Numpy Simple

Numpy-Simple.py

import numpy as np

# Definindo Arrays
a = np.array([1., .5, 2.5])

a = np.array([1., .5, 2.5], dtype = float)

m = np.array([[1,2,3], [4,5,6], [7,8,9],[7,8,9],[7,8,9],[7,8,9],[7,8,9]])

a.shape #dimensões do array

# número de dimensões do array
a.ndim

# Número de elementos no array
a.size

# Criar um array de zeros
np.zeros((3,4))

# Criar um array de 1's
np.ones((3,4))

# semelhante ao range
np.arange(5, 50, 5)

# Um array com 100 valores linearmente espaçados entre 0 e 10
x = np.linspace(0, 10, 100)

# Um array com valores constantes
np.full( (2, 2), 42)

# Array Matriz Identidade
np.eye(3)



# Matriz de valores aleatórios entre 0 e 1
m = np.random.random((5,5))

# valores inteiros aleatórios
np.random.randint(low = 10, high=14, size = 10)


c = np.dot(a, b) # scalar product
a = a.t # transpose a
a = a.transpose(a) # transpose a

# comparação
a < b



# Converte o array para outro tipo de dados
a.astype(np.float32)

# Funções agregadoras
# soma
a.sum()

# média
a.mean()

# menor valor
a.min()

# mediana
np.median(a)

# Coeficientes de correlação
np.corrcoef(a)

# desvio padrão
np.std(a)

# Randomizar uma matriz m (com numpy.random)
np.random.shuffle(m)


#Slicing
a[:, :]

# todas as linhas, colunas 0 e 1
a[:, 0:2]

a[:2] # linhas 0 e 1

# todas as linhas, última coluna
a[:, -1]


# stack arrays (with same dimensions) horizontally
c = np.hstack( (a,b) )
np.concatenate( (a, b), axis=1)

# stack arrays (with same dimensions) vertically
d = np.vstack( (a,b) )
np.concatenate( (a, b), axis=0)