Ouvir

 

Arrays NumPy – Arrays Python numéricos

Nosso foco hoje é em arrays numPy com exemplos , a fim de fornecer aos usuários uma experiência de aprendizado mais eficaz. O objeto principal do NumPy são arrays multidimensionais homogêneos.

É basicamente uma tabela com todos os elementos do mesmo tipo e indexados por uma tupla inteira positiva.

Sintaxe

numpy.array(object, dtype=None, copy=True, order='K', subok=False, ndmin=0)  

---

---

Objeto NumPy ndarray

A biblioteca NumPy é utilizada para lidar com arrays. Quando o NumPy cria arrays, o objeto array é conhecido como ndarray .

Ao chamar a função NumPy array() , podemos criar um objeto NumPy ndarray .

 

Uma lista , tupla ou qualquer objeto semelhante a uma matriz pode ser fornecido ao método array() para gerar um ndarray .

Faça um array NumPy utilizando uma tupla:

---

Dimensões da Matriz

Quando discutimos arrays numpy , uma dimensão é o tamanho do array (arrays aninhados).

array aninhado (array em um array): Os componentes dos arrays são arrays.

Matriz 0-D

Os componentes de uma matriz são matrizes 0-D ou escalares. Em uma matriz, um valor é uma matriz 0-D.

Faça um array 0-D com o elemento “mrexamples”:

Defina 33 como o valor de uma matriz 0-D:

 

Matriz 1-D

Quando numpy gera arrays, um array 1-D que tem arrays 0-D é conhecido como array 1-D.

Os arrays fundamentais e usados ​​com mais frequência estão listados aqui.

Faça uma matriz 1-D que inclua 1990,1995,2000,2005,2010,2015,2020,2025:

 

Matriz 2-D

Uma matriz 2-D é uma coleção de matrizes 1-D como seus componentes, já que estamos falando sobre a criação de matrizes numpy.

Em muitos casos, são utilizados para exibir matrizes ou tensores de segunda ordem.

Um módulo separado completo do NumPy é dedicado a operações de matriz conhecidas como numpy.mat

Você precisará gerar um array 2-D que inclua dois arrays com os elementos “Washington”,”London”,”Berlin” e “Paris”,”Islamabad”,”Rome”:

Faça uma matriz 2-D com três matrizes com os elementos 1, 2, 3, 4, 5 e 2, 4, 6, 8, 10 e 1, 3, 5, 7, 9:

 

Matriz 3-D

Matrizes com componentes que são matrizes 2-D (matrizes) são conhecidas como matrizes 3-D.

Os tensores de terceira ordem são mais comumente exibidos por eles.

Faça uma matriz 3-D a partir de duas matrizes 2-D, cada uma com duas matrizes com os dados “Washington”,”London”,”Berlin” e “Paris”,”Islamabad”,”Rome”:

Construa uma matriz 3-D usando duas matrizes 2-D, duas matrizes incluindo três matrizes com os dados 1, 2, 3, 4, 5 e 2, 4, 6, 8, 10 e 1, 3, 5, 7, 9 :

 

---

Número de dimensões

O atributo ndim de NumPy Arrays fornece um inteiro indicando o número de dimensões que o array possui.

Descubra o número de dimensões que o array contém:

---

Matrizes Dimensionais Superiores

É importante observar que, ao lidar com arrays numpy , todo número de dimensões é possível.

Passando o argumento ndmin , o usuário pode definir o número de dimensões para o array.

Verifique se um array tem 4 dimensões criando um array com 4 dimensões:

Existem oito componentes na dimensão mais interna (4ª dim) desta matriz, Um componente da 3ª dimensão é a matriz com o vetor, Há um componente na 2ª dimensão que é uma matriz 3D,

E um componente na 1ª dimensão que é uma matriz 4D.

---

Indexação de matriz NumPy

A indexação de matriz Numpy equivale a referenciar um elemento de matriz quando discutimos a indexação de matriz.

Referindo-se ao número de índice de um elemento da matriz, você pode localizá-lo.

Acessar Elemento da Matriz

As matrizes NumPy contêm índices que começam com 0, portanto, o primeiro item tem índice 0 e o segundo tem índice 1, etc.

Na matriz abaixo, recupere o primeiro item:

Na matriz abaixo, recupere o terceiro item:

Na matriz abaixo , encontre o quarto e o quinto itens e some os dois:

---

Acessar matrizes 2-D

A indexação de matriz Numpy nos permite recuperar dados de matrizes 2-D utilizando números separados por vírgula que indicam a dimensão e o índice .

O 3º item da 1ª dimensão pode ser localizado da seguinte forma:

O 5º item da 2ª dimensão pode ser encontrado da seguinte forma:

---

Acessar matrizes 3-D

A indexação de matriz Numpy nos permite localizar itens em matrizes 3D por meio de números inteiros separados por vírgulas que definem as dimensões e o índice.

O terceiro item da segunda matriz da primeira matriz pode ser localizado da seguinte forma:

Explicação do exemplo acima:

mrx_arr[0, 1, 2] exibe o dígito 10.

Aqui está o porquê:

Este número indica a primeira dimensão, que possui duas matrizes:
[[0, 2, 4], [6, 8, 10]]
e:
[[1, 3, 5], [7, 9, 11]]
Agora temos a primeira matriz desde que escolhemos 0:
[[0, 2, 4], [6, 8, 10]]

O segundo número indica a segunda dimensão, que também é formada por dois arrays:
[0, 2, 4]
e:

[6, 8, 10]
Tendo selecionado 1, agora temos a segunda matriz:
[6, 8, 10]

Existem três itens na terceira dimensão, que é indicada pelo terceiro número:
6
8
10
Como resultado da seleção de 2, terminamos com o terceiro item:
10

Explicação:

mrx_arr[0, 1, 2] exibe a palavra Filadélfia.

Aqui está o porquê:

Este número indica a primeira dimensão, que possui dois arrays:

[[“New York City”, “Los Angeles”, “Chicago”], [“Houston”, “Phoenix”, “Filadélfia”]]

e:

[[“San Antonio”, “San Antonio”, “Dallas”], [“San Jose”, “Austin, TX”, “Jacksonville, FLA”]]

Agora temos o primeiro array desde que escolhemos 0:

[[“New York City”, “Los Angeles”, “Chicago”], [“Houston”, “Phoenix”, “Filadélfia”]]

O segundo número indica a segunda dimensão, que também é composta por dois arrays:

[“Nova York”, “Los Angeles”, “Chicago”]

e:

["Houston", "Phoenix", "Filadélfia"]

Tendo selecionado 1, agora temos a segunda matriz:

["Houston", "Phoenix", "Filadélfia"]

Existem três itens na terceira dimensão, que é indicada pelo terceiro número:

“Houston”

"Fénix "

"Filadélfia"

Como resultado da seleção de 2, acabamos com o terceiro item:

"Filadélfia"

---

Indexação negativa

Para recuperar uma matriz da cauda, ​​utilize a indexação negativa .

Na segunda dimensão , exiba o penúltimo item:

O próximo capítulo fornecerá mais informações sobre os tipos de dados numPy .

---