Fundamentos de NumPy
Arrays, ndarray, indexação, slicing, broadcasting, operações vetorizadas, álgebra linear
1O que é um ndarray no NumPy?
O que é um ndarray no NumPy?
Resposta
Um ndarray (N-dimensional array) é a estrutura de dados fundamental do NumPy. É um array multidimensional homogêneo, o que significa que todos os elementos devem ser do mesmo tipo. Essa homogeneidade permite operações vetorizadas muito rápidas porque os dados são armazenados de forma contígua na memória, ao contrário das listas Python que armazenam referências para objetos dispersos.
2Como criar um array NumPy contendo os valores [1, 2, 3, 4, 5]?
Como criar um array NumPy contendo os valores [1, 2, 3, 4, 5]?
Resposta
A função np.array() é o método padrão para criar um ndarray a partir de uma sequência Python como uma lista ou tupla. Ela converte a sequência em um array NumPy otimizado. Outras funções como np.arange() geram sequências mas com sintaxe diferente (start, stop, step), e np.zeros()/np.ones() criam arrays preenchidos com valores específicos.
3Qual função usar para criar um array de 10 elementos espaçados uniformemente entre 0 e 1?
Qual função usar para criar um array de 10 elementos espaçados uniformemente entre 0 e 1?
Resposta
np.linspace(0, 1, 10) cria exatamente 10 valores espaçados uniformemente entre 0 e 1, incluindo ambos os extremos. É ideal quando o número desejado de pontos é conhecido. np.arange() usa um passo fixo e pode não incluir o ponto final. np.linspace() é preferido para intervalos com um número preciso de pontos, particularmente para gráficos ou cálculos de integração numérica.
Qual atributo fornece as dimensões (shape) de um array NumPy?
Como criar uma matriz 3x3 preenchida com zeros?
+19 perguntas de entrevista
Outros temas de entrevista Data Science & ML
Fundamentos de Python
Programação Orientada a Objetos em Python
Estruturas de dados em Python
Fundamentos do Git
Fundamentos de SQL
Fundamentos de Pandas
Jupyter & Google Colab
SQL Joins e consultas avançadas
Pandas avançado
Visualização com Matplotlib & Seaborn
Visualizações interativas com Plotly
Estatística descritiva
Estatística inferencial
Web Scraping
BigQuery & Cloud Data
Feature Engineering
ML Supervisionado: Regressão
ML Supervisionado: Classificação
Árvores de Decisão e Ensembles
ML Não Supervisionado
Pipelines ML e Validação
Séries Temporais e Previsão
Fundamentos de Deep Learning
TensorFlow & Keras
CNN e classificação de imagens
RNN e Sequências
Transformers e Attention
NLP e Hugging Face
GenAI e LangChain
MLOps e Implantação
Domine Data Science & ML para sua proxima entrevista
Acesse todas as perguntas, flashcards, testes tecnicos, exercicios de code review e simuladores de entrevista.
Comece gratis