Executando verificação de segurança...
2

[DATA SCIENCE] DAY: 002 - Criando e manipulando matrizes com numpy

Fala pessoal, tudo bem com vocês?

👨‍💻 Hoje irei falar sobre matrizes, um conjunto de dados organizados em linhas e colunas. Basicamente pode ser representada por uma lista de listas.

Objetivo:

  • Manipular uma matriz usando numpy;

1 - Primeiro, vamos importar a biblioteca numpy e atribuir um apelido:

💻
import numpy as np

2 - Agora, iremos utilizar o método set_printoptions como opção de formatação, para o número de casas decimais exibidas:

💻
np.set_printoptions(precision=2)

3 - Criaremos agora uma variável utilizando o método arange do numpy, onde é usado para criar um array contendo uma sequência de números. Ele funciona de forma semelhante à função range do Python, mas ao invés de retornar uma sequência de números, ele retorna um array numpy.

💻
a = np.arange(3)
print(a)

array([0, 1, 2])

4 - Vamos criar nossa segunda variável com uma matriz tridimensional usando a biblioteca numpy. O método array é usado para criar uma matriz a partir de uma lista de listas.

💻
aa = np.array([[2., 4., 6.], [1., 3., 5.], [10., 20., 30.]])
print(aa)

array([
[ 2., 4., 6.],
[ 1., 3., 5.],
[10., 20., 30.]
])

Por último, vamos utilizar os principais métodos aritméticos da matemática para manipular as matrizes:

multiplicando a variável 'a' com a 'aa', ambas sendo diferente, uma sendo unidimensional e a outra matriz bidimensional, podemos obter o seguinte resultado:

💻
print(a * aa)

array([
[ 0., 4., 12.],
[ 0., 3., 10.],
[ 0., 20., 60.]
])

Neste caso abaixo, a chamada np.arange(9) cria uma matriz unidimensional com nove elementos. Agora com método 'reshape', podemos alterar a forma da matriz passando os parâmetros linha e coluna como valor, neste caso, passamos (3, 3).

💻
bb = np.arange(9).reshape((3,3))
print(bb)

array([
[0, 1, 2],
[3, 4, 5],
[6, 7, 8]
])

Por último, vamos explorar o método 'dot' do numpy, onde é usado para calcular a multiplicação matricial de duas matrizes com as mesmas quantidades de linhas e colunas.

💻
print(np.dot(aa, bb))

array([
[ 48., 60., 72.],
[ 39., 48., 57.],
[240., 300., 360.]
])

☀️ Espero que tenham gostado do conteúdo, nada muito complexo, tentando passar da forma mais clara possível!

Vejo vocês amanhã com conteúdo sobre valores numéricos...

🚀 See you later!

Data Science

Carregando publicação patrocinada...