Iniciando no NumPy: como utilizar e métodos importantes da lib
Bom dia galera, tudo certo?
Hoje vou falar sobre a biblioteca NumPy, ela é um pacote básico de Python e uma lib complementar para o pandas, que nos ajuda muito a trabalhar com coleções, como arrays.
O módulo foi feito com a linguagem C, o que dá muita velocidade a suas operações.
Conheça nosso canal no YouTube, com cursos gratuitos de qualidade e vídeos semanais, para acessar o canal clique aqui!
Além de arrays o NumPy também opera com matrizes multidimensionais, possuindo diversos métodos que facilitam a operação com estas estruturas.
Ei você leitor! Criei um novo blog para os meus conteúdos, pois o Medium mesmo sendo uma excelente plataforma, me limitava em alguns recursos, que acredito que podem atrapalhar seu aprendizado/leitura…
Você pode acessar cliquando aqui!
Obrigado pela atenção, e boa leitura! :)
Antes de tudo:
Fiz um artigo que ensina a instalar o Jupyter, que é a aplicação que utilizarei para auxiliar neste tutorial, caso você deseje instalá-la, veja aqui:
Instalando o NumPy:
Se você instalou o Anaconda no Windows, o pacote provavelmente já está ativo.
No Linux vamos instalar pelo pip:
$ sudo pip install numpy
Agora podemos prosseguir para o código!
Primeiramente vamos importar o NumPy, só assim poderemos utilizá-lo:
Agora vamos criar um array com ajuda dos metodos da biblioteca
Criamos um array de 15 elementos, e podemos transformar este array numa matriz com o comando reshape
Agora a matriz é composta de 3 linhas e 5 colunas, verificamos isso com o comando shape
Vamos verificar o tipo da nossa variável arr
Como podemos ver agora o tipo dela é ‘numpy.ndarray’, assim nossa variável pode ser submetida a qualquer método da lib
Criação de arrays/matrizes
Com o NumPy podemos criar arrays/matrizes de diversas formas, a mais simples é
Também é possível realizar uma criação já com duas linhas, sem ter que dar reshape
Note que como argumento passamos 1 array com duas tuplas dentro dele
Também existem métodos que podem criar arrays com placeholders (conteúdos aleatórios ou não, para preencher os espaços do array)
Como por exemplo o zeros e ones
Novamente note que os args são passados em tupla
Também há o previamente utilizado arange
Note que o terceiro argumento é opcional, e define o passo que o array será incrementado até atingir o limite
Outro ponto importante é que o último número é sempre o limite passado menos um
E por fim há o linspace
Os parametros são: primeiro elemento e último elemento do array, já o último parametro quer dizer quantas divisões o array deve ter até chegar no seu elemento final (limite), bem interessante, não?
Operações básicas
Outro ponto forte do NumPy é nos ajudar a fazer operações com os arrays de forma descomplicada e elegante
Vamos criar dois arrays e começar a brincar com a ferramenta
E agora algumas das operações que podemos realizar com o NumPy
Métodos auxliares
Temos também métodos que trazem informações bem relevantes dos nossos conjunto, como somar todos os elementos, valor mínimo e máximo, confira
Explicitando o eixo, podemos fazer operações apenas neste subconjunto
Nota: axis 0 representam as linhas, e axis 1 as colunas
Slicing
Pegar dados dos arrays com uma ou várias dimensões, é uma habilidade muito necessária
Por sorte, NumPy nos dá opções muito versáteis de realizarmos nossas retiradas de dados, veja como fazer para conjuntos de uma dimensão
Operações básicas de como resgatar elementos em quaisquer posições se mostram muito fáceis com o NumPy, agora vamos ver se o mesmo ocorre num array com mais dimensões
Vimos que é possível retirar linhas, colunas, valores isolados ou até mesmo partes de linhas e colunas juntas, um recurso sensacional!
Manipulação de Shape
Vamos iniciar criando uma matriz e verificando seu shape
Podemos com apenas um metodo voltar a matriz para um array
Mudar completamente sua estrutura
Ou até retornar a matriz transposta
Outra curiosidade é que se passarmos -1 como argumento no reshape, o metodo calcula automaticamente o substituto para o valor negativo
Split de arrays
Podemos também dividir um array maior em menores, com os seguintes métodos:
Concluindo
Bom acredito que abordei uma grande parte dos metodos essenciais do NumPy, um pequeno tutorial que já pode lhe mostrar que a lib facilita muito nossas vidas.
Além disso, em conjunto com o pandas o NumPy mostra todo seu potencial.
E aproveitando, caso queira iniciar no pandas, veja um de meus tutoriais:
O que é pandas? Dando os primeiros passos na lib
E aí galera, tudo bem?medium.com
Pretendo agora escalar mais as possibilidades com análise de dados juntamente ao pandas, esse é o meu objetivo para os próximos posts.
Obrigado por ler, e até o próximo!
