Assim como em outras linguagens de programação, a biblioteca Numpy tem seus tipos de dados bem definido que auxilia no desenvolvimento de matrizes numéricas.
Pois estas matrizes numéricas por seguinte facilitam, lógica de programação em Machine Learning por exemplo.
Contudo por falar em Machine Learning, caso você leitor entusiasta da área de programação, Machine Learning e afins segue uma dica bem interessante de um curso que se chama introdução a ciência de dados.
O autor é o Professor Mestre pela Unicamp Eder Carlos Fernandes, este curso aborda conceitos de Numpy aplicado a ciência de dados entre outras bibliotecas para começar seus primeiros projetos de ciência de dados.
Caso seja iniciante em Python não se preocupe este curso foi feito para leigos assunto, e quem é avançado no assunto pode também desfrutar deste conhecimento, para saber mais clique aqui.
De volta ao assunto dos tipos de dados Numpy será falado neste post sobre tipos de dados primeiro da linguagem Python, tipos de dados na linguagem Numpy e veremos alguns exemplos que podem ser feito no Jupter notebook ou Colab.
Para utilizarmos esta bibliteca Python em nossos códigos, deve se instalar primeiro, se caso não sabe como clique no link a abaixo
Numpy biblioteca Python, o que é? Como funciona?
Tipos de dados em Python
Por padrão o Python assim como outras linguagens de programação como C#, C/C++, java, PHP entre outras.
Obtem alguns tipos de dados, para serem gravadas em suas variaveis nas quais elas são:
- strings- As strings são usadas para representar dados de texto, o texto é fornecido entre aspas, por exemplo, “ABCD”;
- Inteiros – As variaveis do tipo inteira são usadas para representar números inteiros em programação, por exemplo -1, -2, -3;
- Float- As variaveis do tipo float são usadas para representar números reais em um codigo de programação, por exemplo, 1,2, 42,42
- Booleana- As variaveis do tipo Booleana são usados para representar Verdadeiro ou Falso, em um código de programação, so que na programação como é em Inglês as pronuncias são True ou False; .
- Complex- As variaveis do tipo complex são usadas para representar números complexos, na qual temos seu numero real e seu numero imaginario, por exemplo, 1,0 + 2,0j, 1,5 + 2,5j.
Tipos de dados no Numpy
O NumPy tem alguns tipos de dados extras e se refere a tipos de dados como um caractere.
Por exemplo como o caractere i quer dizer referencoa ao uma variavel do tipo inteiros, o caractere u quer dizer uma variavel do tipo unsigned integers, etc.
Abaixo vemos uma lista de todos os tipos de dados no NumPy e os caracteres usados para representá-los:
- i- inteiro;
- b- boleano;
- u- unsigned integer;
- f- float;
- c- numeros complexos;
- m- timedelta;
- M- data hora;
- O- objeto;
- S- String;
- U-String Unicod;
V– pedaço fixo de memória para outro tipo (void).
Verificando o tipo de dados de uma matriz
O objeto array NumPy tem uma propriedade chamada dtype que retorna o tipo de dado do array.
Veja o codigo abaixo, neste código percebemos que é do tipo de dados e int32, ou seja, valores de números inteiro de 32 bits e 4 bytes.
import numpy as np
vetor = np.array([1, 2, 3, 4])
print(vetor.dtype)No código abaixo vemos uma variavel do tipo de dados e U, ou seja, tipo string Unicode.
import numpy as np
vetor = np.array(['maca', 'banana', 'morango'])
print(vetor.dtype)Criando Arrays com Tipo de dados Definido
Usamos a função array( ) para criar arrays, esta função pode receber um argumento opcional dtype.
Isto nos permite definir o tipo de dado esperado dos elementos do array, veja abaixo um código que ira gerar uma Matriz de string
import numpy as np
vetor = np.array([1, 2, 3, 4], dtype='S')
print(vetor)
print(vetor.dtype)Para i, u, f e S também U podemos definir o tamanho de espaço que esta variavel ira ocupar na memória.
Abaixo uma matriz do tipo inteiro de dados(4 bytes/32 bits) contudo, a variavel é int32.
import numpy as np
vetor = np.array([1, 2, 3, 4], dtype='i4')
print(vetor)
print(vetor.dtype)Convertendo tipo de dados em Matrizes existentes
Contudo melhor maneira de alterar o tipo de dados de uma matriz existente é fazer uma cópia da matriz com o método astype().
Por causa que a função astype() cria uma cópia da matriz e permite especificar o tipo de dados como um parâmetro.
O tipo de dados pode ser especificado usando uma string, como 'f'para float, 'i'for integer etc.
Portanto você pode usar o tipo de dados diretamente como float para float e int para inteiro.
Contudo logo abaixo, alterar os dados de float para inteiro usando int como paramentro.
import numpy as np
vetor = np.array([1.1, 2.1, 3.1])
novo_vetor = vetor.astype(int)
print(novo_vetor)
print(novo_vetor.dtype)Outra forma de fazer a mesma coisa.
import numpy as np
vetor = np.array([1.1, 2.1, 3.1])
novo_vetor = vetor.astype('i')
print(novo_vetor)
print(novo_vetor.dtype)contudo neste pequeno post aprendemos tipos de dados Numpy, neste posto vimos como é facil entender os tipos de dados da biblioteca.
Veja abaixo o link do nosso grupo do telegram.
Contudo se quiser ver videos gatuitos que podem ajudar na sua carreira na tecnologia, se inscreva em nosso canal do youtube.
Veja o link abaixo
Espero que tenham gostado
Um forte abraço a todos
Tópico anterior Numpy – Acessando partes de uma matriz com a bibiloteca Numpy em Python