Acessar partes de uma matriz em Python significa obter valores do elementos de um determinado índice de forma personalizada.
Podemos acessar estes indices de forma personalizada das seguintes formas:
- Podemos definir como um indice de inicio e outro de fim de um vetor [inicio:fim];
- Podemos definir o indice através de passos [inicio:fim:passo];
Se não passarmos o início é lido como 0, ou seja, caso não passe o valor inicial do vetor o valor será igual a 0, mas neste caso deve finalizar o seu comprimento.
Se não passarmos um passo para o vetor, será contado como 1, para o segmento negativo deve usar o operador menos.
No exemplo do codigo abaixo será feito um corte nos elementos do índice 1 ao índice 5 da seguinte matriz, a qual o resultado será [3 4 5 6].:
import numpy as np
vetor = np.array([2, 3, 4, 5, 6, 7, 8])
print(vetor[1:5])No exemplo abaixo será feito um corte nos elementos do índice 4 até o final da matriz.
import numpy as np
vetor = np.array([2, 3, 4, 5, 6, 7, 8])
print(vetor[4:])No exemplo abaixo será feito um corte nos elementos desde o inicio até índice 4(não incluído).
import numpy as np
vetor = np.array([2, 3, 4, 5, 6, 7, 8])
print(vetor[:4])No exemplo abaixo será usado o passo, na qual acessamos os elementos do índice 1 ao índice 5 pulando 2 indices.
import numpy as np
vetor = np.array([2, 3, 4, 5, 6, 7, 8])
print(vetor[1:5:2])No exemplo abaixo será feito o corte do índice 3 do final ao índice 1 do final, na qual o resultado final será [6 7].
import numpy as np
vetor = np.array([2, 3, 4, 5, 6, 7, 8])
print(vetor[-3:-1])No exemplo abaixo em ambos os elementos, ou seja, nos dois indeces do vetor,será feito corte do índice 1 ao índice 4 (não incluído), logo isso retornará uma matriz 2-D:
import numpy as np
matriz = np.array([[1, 2, 3, 4, 5], [6, 7, 8, 9, 10]])
print(matriz[0:2, 1:4])No exemplo abaixo a partir do segundo elemento, será feito o corte entre os elementos do índice 1 ao índice 4 (não incluído).
import numpy as np
matriz = np.array([[1, 2, 3, 4, 5], [6, 7, 8, 9, 10]])
print(matriz[1, 1:4])Se quiser conhecer um pouco sobre a biblioteca numpy, veja a playlist dos canais do site no link abaixo:
Caso queira se aprofundar nesta area de desenvolvimento em Python para ciência de dados, veja este curso publicado na Udemy do Professor Eder Carlos Fernandes, este curso foi feito especialmente para quem esta começando na area de ciência de dados com Python, segue o link abaixo:
Introdução a ciência de dados com Python – Autor: Prof. Eder Carlos Fernandes.
Acompanhe as nossas redes sociais para se manter atualizado, veja abaixo:
Um grande abraço a todos
Próximo tópico Numpy – Tipos de dados na biblioteca Numpy
Tópico anterior Numpy – Indexação de array Python com a biblioteca NumPy