Tutorial Python NumPy: Aprenda Python Numpy com exemplos

Se você estuda Python há algum tempo, deve ter se deparado com o NumPy. E você deve ter se perguntado o que é e por que é tão importante. Neste tutorial do Python Numpy , você aprenderá sobre o mesmo. Você entenderá o NumPy, bem como os arrays NumPy e suas funções.

Ter domínio sobre Python é necessário para programadores modernos. E este tutorial Python NumPy o ajudará a entender melhor o Python. É bastante detalhado, por isso recomendamos adicionar esta página aos seus favoritos para referência futura.

Aprenda cursos online de ciência de dados das melhores universidades do mundo. Ganhe Programas PG Executivos, Programas de Certificado Avançado ou Programas de Mestrado para acelerar sua carreira.

O que é Python NumPy?

NumPy significa 'Pyton Numérico'. Como você deve ter adivinhado, ele se concentra em operações numéricas e computação. Numpy é um pacote Python e é a principal biblioteca para cálculos científicos. Ele tem objetos de array n-dimensionais e ferramentas para integrar outras linguagens dominantes, como C. Você pode usar o array NumPy como um enorme contêiner multidimensional para dados.

O que é uma matriz NumPy?

O array NumPy é um fantástico objeto array n-dimensional. Ele tem linhas e colunas, e você pode usá-lo para acessar os elementos de uma lista do Python. Existem muitas operações que você pode realizar em um array NumPy. Nós os discutimos mais tarde neste artigo, mas antes disso, você deve entender como instalar o NumPy em seu sistema. Sem instalá-lo, você não seria capaz de usá-lo.

Como instalar o NumPy?

Você terá que ir ao prompt de comando e digitar 'pip install numpy' para instalar o Python NumPy. Após a conclusão da instalação, você terá que ir para o IDE e importar numpy através de 'import numpy as np'. E é assim que você instala o Numpy em seu sistema.

Você pode criar arrays no NumPy facilmente através do seguinte código:

1 importação numpy como np

2 a=np.array([1,2,3])

3 imprimir(a)

A saída do código acima – [1 2 3]

O código acima lhe daria um array unidimensional. Se você deseja criar um array multidimensional, teria que escrever algo semelhante ao exemplo abaixo:

1 a=np.array([(1,2,3),(4,5,6)])

2 imprimir(a)

A saída do código acima – [[ 1 2 3]

[4 5 6]]

Leia mais: 25 ideias e tópicos interessantes de projetos Python para iniciantes

Operações no NumPy

Python NumPy tem muitas operações. Todos eles desempenham funções específicas. Aqui estão essas funções com uma breve descrição:

tamanho do item:

Com a ajuda desta função, você pode descobrir o tamanho em bytes dos elementos do seu array. Dê uma olhada no exemplo a seguir:

1 importação numpy como np

2 a = np.array([(1,2,3)])

3 print(a.itemsize)

A saída do código acima – 4

ndim:

A função ndim ajuda a encontrar a dimensão da matriz. Você deve saber que pode ter matrizes unidimensionais, bidimensionais e tridimensionais. Veja um exemplo desta função:

1 importação numpy como np

2 a = np.array([(1,2,3),(4,5,6)])

3 print(a.ndim)

A saída do código acima – 2

remodelar:

Com a ajuda da operação de remodelação, você pode alterar o número de linhas e colunas presentes em uma matriz. Suponha que uma matriz tenha três colunas e duas linhas. Através da remodelação, você pode alterá-los para 2 colunas e três linhas. Veja-o em ação através do exemplo a seguir:

1 importação numpy como np

2 a = np.array([(8,9,10),(11,12,13)])

3 imprimir(a)

4 a=a.reforma(3,2)

5 imprimir(a)

Saída do código acima – [[ 8 9 10] [11 12 13]] [[ 8 9] [10 11] [12 13]]

fatiamento:

Usando a operação de fatiamento, você pode extrair um conjunto específico de elementos da matriz necessária. Em outras palavras, você pode 'fatiar' o array e obter uma parte do mesmo. Suponha que você tenha um array e queira extrair um elemento específico dele, você faria isso da seguinte maneira:

1 importação numpy como np

2 a=np.array([(1,2,3,4),(3,4,5,6)])

3 imprimir(a[0,2])

A saída do código acima – 3

No exemplo acima, o índice do primeiro array era 0, e para o segundo, era 1. Então, o código diz que deve imprimir o segundo elemento do primeiro array (que tem o índice 0). Suponha que você precise do segundo elemento do primeiro e do índice zero da matriz. Então usaríamos o seguinte código:

1 importação numpy como np

2 a=np.array([(1,2,3,4),(3,4,5,6)])

3 print(a[0:,2])

A saída do código acima – [3 5]

Leia também: Salário do desenvolvedor Python na Índia

dtipo:

Com a função dtype, você tem a opção de encontrar o tipo de dados dos elementos de um array. Ele fornece o tipo de dados e o tamanho do componente necessário. Dê uma olhada no exemplo a seguir para ver como funciona:

1 importação numpy como np

2 a = np.array([(1,2,3)])

3 imprimir(a.dtype)

A saída do código acima – int32

Você pode usar as funções 'forma' e 'tamanho' para encontrar a forma e o tamanho da matriz também. Dê uma olhada neste exemplo do nosso tutorial Python NumPy para entender essas funções corretamente:

1 importação numpy como np

2 a = np.array([(1,2,3,4,5,6)])

3 impressão (tamanho a.)

4 imprimir (a.forma)

A saída do código acima – 6 (1,6)

espaço :

Com a ajuda da operação linspace, você pode obter números espaçados uniformemente de acordo com o intervalo mencionado. A função linspace tem seus usos, e aqui está um exemplo de como você pode usá-la:

1 importação numpy como np

2 a=np.linspace(1,3,10)

3 imprimir(a)

Saída do código acima – [ 1. 1.22222222 1.44444444 1.66666667 1.88888889 2.11111111 2.33333333 2.55555556 2.77777778 3. ]

raiz quadrada e desvio padrão

Python NumPy permite que você execute várias operações matemáticas. E uma dessas operações é derivar a raiz quadrada da matriz necessária. Você também pode obter o desvio padrão do seu array NumPy. Aqui está um exemplo detalhado para ajudá-lo nesse sentido:

1 importação numpy como np

2 a=np.array([(1,2,3),(3,4,5,)])

3 imprimir(np.sqrt(a))

4 imprimir(np.std(a))

A saída do código acima – [[ 1. 1.41421356 1.73205081]

[ 1.73205081 2. 2.23606798]]

1.29099444874

máx./mín.

Você também pode encontrar o máximo, o mínimo e a soma de uma matriz por meio de operações específicas. Encontrar o máximo e o mínimo pode ajudá-lo muito na execução de operações complexas. Aqui está como você pode encontrar o máximo, o mínimo e a soma da matriz que você tem:

1 importação numpy como np

2 a= np.array([1,2,3])

3 print(a.min())

4 print(a.max())

5 print(a.sum())

A saída do código acima – 1 3 6

Empilhamento horizontal e vertical

Você pode querer combinar dois arrays, mas não adicioná-los, ou seja, você pode querer apenas concatená-los. Para isso, você pode empilhá-los verticalmente ou horizontalmente. Aqui está o código de exemplo para fazer isso:

1 importação numpy como np

2 x= np.array([(1,2,3),(3,4,5)])

3 y= np.array([(1,2,3),(3,4,5)])

4 print(np.vstack((x,y)))

5 print(np.hstack((x,y)))

Saída do código acima – [[1 2 3] [3 4 5] [1 2 3] [3 4 5]]

[[1 2 3 1 2 3] [3 4 5 3 4 5]]

Leia mais: Operadores em Python: um guia para iniciantes em aritmética

Adição

Você também pode adicionar matrizes NumPy. Além da adição, você também pode realizar subtração, divisão e multiplicação de duas matrizes. Aqui está um exemplo de adição no Python NumPy:

1 importação numpy como np

2 x= np.array([(1,2,3),(3,4,5)])

3 y= np.array([(1,2,3),(3,4,5)])

4 imprimir(x+y)

A saída do código acima – [[ 2 4 6] [ 6 8 10]]

Como mencionamos anteriormente, você também pode realizar outras operações matemáticas em matrizes NumPy, incluindo subtração e divisão. Veja como:

1 importação numpy como np

2 x= np.array([(1,2,3),(3,4,5)])

3 y= np.array([(1,2,3),(3,4,5)])

4 imprimir(xy)

5 imprimir(x*y)

6 imprimir (x/y)

Saída do código acima – [[0 0 0] [0 0 0]]

[[ 1 4 9] [ 9 16 25]]

[[ 1. 1. 1.] [ 1. 1. 1.]]

desfiar

A operação ravel permite converter um array NumPy em um ravel, que é uma única coluna. Aqui está um exemplo:

1 importação numpy como np

2 x= np.array([(1,2,3),(3,4,5)])

3 print(x.ravel())

A saída do código – [ 1 2 3 3 4 5]

Conclusão

Temos certeza de que você achou este tutorial Python NumPy bastante informativo. Até agora, você já deve ter entendido o que é Python NumPy e quais são suas funções. Se você tiver mais alguma dúvida sobre este tópico, sinta-se à vontade para nos informar.

Se você está curioso para aprender sobre ciência de dados, confira o Programa PG Executivo em Ciência de Dados do IIIT-B & upGrad, que é criado para profissionais que trabalham e oferece mais de 10 estudos de caso e projetos, workshops práticos práticos, orientação com especialistas do setor, 1 -on-1 com mentores do setor, mais de 400 horas de aprendizado e assistência de trabalho com as principais empresas.