# Numpy

 # O que é NumPy?

Vivemos em um mundo repleto de dados. Eles estão por toda parte ao nosso redor.

NumPy (abreviação de "Numerical Python") é uma biblioteca Python que suporta grandes arrays multidimensionais. Ela também inclui diversas funções matemáticas que podem ser usadas para operar nesses arrays.

Ele funciona bem com outras bibliotecas de ciência de dados, como Pandas (análise de dados), Matplotlib (visualização de dados) e scikit-learn (aprendizado de máquina), o que torna o NumPy a primeira parada óbvia nessa jornada.

# Importar NumPy

Primeiramente, para acessar o NumPy e suas funções, precisamos importá-lo no início do nosso arquivo Python, assim:

>>import numpy

Outra forma comum de importar NumPy é:

>> import numpy as np

# Array NumPy

Um array é a estrutura de dados principal do pacote NumPy. É uma grade de valores.

Eis como se parece uma lista em Python:

>>rent = [1500, 1500, 1500, 1500, 1750, 1750]

E aqui está um exemplo de um array NumPy:

>>rent = np.array([1500, 1500, 1500, 1500, 1750, 1750])

E podemos criar vários arrays NumPy:

electric_bill = np.array([24.33, 22.99, 50.99, 31.99, 22.99, 23.44])

gas_bill = np.array([34.55, 23.22, 23.44, 44.55, 33.22, 33.12])

wifi_bill = np.array([34.99, 34.99, 34.99, 34.99, 34.99, 34.99])

# Lista em Python vs. Array NumPy

Espere, mas por que precisamos de arrays NumPy? Os arrays NumPy são mais rápidos e eficientes do que as listas do Python. Ao lidar com um conjunto de dados enorme, com milhões de itens, os arrays NumPy podem ser até 100 vezes mais rápidos do que as listas tradicionais do Python.

Portanto, quando você tem poucos itens, as listas são ótimas. Mas quando se trata de milhares ou até milhões de números, os arrays NumPy são a melhor opção!