{"id":20637774,"url":"https://github.com/simoesleticia/numpy-studies","last_synced_at":"2026-02-03T18:32:56.263Z","repository":{"id":221080774,"uuid":"752732644","full_name":"SimoesLeticia/Numpy-Studies","owner":"SimoesLeticia","description":"Explorando e aprimorando habilidades em NumPy","archived":false,"fork":false,"pushed_at":"2024-07-23T23:15:30.000Z","size":106,"stargazers_count":2,"open_issues_count":0,"forks_count":0,"subscribers_count":1,"default_branch":"main","last_synced_at":"2025-07-04T08:05:34.624Z","etag":null,"topics":["numpy","numpy-tutorial","python","studies"],"latest_commit_sha":null,"homepage":"","language":"Jupyter Notebook","has_issues":true,"has_wiki":null,"has_pages":null,"mirror_url":null,"source_name":null,"license":null,"status":null,"scm":"git","pull_requests_enabled":true,"icon_url":"https://github.com/SimoesLeticia.png","metadata":{"files":{"readme":"README.md","changelog":null,"contributing":null,"funding":null,"license":null,"code_of_conduct":null,"threat_model":null,"audit":null,"citation":null,"codeowners":null,"security":null,"support":null,"governance":null,"roadmap":null,"authors":null,"dei":null,"publiccode":null,"codemeta":null,"zenodo":null}},"created_at":"2024-02-04T16:51:34.000Z","updated_at":"2024-08-11T08:59:24.000Z","dependencies_parsed_at":"2024-02-06T04:24:18.551Z","dependency_job_id":"1ef957c5-7f89-4cd0-afbd-80b14afe4c23","html_url":"https://github.com/SimoesLeticia/Numpy-Studies","commit_stats":null,"previous_names":["simoesleticia/numpy-studies"],"tags_count":0,"template":false,"template_full_name":null,"purl":"pkg:github/SimoesLeticia/Numpy-Studies","repository_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/SimoesLeticia%2FNumpy-Studies","tags_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/SimoesLeticia%2FNumpy-Studies/tags","releases_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/SimoesLeticia%2FNumpy-Studies/releases","manifests_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/SimoesLeticia%2FNumpy-Studies/manifests","owner_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/owners/SimoesLeticia","download_url":"https://codeload.github.com/SimoesLeticia/Numpy-Studies/tar.gz/refs/heads/main","sbom_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/SimoesLeticia%2FNumpy-Studies/sbom","scorecard":null,"host":{"name":"GitHub","url":"https://github.com","kind":"github","repositories_count":286080680,"owners_count":29052632,"icon_url":"https://github.com/github.png","version":null,"created_at":"2022-05-30T11:31:42.601Z","updated_at":"2026-02-03T15:43:47.601Z","status":"ssl_error","status_checked_at":"2026-02-03T15:43:46.709Z","response_time":96,"last_error":"SSL_read: unexpected eof while reading","robots_txt_status":"success","robots_txt_updated_at":"2025-07-24T06:49:26.215Z","robots_txt_url":"https://github.com/robots.txt","online":false,"can_crawl_api":true,"host_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub","repositories_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories","repository_names_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repository_names","owners_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/owners"}},"keywords":["numpy","numpy-tutorial","python","studies"],"created_at":"2024-11-16T15:15:49.444Z","updated_at":"2026-02-03T18:32:56.233Z","avatar_url":"https://github.com/SimoesLeticia.png","language":"Jupyter Notebook","readme":"# NumPy-Studies\nEste repositório é dedicado aos meus estudos e práticas com a biblioteca **NumPy**. \n\nNumPy é uma biblioteca fundamental em Python para computação científica, especialmente projetada para manipular de forma eficiente arrays multidimensionais. Essa biblioteca oferece suporte robusto para operações matemáticas complexas, como álgebra linear e manipulação de matrizes, sendo amplamente utilizada em ciência, engenharia e análise de dados. \n\nCriada em 2005 por Travis Oliphant, NumPy é um projeto de código aberto e gratuito, promovendo colaboração aberta e desenvolvimento comunitário no GitHub.\n\n## Conteúdo\n01. **Introdução ao NumPy**: Introdução básica ao NumPy.\n02. **Criação e Manipulação de Arrays**: Trabalhando com arrays NumPy. \n03. **Tipos de Dados em NumPy**: Exploração dos tipos de dados disponíveis no NumPy.\n04. **Shape, Reshape e Flatten**: Manipulação do formato dos arrays usando `shape`, `reshape` e `flatten`.\n05. **Indexação, Ordenação e Slicing**: Operações de indexação, ordenação e fatiamento em arrays NumPy. \n06. **Fancy Indexing, Máscaras e Where**: Utilização de índices avançados, máscaras e a função `where`.\n07. **Vetorização e Broadcasting**: Vetorização de funções e uso do broadcasting em NumPy.\n08. **Concatenação, Exclusão e Outras Operações**: Concatenação, exclusão de elementos e operações matemáticas.\n09. **Salvamento e Carregamento de Dados**: Salvar e carregar dados NumPy.\n10. **Exercícios de Fixação**: Exercícios de fixação para aplicar os conhecimentos adquiridos.\n\n## Pré-requisitos\nCertifique-se de ter o NumPy instalado. Caso contrário, você pode instalar utilizando o comando:\n\n```bash\npip install NumPy\n```\n\n## Contribuições\nContribuições são sempre bem-vindas! Se você tem sugestões de melhorias, encontrou algum bug ou simplesmente quer dizer \"olá 👋🏽\", sinta-se à vontade para abrir uma issue ou enviar um pull request.\n\n## Recursos Adicionais\n[Documentação oficial do NumPy](https://NumPy.org/doc/stable)\n\n[NumPy Quickstart Tutorial](https://NumPy.org/devdocs/user/quickstart.html)\n\n**Divirta-se aprendendo e analisando dados!** 🚀📊\n","funding_links":[],"categories":[],"sub_categories":[],"project_url":"https://awesome.ecosyste.ms/api/v1/projects/github.com%2Fsimoesleticia%2Fnumpy-studies","html_url":"https://awesome.ecosyste.ms/projects/github.com%2Fsimoesleticia%2Fnumpy-studies","lists_url":"https://awesome.ecosyste.ms/api/v1/projects/github.com%2Fsimoesleticia%2Fnumpy-studies/lists"}