Executar NumPy online

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).

  • Intermediário
  • 2 min de leitura
  • 1 exemplo executável

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.

Do papel quadriculado ao código
np.array([[1, 2, 3], [4, 5, 6]])📄 Uma folha com 2 linhas e 3 colunas
values.shape📐 O tamanho dela: (2, 3)
values.size🔢 Quantos quadradinhos: 6
print(values)👀 A folha inteira, linha por linha
O mesmo tipo em cada célula, então operações no array inteiro são rápidas.
Em uma frase

Um 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

  1. np.array([[1, 2, 3], [4, 5, 6]]) transforma uma lista de listas em um array de 2 dimensões.
  2. values.shape é (2, 3): duas linhas e três colunas.
  3. values.size conta todos os elementos: 6.
  4. 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

Executar código →
main.py
import numpy as np

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

print(values)
print("shape:", values.shape)
print("size:", values.size)
Gerar um botão Run para este exemplo

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.

  1. Mude o formato (shape) e o tipo de dado (dtype) do array de entrada.
  2. Teste com números negativos, decimais e valores ausentes.
  3. Aplique a mesma operação em um array maior, com mais dimensões, e meça o tempo.
Executar no compilador Python →

Erros comuns

Linhas irregulares

Linhas de tamanhos diferentes não formam um array 2-D de verdade.

Problema
np.array([[1, 2, 3], [4, 5]])  # error or object array
Correção
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.

Todos os desafios