Conteúdo do curso Lição 77 de 250 · Fundamentos de Dados: numpy & pandas
Fundamentos de Dados: numpy & pandas

Criando e Indexando Arrays

Existem várias maneiras de criar arrays. A mais comum:

import numpy as np
a = np.array([1, 2, 3])      # from a list
b = np.arange(0, 10, 2)      # like range: [0 2 4 6 8]
z = np.zeros(4)              # [0. 0. 0. 0.]
o = np.ones((2, 3))          # a 2x3 grid of ones

Cada array tem um dtype (o tipo de seus elementos) e um shape (seu tamanho ao longo de cada dimensão):

a = np.array([1, 2, 3])
print(a.dtype)   # int32 or int64 depending on the platform (int32 in this browser)
print(a.shape)   # (3,)   one dimension, length 3

grid = np.array([[1, 2, 3], [4, 5, 6]])
print(grid.shape)  # (2, 3)   2 rows, 3 columns

Indexing e slicing funcionam como listas e começam em 0:

a = np.array([10, 20, 30, 40, 50])
print(a[0])     # 10
print(a[-1])    # 50
print(a[1:4])   # [20 30 40]   start included, stop excluded

Para um array 2D, indexe com grid[row, col]:

print(grid[0, 2])   # 3  (row 0, column 2)
print(grid[1])      # [4 5 6]  (the whole second row)
Sua vez

Usando numpy: construa steps = np.arange(0, 10, 2) (os números pares 0..8). Salve seu shape em shp. Depois fatie os três valores do meio (índices 1, 2, 3) em mid.

Viu um problema nesta lição? Reporte-o · Pergunte sobre esta lição

Este exercício abre em breve

Termine a lição anterior para que esta seja desbloqueada. O curso inteiro é gratuito, não precisa de conta, e você pode ler esta lição agora mesmo.