Skip to content

Manipulando Matrizes

Manipulando Matrizes

Uma matriz NumPy (ou numpy.ndarray) é uma estrutura de dados multidimensional otimizada para armazenar e operar com grandes quantidades de dados numéricos de maneira eficiente. Ela pertence à biblioteca NumPy, que é amplamente utilizada em computação científica, aprendizado de máquina, análise de dados e muitas outras áreas.

ㅤ Criando uma Matriz com 2 dimensões:

python
arr9 = np.array([ [1,2,3], [4,5,6] ])
print(arr9)
out:
     [[1 2 3]
     [4 5 6]]

ㅤ

Verificando a forma (shape) desse array criado:

python
print(arr9.shape)
out:
     (2, 3)
Ele nos retorna, que é, uma matriz, com 2 dimensões e 3 valores em cada dimensão!

ㅤ

ㅤ

Dessa forma, eu crio uma matriz, com 2 dimensões preenchida com o número 1:

python
arr10 = np.ones((2,3))
print(arr10)
out:
     [[1. 1. 1.]
     [1. 1. 1.]]

ㅤㅤ

Vamos criar uma listas de listas:

python
lista = [[10,20,30], [90,80,100], [1,2,3]]

Criando uma array numpy a partir de uma lista de listas:

python
arr11 = np.matrix(lista)

Verificando a forma (shape) desse array criado:

python
arr11.shape
out:
(3, 3)
Nos retornando que ele tem 3 dimensões, com 3 elementos em cada

ㅤㅤ

ㅤㅤ

Manipulando os elementos das matrizes

Fatiando uma matriz (SLICING)

antes de tudo: INDEXAÇÃO EM PYHTON COMEÇA POR ZERO!

A indexação por matrizes é um pouco diferente, como vamos manipular uma matriz que tem 3 dimensões, precisamos especificar, qual a dimensão e depois qual elemento:

[dimensão, elemento] ㅤㅤ

ㅤㅤ

Vendo os valores da array a ser manipulada:

python
print(arr11)
out:
    [[ 10,  20,  30]
     [ 90,  80, 100]
     [  1,   2,   3]]

ㅤㅤ

Retornando o elemento de indice 1 da linha de indice 2:

python
arr11[2,1]
out:
2

ㅤㅤ

Vamos retornar das linhas de índice 0, até 1 (Porque o índice 2 é EXCLUSIVO), apenas os elementos de índice 2

python
arr11[0:2, 2]
out:
matrix([[ 30],
        [100]])

ㅤ

ㅤ

Retornando da linha de índice 1, qualquer valor (todos valores)

python
arr11[1, ]
out:
matrix([[ 90,  80, 100]])

ㅤ

Manipulando os elementos

Alterando um elemento pelo índice: 

arr11[1,0] = 100

ㅤ

Se não definirmos o tipo do dado, o numpy define ele, porém, pode acabar cometendo erros, é um bom ponto de atenção:

python
x = np.array([1,2]) # o Numpy decide o tipo do dado
y = np.array([1.0,2.0]) # o Numpy decide o tipo do dado
z = np.array([1,2], dtype = np.float64) # Aqui foi definido o tipo de dado em particular

print(x.dtype, y.dtype, z.dtype)
out:
print(x.dtype, y.dtype, z.dtype)

ㅤ

Podemos definir o tipo de um array já na criação:

python
arr12 = np.array([[24, 76, 92, 14], [47, 36, 89, 2]], dtype = float)
print(arr12)
out:
    [[24. 76. 92. 14.]
     [47. 36. 89.  2.]]

ㅤ