Executar NumPy online

Mudar o formato de arrays NumPy com reshape

Nesta lição, você vai usar reshape() para reorganizar um array NumPy em um novo número de linhas e colunas sem alterar os dados.

  • Intermediário
  • 2 min de leitura
  • 1 exemplo executável

Introdução

O problema

Os dados muitas vezes chegam como uma linha longa de números, mas você precisa deles como tabela: 12 valores mensais como 4 trimestres de 3 meses, ou 784 valores de pixels como uma imagem de 28 × 28. O reshape reorganiza os mesmos valores em uma nova forma sem copiá-los um por um.

Pense assim

Fazer reshape é como reorganizar uma fileira de 6 cadeiras em 2 fileiras de 3. As mesmas cadeiras, na mesma ordem, só dispostas de outro jeito. Não dá para fazer 2 fileiras de 4 com 6 cadeiras.

Das fileiras de cadeiras ao código
np.arange(1, 7)🪑 Seis cadeiras em uma fileira
values.reshape(2, 3)🔲 Reorganizadas em 2 fileiras de 3
2 × 3 = 6✅ A nova disposição deve usar cada cadeira exatamente uma vez
matrix📋 [[1 2 3] [4 5 6]]
Os mesmos valores, na mesma ordem, em uma nova forma.
Em uma frase

O reshape muda as dimensões de um array mantendo os valores e a ordem deles. A nova forma precisa ter exatamente o mesmo número de elementos.

Pontos-chave

  1. np.arange(1, 7) cria os valores de 1 a 6 em um array plano.
  2. values.reshape(2, 3) os organiza em 2 linhas de 3; 2 × 3 precisa ser igual a 6.
  3. Os valores preenchem a nova forma linha por linha, mantendo a ordem.
  4. values não muda; matrix é uma nova visão (view) dos mesmos dados.

Quando usar?

  • Transformar dados planos em linhas e colunas: meses em trimestres, pixels em imagens.
  • Preparar arrays na forma que um modelo de machine learning espera.
  • Achatar uma tabela de volta em uma linha com reshape(-1).

Quando não é preciso

  • Mudar o número de elementos: o reshape não pode adicionar nem remover valores; use fatiamento ou preenchimento.
  • Trocar linhas e colunas: isso é transpor (.T), não reshape.

Veja como funciona

Clique em reshape para ver os mesmos 12 valores com outro formato. Os dados não se movem na memória, só muda a forma de lê-los.

Código de exemplo

Executar código →
main.py
import numpy as np

values = np.arange(1, 7)
matrix = values.reshape(2, 3)

print(matrix)
Gerar um botão Run para este exemplo

Resultado da execução

[[1 2 3]
 [4 5 6]]

Explicação do código

A função np.arange(1, 7) cria um array unidimensional com os números de 1 a 6. Depois, reshape(2, 3) os organiza em 2 linhas de 3 elementos. O produto das novas dimensões precisa ser igual ao total de elementos original, senão o NumPy dá erro. Quando possível, o NumPy retorna uma view que compartilha os dados em vez de copiá-los.

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

Uma forma que não bate com o tamanho

2 × 4 = 8, mas só existem 6 valores.

Problema
values.reshape(2, 4)  # ValueError
Correção
values.reshape(2, 3)

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