NumPy

!pip install numpy

b.ndim # Mostra o número de dimensões da matriz

b.shape # Mostra o formato da matriz (linhas, colunas)

a.dtype # Mostra o tipo de dados da matriz

a.itemsize # Mostra o tamanho em bytes de cada elemento da matriz

a.nbytes # Mostra o tamanho total em bytes da matriz

b[0,1] # Seleciona um elemento (1ª linha, 2ª coluna)

b[1,:] # Seleciona uma linha (2ª linha, todas as colunas)

b[:,1] # Seleciona uma coluna (1ª coluna, todas as linhas)

b[0,1:6:2] # Seleciona usando o formato [começo:fim:passo]

b[[0,1],1] # Seleciona elementos usando uma lista de índices (1ª, 2ª e 4ª linhas) e coluna 2

b[0,1,1] # Seleciona um elemento específico do array 3D (1º bloco, 2ª linha, 2ª coluna)

b[:,1,:] # Seleciona a uma linha de cada bloco do array 3D (2ª linha, todas as colunas, todos os blocos)

b[:,1,:] = [[9,9],[8,8]] # Altera uma linha de cada bloco do array 3D
b[:,1,:]

np.zeros((2,3)) # Cria um array 2D de zeros

np.ones((4,2,2), dtype='int16') # Cria um array de uns

np.full((2,2), 99) # Cria um array preenchido com o valor 99

b = np.array([[1,2,3],[4,5,6]])
np.full_like(b, 4) # Cria um array com a mesma forma de b, preenchido com o valor 4

np.random.rand(4,2) # Cria um array 4x2 com valores aleatórios entre 0 e 1

np.random.randint(-4,8,size=(3,3)) # Cria um array 3x3 com valores inteiros aleatórios entre -4 e 7

np.eye(5) # Cria uma matriz identidade 5x5 (1s na diagonal principal, 0s fora dela)

arr = np.array([[1,2,3]])
np.repeat(arr, 3, axis=0) # Repete o array 3 vezes ao longo do eixo 0 (linhas)

before = np.array([[1,2,3,4],[5,6,7,8]])
before.reshape((4,2)) # Altera a forma do array para 4 linhas e 2 colunas (note que o número total de elementos deve permanecer o mesmo)

v1 = np.array([1,2,3,4])
v2 = np.array([5,6,7,8])
v3 = np.array([9,10,11,12])
np.vstack([v1,v2,v3]) # Empilha os vetores v1, v2 e v3 verticalmente para criar uma matriz 3x4

h1 = np.ones((2,4))
h2 = np.zeros((2,2))
np.hstack((h1,h2)) # Empilha os arrays h1 e h2 horizontalmente para criar uma matriz 2x6

# Copiando arrays de forma INCORRETA
a = np.array([1,2,3])
b = a  # b aponta para o mesmo array que a
b[0] = 100
a  # a também é alterado, pois a e b são o mesmo array

# Copiando arrays de forma CORRETA
a = np.array([1,2,3])
b = a.copy()  # b é uma cópia independente de a
b[0] = 100
a  # a permanece inalterado, pois a e b são arrays diferentes

a = np.array([1,2,3,4])
b = np.array([5,6,7,8])
a - 2 # Subtrai 2 de cada elemento de a

a * 2 # Multiplica cada elemento de a por 2

a + b # Soma os elementos correspondentes de a e b

a ** 2 # Eleva cada elemento de a ao quadrado

np.sin(a) # Aplica a função seno a cada elemento de a

np.cos(np.pi) # Calcula o cosseno de π (os ângulos são em radianos)

a = np.ones((2,3))
b = np.full((3,2), 2)
np.matmul(a,b) # Realiza a multiplicação matricial entre a (2x3) e b (3x2), resultando em um array 2x2

a = np.array([[1,2],[3,4]])
print(np.linalg.det(a)) # Calcula o determinante da matriz a

stats = np.array([[1,2,3],[4,5,6]])
np.min(stats) # Valor mínimo do array

np.max(stats) # Valor máximo do array

np.sum(stats) # Soma de todos os elementos do array

np.mean(stats) # Média dos valores do array

np.median(stats) # Mediana dos valores do array

np.std(stats) # Desvio padrão dos valores do array

np.corrcoef(stats) # Matriz de correlação dos valores do array