Análise de Dados com Numpy Python

On 8 de maio de 2023, by Tiago Dias

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!

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.

Tiago Dias

Apaixonado por dados e tecnologia ❤️ , criando soluções com dados 📊 📈 , desde 2015, sempre buscando tornar os processos orientados! Com formação em Engenharia da Computação 💾 , MBA Gestão da Informação e Business Intelligence e Especialização em Data Science.

Também atuo como professor na área de dados. Nas horas vagas crio modelos de Machine Learning 🤖 com Python em desafios do Kaggle e escrevo no Dados ao Cubo sobre o mundo dos dados 🎲 !

Compartilhando conhecimentos sempre 🚀

Gostou? Compartilhe!