Folha de referências básicas do PythonNumPy
Guia de referência rápida para matrizesNumPy. Aprenda criação, remodelagem, indexação, fatiamento e operações matemáticas de array.
Criação e inspeção de array
Métodos para inicializar matrizes numpy e extrair características de forma.
| Método/Função | Sintaxe | Descrição |
|---|---|---|
| np.array() | np.array(list) | Cria um ndarray multidimensional homogêneo a partir de uma lista. |
| np.arange() | np.arange(start, stop, step) | Cria uma matriz com valores espaçados uniformemente dentro de um determinado intervalo. |
| np.linspace() | np.linspace(start, stop, num) | Cria uma matriz com num valores espaçados uniformemente em um intervalo especificado. |
| np.zeros() / np.ones() | np.zeros(shape) / np.ones(shape) | Inicializa matrizes preenchidas com zeros ou uns na forma especificada. |
| shape / dtype | arr.shape / arr.dtype | Atributos que retornam dimensões e tipo de elemento da matriz. |
Manipulação de array e matemática
Rotinas para alterar layouts de array e realizar agregações matemáticas.
| Método/Função | Sintaxe | Descrição |
|---|---|---|
| reshape() | arr.reshape(new_shape) | Dá uma nova forma a um array sem alterar seus dados. |
| arr.T | arr.T | Transpor atributo. Inverte os eixos da matriz. |
| np.concatenate() | np.concatenate((a1, a2), axis=0) | Une uma sequência de matrizes ao longo de um eixo existente. |
| mean() / std() | arr.mean() / arr.std() | Calcula a média aritmética e o desvio padrão. |
| sum() / dot() | arr.sum() / np.dot(a, b) | Soma elementos ou calcula a multiplicação da matriz do produto escalar. |
Script de demonstração interativo
# np.array()
np.array(list)
# np.arange()
np.arange(start, stop, step)
# np.linspace()
np.linspace(start, stop, num)
# np.zeros() / np.ones()
np.zeros(shape) / np.ones(shape)
# shape / dtype
arr.shape / arr.dtype
# reshape()
arr.reshape(new_shape)
# arr.T
arr.T
# np.concatenate()
np.concatenate((a1, a2), axis=0)
# mean() / std()
arr.mean() / arr.std()
# sum() / dot()
arr.sum() / np.dot(a, b)Perguntas frequentes
Por que usar matrizesNumPyem vez de listas padrão do Python?
As matrizesNumPysão armazenadas em blocos de memória contíguos, tornando-as significativamente mais rápidas e com maior eficiência de memória para cálculos numéricos.
O que está transmitindo emNumPy?
A transmissão permite que operações aritméticas sejam realizadas em matrizes de diferentes formatos, expandindo automaticamente a matriz menor para corresponder ao formato da matriz maior.
Tópicos Relacionados
Guia de referência para sériesPandase DataFrames. Aprenda carregamento, limpeza, seleção, agrupamento e agregações de dados.
Folha de referências das funções do módulo matemático PythonGuia de referência rápida para a biblioteca padrão matemática do Python. Aprenda a usar funções trigonométricas, logarítmicas, de arredondamento e aritméticas.
Folha de referências de funções integradas do PythonGuia de referência para funções integradas do Python. Aprenda como usar print, len, range, enumerate, zip, map, filter e muito mais.
Recursos Python recomendados
Expanda seu conhecimento com tutoriais interativos relacionados, folhas de dicas e comparações de código.
Loops Python
Aprenda como usar loops Python para iterar dados. Domine as práticas recomendadas para loops for, while loops, break, continue e loop com exemplos interativos.
Como classificar uma lista em Python
Aprenda como classificar uma lista em Python usando o método sort() e a função sorted(). Descubra exemplos de classificação de chaves personalizadas e ordem reversa.
Python vs JavaScript: qual linguagem de programação é a melhor?
Uma comparação abrangente entre Python e JavaScript. Explore diferenças de sintaxe, desempenho, casos de uso (backend versus frontend) e exemplos de codificação.