O Numpy tem poder manipular formatos de uma matriz, na qual auxilia no desenvolvimento de elaborar diferentes formas de matrizes numéricas.
Contudo, este poder de manipular as formas de uma matriz na biblioteca numpy é muito importante elaboração de 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?
o que é a forma de uma matriz numpy?
A forma de uma matriz numpy é uma propriedade que descreve a estrutura e as dimensões da matriz. Ela indica o número de elementos em cada dimensão da matriz, ou seja, o número de linhas e colunas.
Contudo no NumPy, a forma de uma matriz é representada por uma tupla de números inteiros não negativos. Por exemplo, uma matriz bidimensional (2D) com 3 linhas e 4 colunas teria uma forma representada como (3, 4).
Contudo significa que a matriz possui 3 elementos na dimensão das linhas e 4 elementos na dimensão das colunas.
Contudo a forma da matriz numpy é importante porque fornece informações da estrutura da matriz e permite realizar operações adequadas, como indexação, slicing e operações matemáticas.
A forma usa-se para verificar a consistência das dimensões durante a manipulação de matrizes para realizar operações que dependem da forma, na transposição da matriz.
Obter a forma de uma matriz
Contudo no NumPy, uma matriz possui uma forma que descreve o número de elementos em cada dimensão. A forma de uma matriz pode ser obtida utilizando o atributo shape.
Uma matriz bidimensional com 3 linhas e 4 colunas tem forma de (3, 4), possuindo 3 elementos nas linhas e 4 elementos nas colunas.
A forma de uma matriz numpy é uma informação essencial para entender a sua estrutura e manipulá-la adequadamente.
Pode ser usada para verificar dimensões da matriz, garantir que as operações sejam realizadas corretamente e realizar operações de slicing ou indexação em elementos específicos.
No exemplo mencionado anteriormente, se tivermos uma matriz mat com forma (3, 4), podemos acessar o número de linhas usando mat.shape[0] e o número de colunas usando mat.shape[1].
Essas informações podem ser úteis ao percorrer a matriz, aplicar operações específicas em cada dimensão ou realizar cálculos com base nas dimensões da matriz.
Exemplos práticos de formas de uma matriz
Será visto dois exemplos códigos de como aplicar a forma de uma matriz.
Primeiro exemplo
Veja um exemplo mais pratico no código abaixo
import numpy as np
mat = np.array([[1, 2, 3, 4], [5, 6, 7, 8]])
print(mat.shape)O código acima importa a biblioteca NumPy sob o nome “np” e cria uma matriz bidimensional chamada “mat”. A matriz “mat” é definida usando a função “array” do NumPy e contém dois arrays internos. O primeiro array interno [1, 2, 3, 4] representa a primeira linha da matriz, e o segundo array interno [5, 6, 7, 8] representa a segunda linha.
Em seguida, o código utiliza a função “shape” para obter a forma da matriz “mat”. A função “shape” é um método do objeto numpy.ndarray que retorna uma tupla com as dimensões da matriz. No caso desse código, o resultado da função “shape” é (2, 4), o que indica que a matriz “mat” possui 2 linhas e 4 colunas.
Por fim, o código imprime o resultado usando a função “print”, exibindo a forma da matriz “mat” no formato (2, 4).
Segundo exemplo
Veja abaixo mais um exemplo prático:
import numpy as np
mat = np.array([1, 2, 3, 4], ndmin=5)
print(mat)
print('A forma do array :', mat.shape)
O código acima importa a biblioteca NumPy sob o nome “np” e cria um array unidimensional chamado “mat”. O array “mat” é definido usando a função “array” do NumPy contendo elementos [1, 2, 3, 4].
Além disso, é especificado o argumento opcional “ndmin=5” na função “array”. Esse argumento define a dimensão mínima do array como 5, mesmo que o array original seja unidimensional.
Em seguida, o código imprime o array “mat” usando a função “print”, exibindo [1, 2, 3, 4]. Em seguida, ele imprime a forma do array usando a função “shape”, exibindo (1, 1, 1, 1, 4). Isso indica que o array “mat” possui 5 dimensões, sendo a primeira dimensão com tamanho 1, a segunda dimensão com tamanho 1, a terceira dimensão com tamanho 1, a quarta dimensão com tamanho 1 e a quinta dimensão com tamanho 4.
Contudo neste pequeno post aprendemos com funciona a forma de uma matriz Numpy, na qual 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