Data Science Academy · Aula

Indexação e fatiamento de matrizes

Obtenha linhas, colunas e intervalos.

Indexação e fatiamento de matrizes é uma aula grátis de Data Science Academy no CoddyKit. Esta é a aula 4 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 Data Science Academy, e seu progresso é sincronizado entre a web e o app CoddyKit. O curso de Data Science Academy inclui 4 aulas no total.

Partes desta aula ainda não foram traduzidas e aparecem em inglês.

Grab the Pieces You Need

Real analysis means pulling out parts of your data. NumPy's indexing lets you grab single values, rows, columns, or ranges with ease. ✂️

Single Elements by Position

Just like a list, you reach one element by its index. Counting starts at zero, so arr[0] is the very first value.

arr = np.array([10, 20, 30])
arr[0]  # 10

Count From the End

Negative indices count backward. arr[-1] hands you the last element without needing to know the array's length.

arr[-1]  # 30

Slices Grab a Range

A slice uses start:stop to pull a range. The start is included, the stop is not, just like Python lists.

np.arange(10)[2:5]  # 2 3 4

Steps Inside a Slice

Add a third number for a step. Using ::2 keeps every other element, an easy way to thin out data.

np.arange(10)[::2]  # 0 2 4 6 8

Two Dimensions, One Bracket

For a 2D array, give row and column in one bracket: arr[row, col]. This is cleaner than chaining two sets of brackets.

m = np.array([[1, 2], [3, 4]])
m[1, 0]  # 3

Grab a Whole Row

A lone colon means take everything along that axis. So m[0, :] returns the entire first row.

m[0, :]  # array([1, 2])

Grab a Whole Column

Flip it to pull a column. m[:, 0] sweeps every row and keeps just the first column's values.

m[:, 0]  # array([1, 3])

Slices Are Views, Not Copies

Careful: a slice is a view into the original. Change the slice and the source array changes too, which can surprise you.

s = arr[0:2]
s[0] = 99  # arr also changes

Make a Real Copy

When you need independence, call copy. It hands back a separate array so edits never touch the original.

safe = arr[0:2].copy()

Slice to Assign, Too

Indexing works on the left side as well. Assign to a slice and you update a whole range in one move.

arr[0:2] = 0  # first two become 0

Quick Check

Let's test selecting a column from a 2D array.

Recap

You can now carve up arrays: index single values, slice ranges with steps, target rows and columns, and copy when you need to stay safe. 🎉

Perguntas Frequentes

A aula “Indexação e fatiamento de matrizes” é grátis?

Sim — o texto completo de “Indexação e fatiamento 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 Data Science Academy, atualize para CoddyKit PRO. O curso de Data Science Academy inclui 4 aulas no total.

O que vou aprender em “Indexação e fatiamento de matrizes”?

Obtenha linhas, colunas e intervalos. Você pratica Data Science Academy 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 Data Science Academy?

Nenhuma experiência prévia é necessária. Data Science Academy 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 4 de 4.

Quanto tempo leva a aula “Indexação e fatiamento 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 Data Science Academy?

Sim. Cada aula de Data Science Academy 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

← Voltar para Data Science Academy