Indexação e Remodelagem do NumPy

A indexação seleciona e reorganiza dados de ndarray ao longo de eixos; a remodelação altera a forma sem mudar os valores quando o tamanho total permanece constante.

Receita

Cartão de receita de referência rápida - pronto para copiar e colar.

import numpy as np
 
matrix = np.arange(12).reshape(3, 4)
rows = matrix[1:3, ::2]          # fatia linhas 1-2, cada outra coluna
cols = matrix[:, [0, 3]]         # indexa avançadamente colunas 0 e 3
flat = matrix.reshape(-1)        # view 1-D quando possível

Quando usar isso:

Extrair submatrizes para processamento em lote
Reordenar dimensões antes de passar dados para modelos de ML
Construir máscaras para atualizações condicionais
Alinhar formas para broadcasting entre eixos

Exemplo de Trabalho

import numpy as np
 
# 4 regiões x 6 meses
sales = np.array(
    [[10, 12, 11, 13, 14, 15],
     [8, 9, 10, 9, 11, 12],
     [20, 18, 19, 21, 22, 23],
     [5, 6, 5, 7, 6, 8]],
    dtype=np.int32,
)
 
# Apenas Q1: meses 0-2, todas as regiões
q1 = sales[:, 0:3]
 
# Duas principais regiões por vendas totais
totals = sales.sum(axis=1)
top_idx = np.argsort(totals)[-2:]
top_regions = sales[top_idx]
 
# Empilha vetores de região como colunas para correlação
wide = sales.T  # shape (6, 4) - meses como linhas
 
# Marca meses em que qualquer região superou 20
hot_months = np.where(sales.max(axis=0) >= 20)[0]
 
print("q1 shape:", q1.shape)
print("top regions:", top_idx)
print("hot months:", hot_months)

O que isso demonstra:

Fatiamento de colunas com start:stop em axis=1
Redução ao longo de axis=1 e depois argsort para seleção de linhas
.T transpose como um atalho de remodelação
np.where em max(axis=0) para indexar colunas por condição

Mergulho Profundo

Como Funciona

O fatiamento básico (start:stop:step) usa strides para produzir uma view que compartilha memória.
A indexação com array de inteiros coleta elementos em ordem arbitrária e geralmente copia.
Máscaras booleanas devem corresponder à forma broadcastable; arr[mask] retorna uma seleção 1-D.
reshape retorna uma view quando os strides permitem; caso contrário, ele copia.

Modos de Indexação

Estilo	Exemplo	Cópia?
Fatia	`a[2:5]`	Geralmente view
Lista de inteiros	`a[[1, 3]]`	Cópia
Máscara booleana	`a[a > 0]`	Cópia
`np.take`	`np.take(a, idx, axis=0)`	Configurável

Convenções de Eixo

`axis`	Significado 2-D
`0`	Para baixo nas linhas (agrega colunas)
`1`	Através das colunas (agrega linhas)
`-1`	Última dimensão

Notas de Python

import numpy as np
 
# Insere eixo para broadcasting
row = np.array([1, 2, 3])
col = row[:, np.newaxis]  # shape (3, 1)
 
# ravel vs flatten: flatten sempre copia
a = np.arange(6).reshape(2, 3)
flat_view = a.ravel()
flat_copy = a.flatten()

Armadilhas

Atribuição através de índice avançado - a[[0, 1]] = 5 pode não se comportar como atribuição de fatia repetida. Correção: atribua a .copy() ou use np.put.
Views com strides negativos - inverter com a[::-1] pode fazer com que alguns reshape copiem inesperadamente. Correção: chame .copy() antes de extensões C downstream.
Forma da máscara booleana - a[mask] em 2-D precisa da forma da máscara (rows, cols) ou broadcastable. Correção: mask = mask & (a > 0) com formas alinhadas.
Fatias off-by-one - a[1:3] exclui o índice 3; diferente de range. Correção: lembre-se que o stop é exclusivo.
Incompatibilidade de tamanho de reshape - reshape(3, 5) em 12 elementos gera um erro. Correção: use -1 para uma dimensão inferida: reshape(3, -1).

Alternativas

Alternativa	Use Quando	Não Use Quando
`np.einsum`	Contrações explícitas de tensor	Seleções simples de linha/coluna
pandas `.loc`	Linhas/colunas rotuladas	Kernels ndarray puramente numéricos
`np.take_along_axis`	Ordenando valores por linha	Fatias de matriz inteira são suficientes
`np.moveaxis`	Reordenando tensores 3-D+	`.T` simples em 2-D

FAQs

Qual é a diferença entre view e copy?

Views compartilham o buffer de dados; cópias são independentes.
Mutar uma view afeta o pai, a menos que você tenha copiado primeiro.

Como seleciono uma linha a cada duas?

import numpy as np
a = np.arange(10)
every_other = a[::2]

Como troco linhas e colunas?

matrix.T ou np.transpose(matrix) para 2-D.
np.swapaxes(a, 0, 1) quando rank > 2.

O reshape pode mudar o total de elementos?

Não - o tamanho total deve corresponder: np.prod(shape) == a.size.
Use np.resize apenas quando você intencionalmente deseja repetição ou truncamento.

Como indexo um volume 3-D?

vol[z, y, x] - eixo mais lento primeiro em ordem C.
Documente o significado do eixo nas docstrings da função.

Por que a indexação plana difere da 2-D?

a[5] em 2-D usa o índice ravel em ordem C.
Prefira a[row, col] ou np.unravel_index para clareza.

Como filtro e mantenho a forma 2-D?

Máscara booleana nas linhas: a[mask, :] mantém as colunas intactas.
a[mask] sozinho sempre achata os elementos selecionados para 1-D.

O que faz a reticências `...`?

a[..., 0] seleciona o índice 0 no último eixo, todos os eixos anteriores completos.
Útil para arrays N-D sem listar cada dois pontos.

Como empilhar vs concatenar?

np.stack adiciona um novo eixo; np.concatenate junta ao longo de um eixo existente.
np.vstack / hstack são wrappers de conveniência.

x[i, j] é o mesmo que x[(i, j)]?

Sim para ndarray - o índice de tupla lista as dimensões.
x[i][j] indexa duas vezes e pode falhar em estruturas não quadradas.

Relacionados

Arrays NumPy - criação, dtypes, broadcasting
pandas Series & DataFrames - análogos de .loc / .iloc
Desempenho e Memória - views vs cópias em escala
Noções Básicas de Análise de Dados - exemplos introdutórios

Versões do Stack: Esta página foi escrita para Python 3.14.0 (estável 3.14, manutenção 3.13), FastAPI 0.115+, Django 5.2, Flask 3.1, Pydantic 2, PyTorch 2.6+, pandas 2.2+, Polars 1.x, ruff 0.9+, e uv 0.6+.

Indexação e Remodelagem do NumPy

A indexação seleciona e reorganiza dados de ndarray ao longo de eixos; a remodelação altera a forma sem mudar os valores quando o tamanho total permanece constante.

Receita

Cartão de receita de referência rápida - pronto para copiar e colar.

import numpy as np
 
matrix = np.arange(12).reshape(3, 4)
rows = matrix[1:3, ::2]          # fatia linhas 1-2, cada outra coluna
cols = matrix[:, [0, 3]]         # indexa avançadamente colunas 0 e 3
flat = matrix.reshape(-1)        # view 1-D quando possível

Quando usar isso:

Extrair submatrizes para processamento em lote
Reordenar dimensões antes de passar dados para modelos de ML
Construir máscaras para atualizações condicionais
Alinhar formas para broadcasting entre eixos

Exemplo de Trabalho

import numpy as np
 
# 4 regiões x 6 meses
sales = np.array(
    [[10, 12, 11, 13, 14, 15],
     [8, 9, 10, 9, 11, 12],
     [20, 18, 19, 21, 22, 23],
     [5, 6, 5, 7, 6, 8]],
    dtype=np.int32,
)
 
# Apenas Q1: meses 0-2, todas as regiões
q1 = sales[:, 0:3]
 
# Duas principais regiões por vendas totais
totals = sales.sum(axis=1)
top_idx = np.argsort(totals)[-2:]
top_regions = sales[top_idx]
 
# Empilha vetores de região como colunas para correlação
wide = sales.T  # shape (6, 4) - meses como linhas
 
# Marca meses em que qualquer região superou 20
hot_months = np.where(sales.max(axis=0) >= 20)[0]
 
print("q1 shape:", q1.shape)
print("top regions:", top_idx)
print("hot months:", hot_months)

O que isso demonstra:

Fatiamento de colunas com start:stop em axis=1
Redução ao longo de axis=1 e depois argsort para seleção de linhas
.T transpose como um atalho de remodelação
np.where em max(axis=0) para indexar colunas por condição

Mergulho Profundo

Como Funciona

O fatiamento básico (start:stop:step) usa strides para produzir uma view que compartilha memória.
A indexação com array de inteiros coleta elementos em ordem arbitrária e geralmente copia.
Máscaras booleanas devem corresponder à forma broadcastable; arr[mask] retorna uma seleção 1-D.
reshape retorna uma view quando os strides permitem; caso contrário, ele copia.

Modos de Indexação

Estilo	Exemplo	Cópia?
Fatia	`a[2:5]`	Geralmente view
Lista de inteiros	`a[[1, 3]]`	Cópia
Máscara booleana	`a[a > 0]`	Cópia
`np.take`	`np.take(a, idx, axis=0)`	Configurável

Convenções de Eixo

`axis`	Significado 2-D
`0`	Para baixo nas linhas (agrega colunas)
`1`	Através das colunas (agrega linhas)
`-1`	Última dimensão

Notas de Python

import numpy as np
 
# Insere eixo para broadcasting
row = np.array([1, 2, 3])
col = row[:, np.newaxis]  # shape (3, 1)
 
# ravel vs flatten: flatten sempre copia
a = np.arange(6).reshape(2, 3)
flat_view = a.ravel()
flat_copy = a.flatten()

Armadilhas

Atribuição através de índice avançado - a[[0, 1]] = 5 pode não se comportar como atribuição de fatia repetida. Correção: atribua a .copy() ou use np.put.
Views com strides negativos - inverter com a[::-1] pode fazer com que alguns reshape copiem inesperadamente. Correção: chame .copy() antes de extensões C downstream.
Forma da máscara booleana - a[mask] em 2-D precisa da forma da máscara (rows, cols) ou broadcastable. Correção: mask = mask & (a > 0) com formas alinhadas.
Fatias off-by-one - a[1:3] exclui o índice 3; diferente de range. Correção: lembre-se que o stop é exclusivo.
Incompatibilidade de tamanho de reshape - reshape(3, 5) em 12 elementos gera um erro. Correção: use -1 para uma dimensão inferida: reshape(3, -1).

Alternativas

Alternativa	Use Quando	Não Use Quando
`np.einsum`	Contrações explícitas de tensor	Seleções simples de linha/coluna
pandas `.loc`	Linhas/colunas rotuladas	Kernels ndarray puramente numéricos
`np.take_along_axis`	Ordenando valores por linha	Fatias de matriz inteira são suficientes
`np.moveaxis`	Reordenando tensores 3-D+	`.T` simples em 2-D

FAQs

Qual é a diferença entre view e copy?

Views compartilham o buffer de dados; cópias são independentes.
Mutar uma view afeta o pai, a menos que você tenha copiado primeiro.

Como seleciono uma linha a cada duas?

import numpy as np
a = np.arange(10)
every_other = a[::2]

Como troco linhas e colunas?

matrix.T ou np.transpose(matrix) para 2-D.
np.swapaxes(a, 0, 1) quando rank > 2.

O reshape pode mudar o total de elementos?

Não - o tamanho total deve corresponder: np.prod(shape) == a.size.
Use np.resize apenas quando você intencionalmente deseja repetição ou truncamento.

Como indexo um volume 3-D?

vol[z, y, x] - eixo mais lento primeiro em ordem C.
Documente o significado do eixo nas docstrings da função.

Por que a indexação plana difere da 2-D?

a[5] em 2-D usa o índice ravel em ordem C.
Prefira a[row, col] ou np.unravel_index para clareza.

Como filtro e mantenho a forma 2-D?

Máscara booleana nas linhas: a[mask, :] mantém as colunas intactas.
a[mask] sozinho sempre achata os elementos selecionados para 1-D.

O que faz a reticências `...`?

a[..., 0] seleciona o índice 0 no último eixo, todos os eixos anteriores completos.
Útil para arrays N-D sem listar cada dois pontos.

Como empilhar vs concatenar?

np.stack adiciona um novo eixo; np.concatenate junta ao longo de um eixo existente.
np.vstack / hstack são wrappers de conveniência.

x[i, j] é o mesmo que x[(i, j)]?

Sim para ndarray - o índice de tupla lista as dimensões.
x[i][j] indexa duas vezes e pode falhar em estruturas não quadradas.

Relacionados

Arrays NumPy - criação, dtypes, broadcasting
pandas Series & DataFrames - análogos de .loc / .iloc
Desempenho e Memória - views vs cópias em escala
Noções Básicas de Análise de Dados - exemplos introdutórios

Versões do Stack: Esta página foi escrita para Python 3.14.0 (estável 3.14, manutenção 3.13), FastAPI 0.115+, Django 5.2, Flask 3.1, Pydantic 2, PyTorch 2.6+, pandas 2.2+, Polars 1.x, ruff 0.9+, e uv 0.6+.

Indexação e Remodelagem do NumPy

Buscar na documentação

Indexação e Remodelagem do NumPy