Criação e propriedades de matrizes
np.array(), np.zeros/ones/eye/arange/linspace, shape, dtype, ndim, size.
Criação e propriedades de matrizes é uma aula grátis de Learn AI with Python no CoddyKit. Esta é a aula 1 de 4. Você pode ler a aula completa abaixo gratuitamente — depois pratica ao vivo no navegador com um editor de código integrado e um tutor de IA 24/7. Faz parte do caminho de aprendizado de Learn AI with Python, e seu progresso é sincronizado entre a web e o app CoddyKit. O curso de Learn AI with Python inclui 4 aulas no total.
O ndarray
O objeto principal do NumPy é o ndarray: uma grade homogênea e de tamanho fixo formada por números armazenados em memória contígua. Esse formato é o que torna o NumPy rápido.
import numpy as np
a = np.array([1, 2, 3, 4])
print(a) # [1 2 3 4]A partir de listas aninhadas
Passe uma lista de listas para criar uma matriz bidimensional. O NumPy infere a forma a partir da estrutura.
m = np.array([[1, 2, 3], [4, 5, 6]])
print(m)
# [[1 2 3]
# [4 5 6]]Zeros e uns
np.zeros e np.ones pré-alocam matrizes com uma determinada forma, a maneira padrão de criar espaços reservados antes de preenchê-los.
print(np.zeros((2, 3))) # 2x3 of 0.0
print(np.ones(4)) # [1. 1. 1. 1.]Matriz identidade com eye
np.eye(n) cria uma matriz identidade n por n: uns na diagonal e zeros em todas as outras posições. Ela é essencial para a álgebra linear.
print(np.eye(3))
# [[1. 0. 0.]
# [0. 1. 0.]
# [0. 0. 1.]]Intervalos com arange
np.arange(start, stop, step) funciona como o range do Python, mas retorna uma matriz e aceita incrementos de ponto flutuante.
print(np.arange(0, 10, 2)) # [0 2 4 6 8]
print(np.arange(0, 1, 0.25)) # [0. 0.25 0.5 0.75]Espaçamento uniforme com linspace
np.linspace(start, stop, num) retorna num pontos igualmente espaçados, incluindo as duas extremidades. É perfeito para os eixos de gráficos.
print(np.linspace(0, 1, 5)) # [0. 0.25 0.5 0.75 1. ]arange versus linspace
Use arange quando souber o incremento; use linspace quando souber a quantidade de pontos. linspace evita o desvio causado por incrementos de ponto flutuante.
# 50 points from 0 to 2*pi for a smooth curve
x = np.linspace(0, 2 * np.pi, 50)shape e ndim
.shape é uma tupla com os tamanhos das dimensões; .ndim é o número de dimensões. Uma matriz 2x3 tem shape (2,3) e ndim 2.
m = np.array([[1, 2, 3], [4, 5, 6]])
print(m.shape) # (2, 3)
print(m.ndim) # 2size e dtype
.size é a quantidade total de elementos; .dtype é o tipo de dado dos elementos. O NumPy escolhe automaticamente um dtype numérico eficiente.
print(m.size) # 6
print(m.dtype) # int64itemsize e memória
.itemsize é o tamanho, em bytes, de um elemento. Multiplique-o por .size para estimar o espaço ocupado pela matriz na memória.
print(m.itemsize) # 8 (bytes per int64)
print(m.size * m.itemsize) # 48 bytes totalEscolhendo um dtype
Você pode forçar um dtype para economizar memória ou garantir precisão. float32 usa metade da memória de float64.
a = np.array([1, 2, 3], dtype=np.float32)
print(a.dtype) # float32
print(a.itemsize) # 4Verificação rápida
Verifique seus conhecimentos sobre a criação de matrizes.
Recapitulação
Ferramentas para criar matrizes:
np.arraya partir de listas;np.zeros/np.onespara espaços reservados;np.eyepara a matriz identidadenp.arange(por incremento) versusnp.linspace(por quantidade)- Propriedades:
shape,ndim,size,dtype,itemsize
Perguntas Frequentes
A aula “Criação e propriedades de matrizes” é grátis?
Sim — o texto completo de “Criação e propriedades de matrizes” é grátis para ler aqui na web. Para praticá-la interativamente (um editor de código integrado e um tutor de IA 24/7) e desbloquear o restante do curso de Learn AI with Python, atualize para CoddyKit PRO. O curso de Learn AI with Python inclui 4 aulas no total.
O que vou aprender em “Criação e propriedades de matrizes”?
np.array(), np.zeros/ones/eye/arange/linspace, shape, dtype, ndim, size. Você pratica Learn AI with Python com código prático que executa diretamente no navegador, e um tutor de IA 24/7 responde suas dúvidas enquanto trabalha na aula.
Preciso ter experiência prévia para começar Learn AI with Python?
Nenhuma experiência prévia é necessária. Learn AI with Python no CoddyKit é estruturado para alunos iniciantes até avançados, então você pode começar aqui ou desde o início e aprender no seu ritmo. Esta é a aula 1 de 4.
Quanto tempo leva a aula “Criação e propriedades de matrizes”?
A maioria das aulas CoddyKit leva cerca de 5–10 minutos. Cada uma é compacta e interativa, então você faz progresso constante e retoma exatamente de onde parou entre web e app.
Posso escrever e executar código nesta aula de Learn AI with Python?
Sim. Cada aula de Learn AI with Python inclui um editor de código integrado, então você escreve e executa código real direto no navegador e recebe feedback de IA instantaneamente — nenhuma configuração local necessária.
Todas as aulas deste curso
- Criação e propriedades de matrizes
- Indexação, fatiamento e indexação avançada
- Transmissão e operações vetorizadas
- Álgebra linear com NumPy