Data Science Academy · Aula

Soma, média e o truque do eixo

Agregue dados ao longo das linhas ou das colunas.

Soma, média e o truque do eixo é uma aula grátis de Data Science Academy no CoddyKit. Esta é a aula 2 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.

Summaries in One Call

NumPy can collapse a whole array into a single number. Methods like sum and mean turn many values into one quick summary.

a = np.array([2, 4, 6])
total = a.sum()   # 12

Mean Is the Average

The mean divides the total by the count. For the array above it returns 4.0, the everyday average you already know.

avg = a.mean()   # 4.0

The Whole Array by Default

With no extra argument, these methods reduce everything to one scalar. Every element joins the calculation, ignoring rows and columns.

m = np.arange(6).reshape(2, 3)
m.sum()   # 15

Meet the axis Argument

The real power is axis. It tells NumPy which direction to collapse, so you can summarize per row or per column instead.

axis=0 Goes Down

Set axis=0 to collapse the rows. NumPy walks down each column and returns one value per column.

m.sum(axis=0)   # [3 5 7]

axis=1 Goes Across

Set axis=1 to collapse the columns. NumPy sweeps across each row and returns one value per row.

m.sum(axis=1)   # [3 12]

A Memory Trick

Think of axis as the dimension that disappears. Collapsing axis 0 removes the row dimension, leaving a result shaped like one row.

Same Idea for mean

The axis rule is identical for mean, min, max, and more. Learn it once and it applies across every reduction NumPy offers.

m.mean(axis=0)   # [1.5 2.5 3.5]

Keep the Dimensions

Pass keepdims=True to keep the collapsed axis as size 1. This makes the result broadcast cleanly back against the original array.

m.sum(axis=1, keepdims=True)   # shape 2 x 1

Counting Along an Axis

Reductions pair with shape to answer real questions: total per category, average per day, or a count of items down each column.

Pick the Axis on Purpose

Choosing the wrong axis is a classic bug. Always ask which dimension you want to keep, then collapse the other one.

Quick Check

You have a 2D array of rows and columns.

Axis Recap

You summarized whole arrays, then steered axis to summarize per row or per column. Remember: the axis you name is the one that vanishes. 👍

Perguntas Frequentes

A aula “Soma, média e o truque do eixo” é grátis?

Sim — o texto completo de “Soma, média e o truque do eixo” 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 “Soma, média e o truque do eixo”?

Agregue dados ao longo das linhas ou das colunas. 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 2 de 4.

Quanto tempo leva a aula “Soma, média e o truque do eixo”?

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