No código acima, criamos dois arrays, array1 com o formato (3,) e array2 com o formato (2,3). Realizamos operações element-wise (elemento a elemento) entre array1 e array2, graças ao recurso de broadcasting (difusão) no NumPy. O array menor, array1, é difundido (broadcasted) para o array maior, array2, para realizar operações element-wise (elemento a elemento). Broadcasting (Difusão) torna possível realizar operações em arrays com diferentes formatos.

Funções Universais

Funções universais, ou ufuncs, são funções que operam em arrays de forma element-wise (elemento a elemento). Elas fornecem operações rápidas e eficientes em arrays.

Vamos criar um array e realizar algumas ufuncs:

## Criando um array
arr = np.array([1, 2, 3, 4])

## Encontrando a raiz quadrada de cada elemento no array
print("Raiz quadrada do array: ", np.sqrt(arr))

## Encontrando a exponencial de cada elemento no array
print("Exponencial do array: ", np.exp(arr))

## Encontrando o seno de cada elemento no array
print("Seno do array: ", np.sin(arr))

## Encontrando o cosseno de cada elemento no array
print("Cosseno do array: ", np.cos(arr))

## Encontrando o logaritmo natural de cada elemento no array
print("Logaritmo natural do array: ", np.log(arr))

Saída:

Square root of array:  [1.         1.41421356 1.73205081 2.        ]
Exponential of array:  [ 2.71828183  7.3890561  20.08553692 54.59815003]
Sine of array:  [ 0.84147098  0.90929743  0.14112001 -0.7568025 ]
Cosine of array:  [ 0.54030231 -0.41614684 -0.9899925  -0.65364362]
Natural logarithm of array:  [0.         0.69314718 1.09861229 1.38629436]

Resumo

Parabéns! Você agora aprendeu sobre as Operações de Array NumPy, incluindo Operações Matemáticas, Broadcasting (Difusão) e Funções Universais. Com este conhecimento, você agora pode realizar uma ampla gama de tarefas de computação numérica com Python.