Sobre a biblioteca Numpy

No âmbito de nichos específicos como, por exemplo, computação científica, é bastante comum o uso tanto das ferramentas nativas da linguagem Python como de bibliotecas desenvolvidas pela comunidade para propósitos bastante específicos.

Com uma rápida pesquisa no site https://pypi.org é possível ver que existem, literalmente, milhares de bibliotecas, módulos e pacotes desenvolvidos pela própria comunidade, a fim de adicionar novas funcionalidades ou aprimorar funcionalidades já existentes no núcleo da linguagem Python.

Uma das bibliotecas mais usadas, devida a sua facilidade de implementação e uso, é a biblioteca Numpy. Esta por sua vez oferece uma grande variedade de funções aritméticas de fácil aplicação, de modo que para certos tipos de operações as funções da biblioteca Numpy são muito mais intuitivas e eficientes do que as funções nativas de mesmo propósito presentes nas built-ins do Python.

Sobre a biblioteca Numpy

Como mencionado anteriormente, a biblioteca Numpy, uma das melhores, se não a melhor, quando falamos de bibliotecas dedicadas a operações aritméticas, possui em sua composição uma série de funções matemáticas pré-definidas, de modo que bastando importar a biblioteca em nosso código já temos à disposição as tais funções prontas para execução.

E quando digo uma enorme variedade de funções predefinidas, literalmente temos algumas centenas delas prontas para uso, bastando chamar a função específica e a parametrizar como é esperado. Por meio da documentação online da biblioteca é possível ver a lista de todas as funções.

Neste pequeno livro, iremos fazer uma abordagem simples das principais funcionalidades que a biblioteca Numpy nos oferece, haja visto que a aplicação de tais funções se dá de acordo com a necessidade, e em suas rotinas você notará que a grande maioria das funções disponíveis nem mesmo é usada, porém, todas elas estão sempre à disposição prontas para uso.

Também será visto nos capítulos finais um exemplo de funções da biblioteca Numpy sendo aplicadas em machine learning.