NumPy criando matrizes
Criar um objeto NumPy ndarray
NumPy é usado para trabalhar com arrays. O objeto array no NumPy é chamado
ndarray
.
Podemos criar um
ndarray
objeto NumPy usando a array()
função.
Exemplo
import numpy as np
arr = np.array([1, 2, 3, 4, 5])
print(arr)
print(type(arr))
type(): Essa função interna do Python nos informa o tipo do objeto passado para ela. Como no código acima, mostra que arr
é
numpy.ndarray
tipo.
Para criar um ndarray
, podemos passar uma lista, tupla ou qualquer objeto do tipo array para o array()
método, e ele será convertido em um
ndarray
:
Exemplo
Use uma tupla para criar uma matriz NumPy:
import numpy as np
arr = np.array((1, 2, 3, 4, 5))
print(arr)
Dimensões em matrizes
Uma dimensão em matrizes é um nível de profundidade de matriz (matrizes aninhadas).
array aninhado: são arrays que possuem arrays como seus elementos.
Matrizes 0-D
Matrizes 0-D, ou escalares, são os elementos em uma matriz. Cada valor em uma matriz é uma matriz 0-D.
Exemplo
Crie uma matriz 0-D com valor 42
import numpy as np
arr = np.array(42)
print(arr)
Matrizes 1-D
Um array que tem arrays 0-D como seus elementos é chamado de array unidimensional ou 1-D.
Esses são os arrays mais comuns e básicos.
Exemplo
Crie uma matriz 1-D contendo os valores 1,2,3,4,5:
import numpy as np
arr = np.array([1, 2, 3, 4, 5])
print(arr)
Matrizes 2D
Um array que tem arrays 1-D como seus elementos é chamado de array 2-D.
Estes são frequentemente usados para representar matrizes ou tensores de 2ª ordem.
O NumPy tem um submódulo inteiro dedicado a operações de matriz chamado
numpy.mat
Exemplo
Crie um array 2-D contendo dois arrays com os valores 1,2,3 e 4,5,6:
import numpy as np
arr = np.array([[1, 2, 3], [4, 5, 6]])
print(arr)
Matrizes 3D
Um array que tem arrays 2-D (matrizes) como seus elementos é chamado de array 3-D.
Estes são frequentemente usados para representar um tensor de 3ª ordem.
Exemplo
Crie um array 3D com dois arrays 2D, ambos contendo dois arrays com os valores 1,2,3 e 4,5,6:
import numpy as np
arr = np.array([[[1, 2, 3], [4, 5, 6]], [[1, 2, 3], [4, 5, 6]]])
print(arr)
Verificar Número de Dimensões?
NumPy Arrays fornece o ndim
atributo que retorna um inteiro que nos diz quantas dimensões o array possui.
Exemplo
Verifique quantas dimensões os arrays têm:
import numpy as np
a = np.array(42)
b = np.array([1, 2, 3, 4, 5])
c = np.array([[1, 2, 3], [4, 5, 6]])
d = np.array([[[1, 2, 3], [4, 5, 6]], [[1, 2, 3], [4, 5, 6]]])
print(a.ndim)
print(b.ndim)
print(c.ndim)
print(d.ndim)
Matrizes Dimensionais Superiores
Uma matriz pode ter qualquer número de dimensões.
Quando a matriz é criada, você pode definir o número de dimensões usando o ndmin
argumento.
Exemplo
Crie uma matriz com 5 dimensões e verifique se ela possui 5 dimensões:
import numpy as np
arr = np.array([1, 2, 3, 4], ndmin=5)
print(arr)
print('number of dimensions :', arr.ndim)
Neste array a dimensão mais interna (5º dim) tem 4 elementos, o 4º dim tem 1 elemento que é o vetor, o 3º dim tem 1 elemento que é a matriz com o vetor, o 2º dim tem 1 elemento que é array 3D e 1st dim tem 1 elemento que é um array 4D.