Criação Básica de Arrays
Um array NumPy é um contêiner multidimensional eficiente para armazenar e manipular grandes conjuntos de dados do mesmo tipo. Embora sejam semelhantes às listas do Python, são mais eficientes em memória e permitem operações matemáticas e numéricas de alto desempenho.
Agora, é o momento de criar seus primeiros arrays NumPy. A maneira mais direta de fazer isso é utilizando a função array(), passando uma list ou uma tuple como argumento, e somente elas.
Você deve criar arrays NumPy apenas a partir de lists em todas as tarefas ao longo do nosso curso.
1234567import numpy as np # Creating an array from list array_from_list = np.array([1, 2, 3, 2, 6, 1]) # Creating an array from tuple array_from_tuple = np.array((1, 2, 3, 2, 6, 1)) print(f'Array from list: {array_from_list}') print(f'Array from tuple: {array_from_tuple}')
Especificação do Tipo de Dado
O tipo de dado dos elementos do array é definido implicitamente; no entanto, é possível especificá-lo explicitamente utilizando o parâmetro dtype:
1234567import numpy as np # Creating an integer array without specifying dtype array_1 = np.array([1, 2, 3]) # Creating an integer array with setting dtype to 1-byte integer array_2 = np.array([1, 2, 3], dtype=np.int8) print(f'First array dtype: {array_1.dtype}') print(f'Second array dtype: {array_2.dtype}')
O primeiro array de inteiros utiliza o tipo de dado padrão int64, que corresponde a um inteiro de 8 bytes. O segundo array utiliza int8, um inteiro de 1 byte.
Os tipos de dados NumPy mais comuns incluem numpy.float16, numpy.float32 e numpy.float64, que armazenam números de ponto flutuante de 2 bytes, 4 bytes e 8 bytes, respectivamente.
Obrigado pelo seu feedback!
Pergunte à IA
Pergunte à IA
Pergunte o que quiser ou experimente uma das perguntas sugeridas para iniciar nosso bate-papo
Awesome!
Completion rate improved to 3.7Criação Básica de Arrays
Deslize para mostrar o menu
Um array NumPy é um contêiner multidimensional eficiente para armazenar e manipular grandes conjuntos de dados do mesmo tipo. Embora sejam semelhantes às listas do Python, são mais eficientes em memória e permitem operações matemáticas e numéricas de alto desempenho.
Agora, é o momento de criar seus primeiros arrays NumPy. A maneira mais direta de fazer isso é utilizando a função array(), passando uma list ou uma tuple como argumento, e somente elas.
Você deve criar arrays NumPy apenas a partir de lists em todas as tarefas ao longo do nosso curso.
1234567import numpy as np # Creating an array from list array_from_list = np.array([1, 2, 3, 2, 6, 1]) # Creating an array from tuple array_from_tuple = np.array((1, 2, 3, 2, 6, 1)) print(f'Array from list: {array_from_list}') print(f'Array from tuple: {array_from_tuple}')
Especificação do Tipo de Dado
O tipo de dado dos elementos do array é definido implicitamente; no entanto, é possível especificá-lo explicitamente utilizando o parâmetro dtype:
1234567import numpy as np # Creating an integer array without specifying dtype array_1 = np.array([1, 2, 3]) # Creating an integer array with setting dtype to 1-byte integer array_2 = np.array([1, 2, 3], dtype=np.int8) print(f'First array dtype: {array_1.dtype}') print(f'Second array dtype: {array_2.dtype}')
O primeiro array de inteiros utiliza o tipo de dado padrão int64, que corresponde a um inteiro de 8 bytes. O segundo array utiliza int8, um inteiro de 1 byte.
Os tipos de dados NumPy mais comuns incluem numpy.float16, numpy.float32 e numpy.float64, que armazenam números de ponto flutuante de 2 bytes, 4 bytes e 8 bytes, respectivamente.
Obrigado pelo seu feedback!
