Tanto o NumPy quanto o Pandas usam o conceito de eixo (axis), mas com diferenças sutis. No NumPy, ele refere-se à dimensão em que uma operação é realizada, enquanto no Pandas, indica a direção de uma operação. Este artigo apresenta exemplos do uso do axis em cada biblioteca.
Aprendemos em matemática que há regras para somar ou multiplicar matrizes. Mas, em problemas matemáticos computacionais, por vezes temos matrizes ou vetores que gostaríamos de somar ou multiplicar que não cumprem as exigências. Veremos neste artigo como o conceito de broadcasting do NumPy é útil nestes contextos e como ele se relaciona com quantização vetorial.
Caso esteja se aventurando em ciência de dados, muito provavelmente já viu um reshape em algum código. Talvez com um misterioso valor de -1 em uma das posições como reshape(-1, 1). Mas, afinal, o que significa isto? Por que por vezes precisamos transformar nossos dados para utilizar métodos de modelos no Scikit-Learn? É o que veremos neste artigo.
As Olimpíadas estão acabando… e, além de saudades e histórias de superação, cada Olimpíada deixa uma enorme quantidade de dados! Nesse artigo, vamos ver como podemos usar o Pandas para analisar parte desses dados, verificando a evolução do tempo dos atletas em provas de atletismo.
Usain Bolt é considerado por muitos o melhor velocista de todos os tempos. Nesse artigo, veremos como podemos utilizar a linguagem Python para saber a velocidade e aceleração atingidas pelo jamaicano em provas. Aproveitaremos para discutir um pouco sobre modelos matemáticos e cuidados na seleção e interpretação de seus resultados.
