A respeito das bibliotecas NumPy e Pandas, julgue o item a s...

Gabarito: C - Certo

A questão refere-se à funcionalidades das bibliotecas NumPy e Pandas, que são amplamente utilizadas no contexto de análise de dados e ciência de dados, em especial com a linguagem de programação Python. O foco do enunciado é sobre a NumPy, que é uma biblioteca fundamental para computação científica com Python, oferecendo um objeto de array multidimensional poderoso e ferramentas para trabalhar com esses arrays.

A assertiva mencionada está correta porque a biblioteca NumPy realmente oferece uma série de métodos que permitem obter resumos estatísticos de conjuntos de dados. Arrays NumPy podem utilizar métodos como mean(), median(), std(), e var(), entre outros, para calcular médias, medianas, desvios padrão e variância, respectivamente. Além disso, outras funções como min(), max(), e sum() também estão disponíveis para encontrar o mínimo, o máximo e a soma dos elementos do array, respectivamente. Estas são apenas algumas das operações estatísticas básicas que podem ser realizadas usando métodos pré-definidos fornecidos pela NumPy.

Portanto, se um conjunto de dados for armazenado em um array NumPy, o usuário poderá, de fato, obter facilmente um resumo estatístico desse conjunto de dados utilizando os métodos integrados da biblioteca.

"Array" vem da biblioteca Numpy (Numerical Python)

import numpy as np

• Permite fazer manipulações matemáticas - então é possível obter dados de resumo estatístico do conjunto de dados.

• Só armazena elementos do mesmo tipo.

• Imutáveis.

Gabarito: CERTO.

c-

O resumo dos dados é pelo pandas dat frame

A Pandas DataFrame is a 2 dimensional data structure, like a 2 dimensional array, or a table with rows and columns.

import pandas as pd

data = {

 "calories": [420, 380, 390],

 "duration": [50, 40, 45]

}

#load data into a DataFrame object:

df = pd.DataFrame(data)

print(df)

https://www.w3schools.com/python/pandas/pandas_dataframes.asp

Segue a lista com possíveis "resumos estatísticos" que dá pra fazer com NumPy: https://numpy.org/doc/stable/reference/routines.statistics.html