Tamanho de fonte
Alto contraste
Altura de linha

Como Atribuir Valores no NumPy

Avatar de Ana Maria Gomes Ana Maria Gomes
4 minutos de leitura 5 meses atrás

Se você já está familiarizado com a linguagem Python e está buscando aprimorar suas habilidades em manipulação de dados, provavelmente já ouviu falar do NumPy. Esta biblioteca é essencial para computação científica e análise de dados, oferecendo suporte para matrizes e operações matemáticas de alto desempenho. Neste tutorial, vamos explorar como atribuir valores no NumPy, uma habilidade fundamental para quem deseja trabalhar com essa poderosa ferramenta.

Introdução ao NumPy

O NumPy (abreviação de Numerical Python) é uma biblioteca de código aberto para Python que facilita a manipulação de arrays e matrizes multidimensionais. Ele é amplamente utilizado em diversas áreas, como aprendizado de máquina, análise de dados financeiros, física teórica e muito mais. A principal vantagem do NumPy é sua capacidade de realizar operações matemáticas de forma eficiente, aproveitando as capacidades de hardware de processamento em paralelo.

Por que Usar NumPy?

Antes de mergulharmos nas técnicas de atribuição de valores no NumPy, é importante entender por que essa biblioteca é tão preferida em comparação com listas e outras estruturas de dados em Python:

  • Desempenho: O NumPy é rápido, enquanto listas são lentas. Isso ocorre porque o NumPy utiliza tipos fixados de dados, o que significa que as matrizes esperam números (floats ou ints), que ocupam menos espaço do que os valores que uma lista pode guardar.
  • Eficiência de Memória: Listas podem conter diversos tipos de dados, como ints, floats, strings, entre outros, o que as torna mais pesadas. O NumPy, por outro lado, é mais eficiente na leitura e manipulação de dados, pois trabalha com menos bytes.
  • Operações Matriciais: O NumPy oferece funções vetorizadas que aceleram o processo de manipulação de dados, algo que listas não conseguem fazer de forma eficiente.

Criando Arrays no NumPy

Vamos começar criando alguns arrays básicos no NumPy para entender como podemos atribuir valores a eles.

import numpy as np

# Criando um array unidimensional
a = np.array([1, 2, 3, 4])
print(a)

# Criando um array bidimensional
b = np.array([[1.0, 3.0], [2.0, 4.0]])
print(b)
Testar

Atribuindo Valores no NumPy

Atribuição Simples

Atribuir valores em arrays NumPy é bastante direto. Você pode acessar elementos específicos do array e modificar seus valores diretamente.

import numpy as np

a = np.array([1, 2, 3, 4])
b = np.array([[1.0, 3.0], [2.0, 4.0]])

# Atribuindo um novo valor ao primeiro elemento do array 'a'
a[0] = 10
print(a)  # Output: [10  2  3  4]

# Atribuindo um novo valor ao elemento na posição (0, 1) do array 'b'
b[0, 1] = 5.0
print(b)  # Output: [[1. 5.]
          #          [2. 4.]]
Testar

Atribuição com Slicing

O slicing é uma técnica poderosa no NumPy que permite acessar e modificar subarrays de forma eficiente.

import numpy as np

# Criando um array bidimensional
c = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

# Atribuindo novos valores a uma submatriz
c[0:2, 1:3] = [[10, 11], [12, 13]]
print(c)  # Output: [[ 1 10 11]
          #          [ 4 12 13]
          #          [ 7  8  9]]
Testar

Atribuição com Máscaras Booleanas

As máscaras booleanas permitem selecionar elementos de um array com base em condições específicas e atribuir novos valores a esses elementos.

import numpy as np

# Criando um array de valores aleatórios
d = np.random.randint(0, 20, size=(5, 5))
print(d)

# Atribuindo o valor 99 a todos os elementos maiores que 10
d[d > 10] = 99
print(d)
Testar

Atribuição com Funções do NumPy

O NumPy oferece várias funções que facilitam a criação e manipulação de arrays. Vamos explorar algumas delas.

np.full

A função np.full cria um array preenchido com um valor específico.

import numpy as np
# Criando um array 3x3 preenchido com o valor 21
e = np.full((3, 3), 21)
print(e)
Testar

np.zeros e np.ones

As funções np.zeros e np.ones criam arrays preenchidos com zeros e uns, respectivamente.

import numpy as np
# Criando um array 2x3x5 preenchido com zeros
f = np.zeros((2, 3, 5))
print(f)

# Criando um array 4x2x2 preenchido com uns
g = np.ones((4, 2, 2))
print(g)
Testar

np.random

A função np.random permite criar arrays com valores aleatórios.

import numpy as np
# Criando um array 2x2x3 com valores aleatórios entre 0 e 1
h = np.random.rand(2, 2, 3)
print(h)

# Criando um array 2x3x5 com valores inteiros aleatórios entre 5 e 8
i = np.random.randint(5, 8, size=(2, 3, 5))
print(i)
Testar

Conclusão

Atribuir valores no NumPy é uma habilidade essencial para qualquer desenvolvedor Python que deseja trabalhar com análise de dados e computação científica. Com as técnicas e funções apresentadas neste tutorial, você estará bem equipado para manipular arrays e realizar operações complexas de forma eficiente.

Se você deseja se aprofundar ainda mais no NumPy e em outras bibliotecas de Python, continue explorando e praticando. A prática constante é a chave para dominar essas ferramentas poderosas e se tornar um especialista em manipulação de dados.

Imagem de um notebook

Cursos de programação gratuitos com certificado

Aprenda a programar e desenvolva soluções para o seu trabalho com Python para alcançar novas oportunidades profissionais. Aqui na Asimov você encontra:

  • Conteúdos gratuitos
  • Projetos práticos
  • Certificados
  • +20 mil alunos e comunidade exclusiva
  • Materiais didáticos e download de código
Inicie agora

Comentários

Comentar
Faça parte da discussão Crie sua conta gratuita e compartilhe
sua opinião nos comentários
Entre para a Asimov