Como usar a matriz Python NumPy

Existem muitas bibliotecas em Python para realizar diferentes tipos de tarefas. NumPy é um deles. A forma completa do NumPy é Numerical Python, e é usado principalmente para computação científica. Objetos de matriz multidimensional podem ser definidos usando esta biblioteca que é chamada de matriz Python NumPy. Existem diferentes tipos de funções na biblioteca NumPy para criar o array. A matriz NumPy pode ser gerada a partir da lista python de dados numéricos, intervalo de dados e dados aleatórios. Como o array NumPy pode ser criado e usado para fazer diferentes tipos de operações, mostrado neste tutorial.

Vantagem de usar NumPy Array

A matriz NumPy é melhor do que a lista Python por vários motivos. Algumas vantagens significativas de usar a matriz NumPy são fornecidas abaixo.

1. Consome menos memória em comparação com a lista python.
2. Funciona mais rápido do que a lista python para a mesma quantidade de dados.
3. É mais adequado usar em vez da lista python para algumas tarefas específicas.

Pré-requisitos

A biblioteca NumPy não é instalada em Python por padrão. Portanto, você deve instalar esta biblioteca antes de praticar os exemplos mostrados neste tutorial. Python 3+ é usado neste tutorial. Execute o seguinte comando no terminal para instalar o NumPy em python 3.

$ sudo apt-get install python3-numpy

Atributos de matriz NumPy

A matriz NumPy tem muitos atributos para recuperar diferentes tipos de informações sobre a matriz. Alguns dos atributos úteis desta matriz são descritos abaixo.

1. ndarray.ndim - Este atributo retorna o número de dimensões da matriz NumPy chamada ndarray.
2. ndarray.forma - Este atributo retorna o tamanho de cada dimensão da matriz NumPy chamada ndarray.
3. ndarray.Tamanho - Este atributo retorna o número total de elementos da matriz NumPy nomeada ndarray.
4. ndarray.tamanho do item - Este atributo retorna o tamanho de cada elemento da matriz NumPy chamada ndarray.
5. ndarray.tipo d - Este atributo retorna o tipo de dados dos elementos da matriz NumPy chamada ndarray.
6. ndarray.nbytes - Este atributo retorna o número total de bytes consumidos pelos elementos da matriz NumPy nomeada ndarray.

Uso de NumPy Array

As maneiras de declarar uma matriz NumPy unidimensional, bidimensional e tridimensional são mostradas nesta parte do tutorial.

Exemplo-1: Uso de matriz NumPy unidimensional

O exemplo a seguir mostra três maneiras de criar uma matriz NumPy unidimensional. função array () foi usado para criar a primeira matriz unidimensional de 10 números inteiros. função organizar () foi usado para criar a segunda matriz unidimensional de 10 números sequenciais. função rand () foi usado para criar a terceira matriz unidimensional de 10 números flutuantes aleatórios. A seguir, o função print () usou para imprimir os diferentes atributos e três valores de matrizes.

# Import NumPy
importar numpy como np
# Declare a matriz NumPy em três matrizes diferentes
oneArray1 = np.matriz ([7, 3, 19, 6, 3, 1, 12, 8, 11, 5])
oneArray2 = np.arange (10)
oneArray3 = np.aleatória.rand (10)
# Imprime atributos diferentes de três matrizes NumPy
print ("\ nA dimensão da primeira matriz NumPy é:", oneArray1.ndim)
print ("O tamanho da segunda matriz NumPy é:", oneArray2.Tamanho)
print ("O tipo de dados do terceiro array NumPy é:", oneArray3.dtype)
# Imprime os valores das três matrizes NumPy
print ("\ nOs valores da primeira matriz são: \ n", oneArray1)
print ("Os valores da segunda matriz são: \ n", oneArray2)
print ("Os valores da terceira matriz são: \ n", oneArray3)

Resultado:

A seguinte saída aparecerá após a execução do script acima. A saída mostra que a primeira matriz é 1, o tamanho da segunda matriz é 10, e o tipo de dados da terceira matriz é float64. Três arrays foram impressos depois.

Exemplo 2: Uso de matriz NumPy bidimensional

O exemplo a seguir mostra duas maneiras de criar uma matriz NumPy bidimensional. A função array () foi usada para criar uma matriz bidimensional de 2 linhas e 3 colunas com dados inteiros. A função rand () foi usada para criar uma matriz bidimensional de 2 linhas e 4 colunas com dados flutuantes. Em seguida, a função print () é usada para imprimir o atributo de tamanho e os valores de ambos os arrays.

# Import NumPy
importar numpy como np
# Declare array bidimensional usando listas
twoArray1 = np.matriz ([[12, 2, 27], [40, 15, 6]])
# Declara matriz bidimensional usando valores aleatórios
twoArray2 = np.aleatória.rand (2, 4)
# Imprime o tamanho de ambas as matrizes
print ("O tamanho da primeira matriz:", twoArray1.Tamanho)
print ("O tamanho da segunda matriz:", twoArray2.Tamanho)
# Imprime os valores de ambas as matrizes
print ("Os valores da primeira matriz são: \ n", twoArray1)
print ("Os valores da segunda matriz são: \ n", twoArray2)

Resultado:

A seguinte saída aparecerá após a execução do script acima. A saída mostra que o tamanho da primeira matriz é 6 (2 × 3) e o tamanho da segunda matriz é 8 (2 × 4). Ambos os arrays foram impressos mais tarde.

Exemplo 3: Uso de matriz NumPy tridimensional

O exemplo a seguir mostra duas maneiras de criar uma matriz NumPy tridimensional. A função array () foi usada para criar uma matriz tridimensional de dados inteiros. A função rand () foi usada para criar uma matriz tridimensional de dados flutuantes. Em seguida, a função print () é usada para imprimir a dimensão e os valores de ambas as matrizes.

# Import NumPy
importar numpy como np
# Crie uma matriz tridimensional usando a lista
threeArray1 = np.matriz ([[[3, 6, 7], [7, 5, 9], [8, 5, 2]]])
# Crie uma matriz tridimensional usando valores aleatórios
threeArray2 = np.aleatória.rand (2, 4, 3)
# Imprime a dimensão de ambas as matrizes
print ("A dimensão da primeira matriz:", threeArray1.ndim)
print ("A dimensão da segunda matriz:", threeArray2.ndim)
# Imprime os valores de ambas as matrizes
print ("Os valores da primeira matriz são: \ n", threeArray1)
print ("Os valores da segunda matriz são: \ n", threeArray2)

Resultado:

A seguinte saída aparecerá após a execução do script acima. A saída mostra que a dimensão de ambas as matrizes é 3. Ambos os arrays foram impressos mais tarde.

Conclusão

A criação de diferentes tipos de matrizes NumPy foi explicada neste tutorial usando vários exemplos. Espero que os leitores consigam criar matrizes NumPy depois de praticar os exemplos deste tutorial.