Tipos de dados e atributos

O principal tipo de dado usado no NumPy é o ndarray, mesmo tipos diferentes de arrays continuam sendo ndarray.

# vetor
a1 = np.array([1, 2, 3])

# matrix de duas dimensões
a2 = np.array([[4, 5, 6],
               [7, 8, 9]])

# matrix
a3 = np.array([[[1, 2, 3],
                [4, 5, 6],
                [7, 8, 9]],
                [[10, 11, 12],
                 [13, 14, 15],
                 [16, 17, 18]]])

Vamos olhar algumas informações sobre os exemplos criados, usando os métodos shape, ndim, size e a função type:

a1.shape

(3,)

Usando o método .shape, podemos ver que o array NumPy a1 é um vetor de 3 posições.

a1.ndim, a2.ndim

(1, 2)

Aqui, usando .ndim vemos que a1 é um array unidimensional, enquanto a2 possui duas dimensões.

a3.size

18

O método .size mostra que o array a3 possui 18 elementos.

type(a1), type(a2), type(a3)

(numpy.ndarray, numpy.ndarray, numpy.ndarray)

Todos os arrays são do tipo ndarray.

Assim como no Pandas, você pode exibir os elementos dos arrays apenas digitando o seu nome em uma célula do notebook:

a1

array([1, 2, 3])

a2

array([[4, 5, 6],
       [7, 8, 9]])

a3

array([[[ 1,  2,  3],
        [ 4,  5,  6],
        [ 7,  8,  9]],

       [[10, 11, 12],
        [13, 14, 15],
        [16, 17, 18]]])

Anatomia de um array NumPy

WIP