Numpy: um introdução

Numpy é, senão a mais, uma das mais populares bibliotecas para computação numérica na comunidade do Python. De tal forma que muitas outras bibliotecas desse segmento, quando não impletam suas funcionalidades usando o próprio Numpy como base, garantem com aquela um certo grau de compatibilidade ou suporte.
A biblioteca implementa uma extrutura de dados (a ndarray) homogênea (os dados são do mesmo tipo), cujos elementos podem ser acessados por índices inteiros. Comparadas as estruturas como listas e tuplas padrões do Python, a ndarray oferce vantagens para computação numérica, otimizando recursos como memória e poder de processamento. Ela também apresenta um recuso chamado “vetorização” (vecotirzation), que permite realizar operações com cada elemento do arranjo, de forma simples, reduzindo a necessidade do uso de loops (for, while). Para entender melhor, vamos a algumas práticas com a biblioteca, començando pela tradicional importação dos módulos e escrita de algumas rotinas básicas.

import numpy as np # Importação do Numpy. "as np" cria um "alias" (apelido) para "numpy"

x = np.array([1, 2, 3])
y = np.arange(0, 2, .5)
z = np.linspace(0, 10, 6)

x, y, z

(array([1, 2, 3]),
 array([0. , 0.5, 1. , 1.5]),
 array([ 0.,  2.,  4.,  6.,  8., 10.]))

Os métodos array, arange e linspace retornam arranjos (arrays) numéricos, seguido diferentes processos de criação.

• array retorna um obeto array numpy, contando os valores passados na lista.

• arange retornar um arranjo contendo valores no intervalo definido pelo primeito e último parâmetro, com espaçamento dado pelo terceiro parâmetro.

• linspace funciona quase como arange, mas o terceiro parâmetro expressa a quantidade de elementos do intervalo, em vez do espaçamento.

mat = np.array([[1., .2, 5], [0, -3, -1], [.2, np.pi, 0]])

mat

array([[ 1.        ,  0.2       ,  5.        ],
       [ 0.        , -3.        , -1.        ],
       [ 0.2       ,  3.14159265,  0.        ]])

np.linalg.det(mat)

6.101592653589793

Acima, em sequência, declaramos uma matriz quadrada (mat), imprimimos em tela e calculamos seu determinante, usado a função det do pacote linalg.

Continua… WDG - 2024/01/19