========================= 1 - A biblioteca NumPy A biblioteca | Curso de python

=========================
1 - A biblioteca NumPy

A biblioteca NumPy (NumPy, Numerical Python) é um pacote de alto nível, funções e ferramentas matemáticas e numéricas que são projetados para trabalhar com o objeto de matriz numpy. Uma matriz numpy é uma estrutura de dados multidimensional de alto desempenho e é mais eficiente e conveniente do que uma lista Python.

Um programa Python usando a biblioteca numpy pode exigir a instalação do pacote. Além disso, um programa que usa o pacote deve incluir a declaração:

import numpy

Python lida principalmente com listas e não tem uma estrutura de variedade nativa, de modo a compreender a matriz numpy é importante ter uma compreensão básica de matrizes.

Uma matriz unidimensional pode ser diretamente comparada com uma lista do Python porque ambos armazenam uma lista de números. Da mesma forma, os dados em uma matriz são chamados de elementos e estes são acedidos utilizando parêntesis rectos[].
Uma matriz bidimensional tem uma estrutura de grid com linhas e colunas.
E uma matriz tridimensional pode ser pensado como uma pilha de matrizes bidimensionais.

Matrizes NumPy são de um tamanho fixo, indexados a partir de 0, e contém os elementos de todas do mesmo tipo. Eles são objetos ndarray e são criados usando a função np.array().

Por exemplo:

import numpy as np
b = np.array ([1, 2, 3, 4])

O código acima cria uma matriz unidimensional com quatro constantes.
matrizes Numpy referem-se a dimensões como os eixos e o número de eixos que é posto. Portanto, b representa uma matriz de rank 1.

Existem várias funções numpy para descrever uma matriz e dos seus elementos, como demonstrado no código abaixo:

import numpy as np

# Cria uma matriz de rank 2
my_arr = np.array([
[1,2,3,4],
[5,6,7,8]
])

print(my_arr)
# [[1 2 3 4]
# [5 6 7 8]]

print(my_arr[1, 2]) # acessa um único elemento
# 7

print(my_arr.ndim) # o rank
# 2

print(my_arr.shape) # n linhas, colunas m
# (2, 4)

print(my_arr.size) # número de elementos
# 8

print(type(my_arr)) # tipo de elemento
#

Nota: Note-se a utilização de colchetes ao criar o array. Colchetes também são usados ​​ao acessar um elemento.
=========================