12 operações NumPy para iniciantes

NumPy, que significa Numerical Python, é uma biblioteca Python usada principalmente para trabalhar com matrizes e executar uma ampla variedade de operações matemáticas nelas. É a biblioteca central para computação científica em Python. NumPy é frequentemente usado com outras bibliotecas Python relacionadas à ciência de dados, como SciPy, Pandas e Matplotlib.

Neste artigo, você aprenderá a realizar 12 operações básicas usando o NumPy.

Usando Estes Exemplos NumPy

Você pode executar os exemplos neste artigo inserindo o código diretamente no interpretador Python. Inicie-o no modo interativo, a partir da linha de comando, para fazer isso.

Você também pode acessar um arquivo Python Notebook contendo o código-fonte completo de este repositório GitHub.

1. Como importar NumPy como np e imprimir o número da versão

Você precisa usar o importar palavra-chave para importar qualquer biblioteca em Python. NumPy normalmente é importado sob o np alias. Com esta abordagem, você pode se referir ao pacote NumPy como np ao invés de entorpecido.

importar numpy como np
imprimir (np .__ versão__)

Saída:

1.20.1

2. Como criar um objeto NumPy ndarray

O objeto de matriz em NumPy é chamado ndarray. Você pode criar o NumPy ndarray objeto usando o variedade() método. o variedade() método aceita uma lista, tupla ou um objeto do tipo array.

Usando uma tupla para criar uma matriz NumPy

arrObj = np.array ((23, 32, 65, 85))
arrObj

Saída:

matriz ([23, 32, 65, 85])

Usando uma lista para criar uma matriz NumPy

arrObj = np.array ([43, 23, 75, 15])
arrObj

Saída:

matriz ([43, 23, 75, 15])

3. Como criar matrizes NumPy 0D, 1D, 2D, 3D e N-Dimensional

Matrizes 0D

Cada elemento de uma matriz é uma matriz 0D.

arrObj = np.array (21)
arrObj

Saída:

matriz (21)

Matrizes 1D

Os arrays que têm arrays 0D como elementos são chamados de arrays 1D.

arrObj = np.array ([43, 23, 75, 15])
arrObj

Saída:

matriz ([43, 23, 75, 15])

Matrizes 2D

Arrays que têm arrays 1D como elementos são chamados de arrays 2D.

arrObj = np.array ([[12, 43, 21], [67, 32, 98]])
arrObj

Saída:

matriz ([[12, 43, 21],
[67, 32, 98]])

Matrizes 3D

Arrays que têm arrays 2D (matrizes) como seus elementos são chamados de arrays 3D.

arrObj = np.array ([[[23, 45, 22], [45, 76, 23]], [[67, 23, 56], [12, 76, 63]]])
arrObj

Saída:

matriz ([[[23, 45, 22],
[45, 76, 23]],
[[67, 23, 56],
[12, 76, 63]]])

Matrizes n-dimensionais

Você pode criar uma matriz de qualquer dimensão usando o ndmin argumento.

arrObj = np.array ([23, 22, 65, 44], ndmin = 5)
arrObj

Saída:

matriz ([[[[[23, 22, 65, 44]]]]])

4. Como verificar as dimensões de um array

Você pode encontrar as dimensões de uma matriz usando o ndim atributo.

arrObj1 = np.array (21)
arrObj2 = np.array ([43, 23, 75, 15])
arrObj3 = np.array ([[12, 43, 21], [67, 32, 98]])
arrObj4 = np.array ([[[23, 45, 22], [45, 76, 23]], [[67, 23, 56], [12, 76, 63]]])
imprimir (arrObj1.ndim)
imprimir (arrObj2.ndim)
imprimir (arrObj3.ndim)
imprimir (arrObj4.ndim)

Saída:

0
1
2
3

5. Como acessar os elementos de matrizes 1D, 2D e 3D

Você pode acessar um elemento da matriz usando seu número de índice. Para matrizes 2D e 3D, você precisa usar números inteiros separados por vírgula que representam o índice de cada dimensão.

arrObj1 = np.array ([43, 23, 75, 15])
arrObj2 = np.array ([[12, 43, 21], [67, 32, 98]])
arrObj3 = np.array ([[[23, 45, 22], [45, 76, 23]], [[67, 23, 56], [12, 76, 63]]])
imprimir (arrObj1 [2])
imprimir (arrObj2 [0, 2])
imprimir (arrObj3 [0, 1, 2])

Saída:

75
21
23

Observação: As matrizes NumPy também suportam indexação negativa.

Relacionado: Por que Python é a linguagem de programação do futuro

6. Como verificar o tipo de dados do objeto NumPy Array

Você pode verificar o tipo de dados do objeto de matriz NumPy usando o dtype propriedade.

arrObj1 = np.array ([1, 2, 3, 4])
arrObj2 = np.array ([1,3, 6,8, 3,5, 9,2])
arrObj3 = np.array (['Bem-vindo', 'para', 'MUO'])
imprimir (arrObj1.dtype)
imprimir (arrObj2.dtype)
imprimir (arrObj3.dtype)

Saída:

int32
float64

Observação:

NumPy usa os seguintes caracteres para representar os tipos de dados integrados:

• i - inteiro (assinado)
• b - booleano
• O - objeto
• S - string
• u - inteiro sem sinal
• f - flutuar
• c - flutuação complexa
• m - timedelta
• M - datetime
• U - string Unicode
• V - dados brutos (vazio)

7. Como alterar o tipo de dados de uma matriz NumPy

Você pode alterar o tipo de dados de uma matriz NumPy usando o astype (data_type) método. Este método aceita o tipo de dados como parâmetro e cria uma nova cópia do array. Você pode especificar o tipo de dados usando caracteres como 'b' para booleano, 'i' para inteiro, 'f' para flutuante, etc.

Convertendo uma Matriz Inteira em uma Matriz Flutuante

arrObj = np.array ([43, 23, 75, 15])
floatArr = arrObj.astype ('f')
floatArr

Saída:

array ([43., 23., 75., 15.], dtype = float32)

Convertendo uma Matriz Flutuante em uma Matriz Inteira

arrObj = np.array ([1,3, 6,8, 3,5, 9,2])
intArr = arrObj.astype ('i')
intArr

Saída:

matriz ([1, 6, 3, 9], dtype = int32)

Relacionado: Idéias de projetos Python adequadas para iniciantes

8. Como copiar uma matriz NumPy em outra matriz

Você pode copiar um array NumPy em outro array usando o np.copy () função. Esta função retorna uma cópia do array do objeto fornecido.

oldArr = np.array ([43, 23, 75, 15])
newArr = np.copy (oldArr)
newArr

Saída:

matriz ([43, 23, 75, 15])

9. Como Encontrar a Forma de um Array NumPy

A forma de uma matriz se refere ao número de elementos em cada dimensão. Você pode encontrar a forma de uma matriz usando o forma atributo. Ele retorna uma tupla cujos elementos fornecem os comprimentos das dimensões da matriz correspondente.

arrObj = np.array ([[12, 43, 21], [67, 32, 98]])
arrObj.shape

Saída:

(2, 3)

Relacionado: Como construir APIs em Python: estruturas mais populares

10. Como remodelar uma matriz NumPy

Remodelar uma matriz significa mudar sua forma. Observe que você não pode remodelar uma matriz para uma forma arbitrária. O número de elementos necessários para a remodelagem deve ser o mesmo em ambas as formas.

arrObj = np.array ([43, 23, 75, 15, 34, 45])
reshapedArr = arrObj.reshape (2, 3)
reshapedArr

Saída:

matriz ([[43, 23, 75],
[15, 34, 45]])

No exemplo acima, uma matriz 1D é remodelada para uma matriz 2D.

11. Como nivelar uma matriz NumPy

Achatar um array significa converter um array multidimensional em um array 1D. Você pode nivelar uma matriz usando remodelar (-1).

arrObj = np.array ([[12, 43, 21], [67, 32, 98]])
flattenedArr = arrObj.reshape (-1)
flattenedArr

Saída:

matriz ([12, 43, 21, 67, 32, 98])

Observação: Você também pode nivelar uma matriz usando outros métodos como numpy.ndarray.flatten () e numpy.ravel ().

12. Como classificar uma matriz NumPy

Você pode classificar uma matriz NumPy usando o numpy.sort () função.

Classificando Array 1D de Inteiros

arrObj = np.array ([43, 23, 75, 15])
np.sort (arrObj)

Saída:

matriz ([15, 23, 43, 75])

Classificando Array 1D de Strings

arrObj = np.array (["Python", "JavaScript", "Solidity", "Golang"])
np.sort (arrObj)

Saída:

array (['Golang', 'JavaScript', 'Python', 'Solididade'], dtype = '

Classificando Array 2D de Inteiros

arrObj = np.array ([[12, 43, 21], [67, 32, 98]])
np.sort (arrObj)

Saída:

matriz ([[12, 21, 43], [32, 67, 98]])

Torne seu código robusto usando métodos e funções integradas

Python é uma das linguagens de programação mais populares. É usado em vários domínios, como desenvolvimento web, aplicativos científicos e numéricos, desenvolvimento de software e desenvolvimento de jogos. É sempre bom saber sobre métodos e funções integradas em Python. Eles podem encurtar seu código e aumentar sua eficiência.

20 funções Python que você deve conhecer

A biblioteca padrão do Python contém muitas funções para ajudar em suas tarefas de programação. Aprenda sobre os mais úteis e crie um código mais robusto.

Leia a seguir

Sobre o autor