Arrays do NumPy (ndarray)
Nesta lição, você vai criar um array NumPy bidimensional e ver suas informações básicas, como formato (shape) e número de elementos (size).
Introdução
O problema
As listas do Python são flexíveis, mas lentas para fazer contas com muitos números: somar 1 a um milhão de valores exige um laço em Python. Ciência, análise de dados e machine learning trabalham com grandes grades de números e precisam de uma estrutura feita para calcular rápido em todos os valores de uma vez.
Pense assim
Um array do NumPy é como uma folha de papel quadriculado em que cada quadradinho guarda o mesmo tipo de número. Como todos os quadradinhos têm o mesmo tamanho e tipo, você pode trabalhar em uma linha, uma coluna ou na folha inteira de uma vez, em vez de visitar quadradinho por quadradinho.
np.array([[1, 2, 3], [4, 5, 6]])📄 Uma folha com 2 linhas e 3 colunasvalues.shape📐 O tamanho dela: (2, 3)values.size🔢 Quantos quadradinhos: 6print(values)👀 A folha inteira, linha por linhaUm array do NumPy (ndarray) é uma grade de valores de um único tipo de dado, com forma fixa, feita para operações rápidas em todos os elementos de uma vez.
Pontos-chave
np.array([[1, 2, 3], [4, 5, 6]])transforma uma lista de listas em um array de 2 dimensões.values.shapeé(2, 3): duas linhas e três colunas.values.sizeconta todos os elementos: 6.- Todos os elementos têm o mesmo tipo, e é isso que torna as contas com arrays rápidas.
Quando usar?
- Cálculos com muitos números de uma vez: notas, medições, preços.
- Imagens, que são arrays de valores de pixels.
- O formato de entrada da maioria das bibliotecas de ciência de dados e machine learning.
Quando não é preciso
- Dados misturados, como nomes e números juntos: um DataFrame do pandas ou uma lista de dicionários serve melhor.
- Coleções que crescem item por item: acrescentar a um array o copia toda vez, então monte uma lista antes.
Veja como funciona
Aponte para uma célula para ver sua linha, sua coluna e onde ela fica na memória, onde todas as linhas são guardadas uma após a outra.
Código de exemplo
import numpy as np
values = np.array([[1, 2, 3], [4, 5, 6]])
print(values)
print("shape:", values.shape)
print("size:", values.size)
Resultado da execução
[[1 2 3]
[4 5 6]]
shape: (2, 3)
size: 6
Explicação do código
A função np.array() cria um array bidimensional de 2 linhas e 3 colunas a partir de uma lista aninhada. O atributo shape mostra o tamanho de cada dimensão, aqui (2, 3), e size mostra o total de elementos, que é 6.
Altere os valores e execute o programa no compilador Python online CodeUtility sem instalar Python.
Exercícios práticos
Tente modificar o código seguindo as sugestões abaixo. Mudar o código e observar o resultado ajuda você a entender muito mais do que só ler.
- Mude o formato (shape) e o tipo de dado (dtype) do array de entrada.
- Teste com números negativos, decimais e valores ausentes.
- Aplique a mesma operação em um array maior, com mais dimensões, e meça o tempo.
Erros comuns
Linhas irregulares
Linhas de tamanhos diferentes não formam um array 2-D de verdade.
np.array([[1, 2, 3], [4, 5]]) # error or object array
np.array([[1, 2, 3], [4, 5, 6]])
Terminou esta lição?
Marque como aprendida para acompanhar seu progresso.
Pratique com um desafio
Use o conteúdo desta lição para resolver um problema real. Cada desafio roda no navegador, com testes instantâneos e uma revisão por IA.
- Produto escalar de dois vetores Multiplique dois vetores elemento a elemento e some os resultados, a operação central de todo neurônio. Fácil
- Somar um Array Some todos os valores em uma lista. Fácil
- Funções de ativação Aplique sigmoide, ReLU, Leaky ReLU ou tanh a cada valor de uma lista. Fácil