Fala galera do mundo dos dados! Quando o assunto é dados temos diversas bibliotecas Python para análise de dados e o NumPy é uma delas. A biblioteca NumPy é uma das principais bibliotecas Python para análise de dados. Com ela, é possível realizar cálculos numéricos, manipulação de arrays e matrizes, entre outras funções. Neste post, apresentaremos as principais funções para análise de dados com NumPy Python. Veremos, exemplos de código e uma explicação detalhada. Começando com o principal objeto do NumPy, os arrays.
Arrays com NumPy
O array NumPy é uma estrutura de dados multidimensional que permite armazenar e manipular grandes quantidades de dados de forma eficiente. A biblioteca NumPy oferece diversas funções para criação e manipulação de arrays. Como executar algumas dessas principais funções.
Como importar a biblioteca NumPy para utilizar no Python?
import numpy as np
Como criar um array unidimensional no NumPy?
# Criando um array unidimensional a = np.array([1, 2, 3])
Como criar um array bidimensional no NumPyPython?
# Criando um array bidimensional b = np.array([[1, 2], [3, 4]])
Como criar um valores aleatórios no NumPy?
# Criando um array com valores aleatórios c = np.random.rand(3, 3)
Acessando elementos de um array no NumPy Python!
# Acessando elementos de um array print(a[0]) # 1 print(b[1, 0]) # 3 print(c[2, 0]) # aleatório
Agora, que já sabemos manipular os arrays, veremos algumas operações com eles.
Operações com arrays NumPy
Com a biblioteca NumPy, é possível realizar diversas operações com arrays. A seguir como executar algumas das principais operações.
Como realizar a soma de arrays no NumPy Python?
# Soma de arrays a = np.array([1, 2, 3]) b = np.array([4, 5, 6]) c = a + b
Como realizar a subtração de arrays no NumPy Python?
# Subtração de arrays a = np.array([1, 2, 3]) b = np.array([4, 5, 6]) c = a - b
Como realizar a multiplicação de arrays no NumPy Python?
# Multiplicação de arrays a = np.array([1, 2, 3]) b = np.array([4, 5, 6]) c = a * b
Como realizar operações matriciais com arrays no NumPy Python?
# Operações matriciais a = np.array([[1, 2], [3, 4]]) b = np.array([[5, 6], [7, 8]]) c = np.dot(a, b)
Bem simples as operações básicas né? Fácil e intuitivas, agora algumas funções matemáticas.
Funções Matemáticas com NumPy
Além de operações com arrays, a biblioteca NumPy também oferece diversas funções matemáticas úteis para análise de dados. Confere como executar essas funções matemáticas.
Como calcular a média no NumPy Python?
# Média de um array a = np.array([1, 2, 3]) media = np.mean(a)
Como calcular o desvio padrão no NumPy Python?
# Desvio padrão de um array a = np.array([1, 2, 3]) desvio_padrao = np.std(a)
Como calcular o exponencial no NumPy Python?
# Exponencial de um array a = np.array([1, 2, 3]) exponencial = np.exp(a)
Como calcular o log no NumPy Python?
# Logaritmo de um array a = np.array([1, 2, 3]) logaritmo = np.log(a)
Depois dessa introdução de arrays, operações e funções matemáticas como o NumPy, uma aplicação prática de análise de imagem.
Análise de Imagem com NumPy
Além de operações mais simples, a biblioteca NumPy também pode servir para análise e manipulação de imagens. Se liga nessa manipulação de imagem através de array.
# Imagem com array numpy from skimage import io num1 = np.array([ [0,0,255,0,0], [0,255,255,0,0], [0,0,255,0,0], [0,0,255,0,0], [0,0,255,0,0]], dtype=np.uint8) io.imshow(num1) io.show()
Inicialmente criamos um array, e nas posições da matriz que queremos a cor preta, preenchemos com zero e para a cor branca preenchemos com 255. Confere o resultado na imagem abaixo!

Exatamente o número 1. O resultado de uma matriz do NumPy pode gerar uma imagem! Top em?! Agora faremos uma operação com o arrays e observaremos o resultado.
# Subtração do array io.imshow(num1-100) io.show()
Modificamos a cor da iaem somente com uma subtração na matriz.

Mais uma operação para fechar! Agora uma multiplicação.
# Multiplicação do array io.imshow(num1*100) io.show()
E então temos a imagem em tom de cinza. Portanto, agora é se divertir.

Essa é uma pequena demonstração da análise de dados com NumPy.
NumPy ao Cubo
A biblioteca NumPy é uma ferramenta poderosa para análise de dados. Neste post, apresentamos as principais funções da biblioteca NumPy com exemplos de código e uma explicação detalhada. Com essas funções, é possível criar e manipular arrays, realizar operações matriciais e realizar cálculos matemáticos em larga escala de forma eficiente e produtiva. Ainda sobre o NumPy, você encontra aqui no Dados ao Cubo os artigos de Álgebra Linear com NumPy e Funções em Python, onde tem muito mais coisas sobre essa biblioteca porderosa.
E então, está é uma das diversas bibliotecas Python para análise de dados. Na sequência, o Dados ao Cubo trará algumas outras bibliotecas para você que está começando no mundo de análise de dados com Python. Então, fica ligado aqui nas novidades com a nossa Newsletter. Um abraço e até a próxima!!!
Conteúdos ao Cubo
Se você curtiu o conteúdo, aqui no Dados ao Cubo tem muito mais. Então, deixo algumas sugestões de conteúdos que você pode encontrar. Sempre falando sobre o mundo dos dados!
- Time de Dados na Prática
- Etapas para Análise de Dados
- Tipos de Análise de Dados
- Dicas para Visualização de Dados
- Análise de Dados com Airbyte e Metabase
- Importar CSV no PostgreSQL com o DBeaver
- O Guia do XGBoost com Python
- Como Criar um Chatbot com Rasa Open Source
Finalizo com um convite para você ser Parceiro de Publicação Dados ao Cubo e escrever o próximo artigo, compartilhando conhecimento para toda a comunidade de dados.

Baiano, apaixonado por dados e tecnologia, amante das inovações tecnológicas que facilitam a vida humana! Formado em Engenharia da Computação e com MBA em Gestão da Informação e Business Intelligence e especialização em Data Science. Atualmente atua como Data Tech Lead na Lopes, além de Professor na área de dados e nas horas vagas cria uns modelos de Machine Learning com Python e soluções diversas com dados!