A ideia fundamental do NumPy é o suporte à matrizes multidimensionais. Portanto, o NumPy pode ser considerado como a base para a computação numérica no Python e foi criado para permitir que o Python seja usado na resolução de problemas matemáticos e científicos. O módulo NumPy em python fornece-nos centenas de funções matemáticas úteis além de constantes como a base dos logaritmos naturais (e) e pi (π).  Este tutorial mostra como podemos usar o NumPy para trabalhar com matrizes multidimensionais e uma descrição do objeto ndarray, um objeto fundamental da biblioteca.  

Você gosta de saber mais sobre programação em Python? Não esqueça de dar uma olhada em nosso curso de Python gratuito.

Instalando

Como o NumPy não vem junto o Python, o primeiro passo para usar esta biblioteca é instalá-la. Isso pode ser feito simplesmente executando o comando a seguir no seu prompt de comando:

pip install numpy

Se ao menos a instrução import foi executada com êxito, então estamos prontos!

Objeto ndarray

O ndarray é um objeto fundamental do NumPy. Este objeto é uma matriz N-dimensional, isso significa que ele contém uma coleção de elementos do mesmo tipo indexados usando N números inteiros (dimensão da matriz).

Os principais atributos do ndarray são os tipos de dados (dtype), shape, size, itemsize, data e ndim. Vamos aprender o que significa cada atributo através de um exemplo.

dtype

O atributo dtype pode ser executado, como mostrado na seguinte instrução:

data_type = my_array.dtype A declaração acima retornará int32 como  tipo de dado. Isso significa que os elementos da matriz são do tipo int32. Estou recebendo 32 pois estou usando uma versão 32-bit do Python. Se você estiver usando um Python 64-bit, você receberá int64, mas estamos lidando com números inteiros ainda.   Como o NumPy é usado em computação científica, tem muitos tipos de dados, conforme mostrado na documentação. Observe que a maioria dos tipos de dados NumPy termina com um número que indica o número de bits associados com esse tipo (isto foi mencionado brevemente no parágrafo acima).

Shape

O atributo shape retorna um tuple de dimensões da matriz. Então a seguinte instrução:

array_shape = my_array.shape

irá retornar (4,4), significa que nossa matriz é composta por 4 linhas e 4 colunas.

Size

O atributo size retorna o número de elementos na matriz. Assim, se nós digitarmos:

array_size = my_array.size

Teremos 16 como resultado, o que significa que temos 16 elementos em nossa matriz.

Itemsize

O atributo itemsize retorna o tamanho de um elemento da matriz em bytes. A instrução a seguir:

array_item_size = my_array.itemsize

retornará 4. Isto significa que cada elemento da matriz tem o tamanho de 4-bytes.

ndim

O atributo ndim retornará o número de dimensões da matriz. Então, digitando a seguinte instrução:

array_dimension = my_array.ndim

retornará 2, significa que esta matriz consiste de duas dimensões.

Após entender o que os diferentes atributos de ndarray significam, vamos dar uma olhada em alguns exemplos usando ndarray.

Mais sobre matrizes com NumPy

Nesta seção, Vamos aprofundar em matrizes com NumPy.   Matrizes vazias (não inicializadas) Podemos criar uma matriz vazia usando numpy.empty com a seguinte sintaxe:

numpy.empty(shape, dtype, order)

O significado dos parâmetros no construtor acima é:

Shape: a forma (dimensões) da matriz vazia.
dtype: o tipo de saída desejada, que é opcional.
Ordem: se você quer uma matriz no estilo C (linha é a principal), digite C; se você quer uma matriz no estilo FORTRAN (coluna é a principal), digite F.

Matriz preenchida com zeros

Para criar uma matriz onde os elementos são todos zeros, usamos numpy.zeros. O construtor aqui tem a mesma sintaxe e parâmetros como em numpy.empty. Então, se queremos criar uma matriz de zeros [2,2] do tipo int

zeros_array = np.zeros([2,2], dtype = int)
print(zeros_array)

Quer ver um exemplo completo de tudo isso?