NumPy: Indexação Booleana e Fancy

Q: P: Posso usar uma máscara booleana para modificar valores?

R: Sim! arr[arr > 0] = 0 define todos os valores positivos como 0. Esta é uma modificação in-place. np.where(arr > 0, 0, arr) retorna um novo array em vez disso.

Q: P: Qual é a diferença entre arr[mask] e np.where(mask)?

R: arr[mask] retorna os valores onde a máscara é True. np.where(mask) retorna os índices onde a máscara é True. Use arr[mask] para os valores, np.where(mask) quando precisa de posições.

Q: P: Posso usar indexação fancy com arrays 2D?

R: Sim. arr[[0,2], [1,3]] seleciona os elementos em (0,1) e (2,3). Para seleção independente de linha/coluna, use arr[np.ix_([0,2], [1,3])].

Última atualização: 2026-08-26

1. O que Você Aprenderá

❶ Máscaras booleanas — usando expressões condicionais para gerar arrays True/False para filtragem
❷ np.where — seleção condicional ternária e substituição de elementos
❸ Indexação fancy — selecionando elementos em ordem arbitrária com arrays de inteiros
❹ Indexação combinada — misturando indexação básica e avançada
❺ Indexação avançada retorna cópias — a diferença chave em relação às views

2. História

Alice tem 100.000 leituras de temperatura e precisa encontrar todas acima de 40°C. Ela escreve temps[temps > 40] e obtém o resultado instantaneamente. Bob está impressionado: "Um loop Python com instruções if levaria pelo menos 5 linhas — o NumPy faz em uma linha, quase 100x mais rápido!" Este é o poder da indexação avançada do NumPy — filtragem de dados complexa com expressões concisas.

3. Máscaras Booleanas

(1) O Que É uma Máscara Booleana

Uma máscara booleana é um array True/False com o mesmo shape do original. Os operadores de comparação do NumPy funcionam elemento a elemento e retornam arrays booleanos.

PYTHON

import numpy as np

arr = np.array([3, -1, 4, -2, 5])
mask = arr > 0
print(mask)   # [ True False  True False  True]
print(arr[mask])  # [3 4 5]

TEXT 📖 Somente leitura

> **Output:** Execute o NumPy 2.x em seu ambiente Python local para ver a saída do ndarray. O servidor Piston não tem o NumPy pré-instalado — instale-o localmente (`pip install numpy`) e compare. Os valores reais podem variar conforme a versão do NumPy e a semente aleatória.

(2) Operadores de Comparação

Operador	Significado	Função Equivalente
`>`	Maior que	`np.greater`
`>=`	Maior ou igual	`np.greater_equal`
`<`	Menor que	`np.less`
`<=`	Menor ou igual	`np.less_equal`
`==`	Igual	`np.equal`
`!=`	Diferente	`np.not_equal`

(3) Combinações Lógicas

Combine múltiplas condições com operadores lógicos — use & (and), | (or), ~ (not), não and/or/not do Python. Cada condição deve ser envolvida em parênteses.

PYTHON

arr = np.array([1, 5, 8, 3, 9, 2])
mask = (arr > 3) & (arr < 8)   # 3 < arr < 8
print(arr[mask])  # [5]

TEXT 📖 Somente leitura

> **Output:** Execute o NumPy 2.x em seu ambiente Python local para ver a saída do ndarray. O servidor Piston não tem o NumPy pré-instalado — instale-o localmente (`pip install numpy`) e compare. Os valores reais podem variar conforme a versão do NumPy e a semente aleatória.

Operação Lógica	Significado	Função Equivalente
`&`	AND lógico	`np.logical_and`
`\|`	OR lógico	`np.logical_or`
`~`	NOT lógico	`np.logical_not`

4. np.where e Seleção Condicional

(1) Forma com três argumentos: `np.where(condition, x, y)`

Retorna elementos de x onde a condição é True, de y onde é False.

PYTHON

import numpy as np

arr = np.array([-3, 5, -1, 8, -2, 7])
result = np.where(arr > 0, arr, 0)
print(result)  # [0 5 0 8 0 7]

TEXT 📖 Somente leitura

> **Output:** Execute o NumPy 2.x em seu ambiente Python local para ver a saída do ndarray. O servidor Piston não tem o NumPy pré-instalado — instale-o localmente (`pip install numpy`) e compare. Os valores reais podem variar conforme a versão do NumPy e a semente aleatória.

(2) Forma com um argumento: `np.where(condition)`

Retorna os índices onde a condição é True.

PYTHON

indices = np.where(arr > 0)
print(indices)  # (array([1, 3, 5]),)
print(arr[indices])  # [5 8 7]

TEXT 📖 Somente leitura

> **Output:** Execute o NumPy 2.x em seu ambiente Python local para ver a saída do ndarray. O servidor Piston não tem o NumPy pré-instalado — instale-o localmente (`pip install numpy`) e compare. Os valores reais podem variar conforme a versão do NumPy e a semente aleatória.

5. Indexação Fancy

Indexação fancy usa arrays de inteiros para selecionar elementos em qualquer ordem.

PYTHON

import numpy as np

a = np.arange(10)  # [0 1 2 3 4 5 6 7 8 9]

# Selecionar índices específicos
print(a[[0, 3, 7]])      # [0 3 7]

# Selecionar em qualquer ordem, com repetições
print(a[[5, 5, 1, 9]])   # [5 5 1 9]

# Indexação fancy 2D
b = np.arange(12).reshape(3, 4)
print(b[[0, 2]])          # linhas 0 e 2
print(b[:, [0, 2, 3]])    # colunas 0, 2, 3 para todas as linhas

TEXT 📖 Somente leitura

> **Output:** Execute o NumPy 2.x em seu ambiente Python local para ver a saída do ndarray. O servidor Piston não tem o NumPy pré-instalado — instale-o localmente (`pip install numpy`) e compare. Os valores reais podem variar conforme a versão do NumPy e a semente aleatória.

⚠️ Nota: O código abaixo precisa ser executado em um ambiente Python local.

▶ Exemplo

TEXT 📖 Somente leitura

> **Output:** Execute o NumPy 2.x em seu ambiente Python local para ver a saída do ndarray. O servidor Piston não tem o NumPy pré-instalado — instale-o localmente (`pip install numpy`) e compare. Os valores reais podem variar conforme a versão do NumPy e a semente aleatória.

: Filtragem com máscara booleana (Dificuldade ⭐)

PYTHON

import numpy as np

scores = np.array([55, 82, 91, 47, 73, 100, 68])

passing = scores[scores >= 60]
print("Passing:", passing)  # [82 91 73 100 68]

excellent = scores[scores >= 90]
print("Excellent:", excellent)  # [91 100]

# Múltiplas condições
mid = scores[(scores >= 60) & (scores < 90)]
print("Mid-range:", mid)  # [82 73 68]

TEXT 📖 Somente leitura

> **Output:** Execute o NumPy 2.x em seu ambiente Python local para ver a saída do ndarray. O servidor Piston não tem o NumPy pré-instalado — instale-o localmente (`pip install numpy`) e compare. Os valores reais podem variar conforme a versão do NumPy e a semente aleatória.

⚠️ Nota: O código abaixo precisa ser executado em um ambiente Python local.

▶ Exemplo

TEXT 📖 Somente leitura

> **Output:** Execute o NumPy 2.x em seu ambiente Python local para ver a saída do ndarray. O servidor Piston não tem o NumPy pré-instalado — instale-o localmente (`pip install numpy`) e compare. Os valores reais podem variar conforme a versão do NumPy e a semente aleatória.

: np.where para substituição condicional (Dificuldade ⭐⭐)

PYTHON

import numpy as np

# Limitar ao intervalo: substituir valores fora de [0, 100]
data = np.array([-5, 120, 30, -20, 80, 200])
clipped = np.where(data < 0, 0, np.where(data > 100, 100, data))
print("Clipped:", clipped)  # [  0 100  30   0  80 100]

# Categorizar
grades = np.array([45, 72, 88, 55, 91])
letter = np.where(grades >= 85, 'A',
          np.where(grades >= 70, 'B',
          np.where(grades >= 60, 'C', 'D')))
print("Grades:", letter)  # ['D' 'B' 'A' 'D' 'A']

TEXT 📖 Somente leitura

> **Output:** Execute o NumPy 2.x em seu ambiente Python local para ver a saída do ndarray. O servidor Piston não tem o NumPy pré-instalado — instale-o localmente (`pip install numpy`) e compare. Os valores reais podem variar conforme a versão do NumPy e a semente aleatória.

⚠️ Nota: O código abaixo precisa ser executado em um ambiente Python local.

6. Tabelas Comparativas

(1) Métodos de Indexação

Método	Sintaxe	Retorna	Copia?	Caso de Uso
Fatia básica	`a[1:3]`	View	Não	Sub-array, intervalo contíguo
Índice inteiro	`a[2]`	Escalar	N/A	Elemento único
Máscara booleana	`a[mask]`	Array 1D	Sim	Filtragem condicional
Indexação fancy	`a[[1,3,5]]`	Array	Sim	Seleção em ordem arbitrária
np.where	`np.where(cond, x, y)`	Array	Sim	Seleção ternária

(2) Booleana vs Fancy

Característica	Máscara Booleana	Indexação Fancy
Sintaxe	`arr[arr > 0]`	`arr[[1, 3, 5]]`
Lógica de seleção	Baseada em condição	Baseada em posição
Shape do resultado	1D (achatado)	Mesmo shape do array de índices
Velocidade	Rápida para máscaras grandes	Rápida para seleção esparsa

▶ Exemplo: Indexação fancy 2D com np.ix_ (Dificuldade ⭐⭐)

PYTHON

import numpy as np

arr = np.arange(20).reshape(4, 5)
print("Original:\n", arr)

# Selecionar linhas e colunas específicas
rows = [0, 2, 3]
cols = [1, 3]
result = arr[np.ix_(rows, cols)]
print("Rows [0,2,3], Cols [1,3]:\n", result)

# Modificar elementos selecionados
arr[np.ix_([0, 1], [0, 4])] = -1
print("After modification:\n", arr)

Output:

TEXT 📖 Somente leitura

Original:
 [[ 0  1  2  3  4]
 [ 5  6  7  8  9]
 [10 11 12 13 14]
 [15 16 17 18 19]]
Rows [0,2,3], Cols [1,3]:
 [[ 1  3]
 [11 13]
 [16 18]]
After modification:
 [[-1  1  2  3 -1]
 [-1  6  7  8 -1]
 [10 11 12 13 14]
 [15 16 17 18 19]]

❓ Perguntas Frequentes

P: Posso usar uma máscara booleana para modificar valores? R: Sim! arr[arr > 0] = 0 define todos os valores positivos como 0. Esta é uma modificação in-place. np.where(arr > 0, 0, arr) retorna um novo array em vez disso.

P: Qual é a diferença entre arr[mask] e np.where(mask)? R: arr[mask] retorna os valores onde a máscara é True. np.where(mask) retorna os índices onde a máscara é True. Use arr[mask] para os valores, np.where(mask) quando precisa de posições.

P: Posso usar indexação fancy com arrays 2D? R: Sim. arr[[0,2], [1,3]] seleciona os elementos em (0,1) e (2,3). Para seleção independente de linha/coluna, use arr[np.ix_([0,2], [1,3])].

P: Máscaras booleanas sempre retornam arrays 1D? R: Para arrays 2D+, sim — a máscara achata o resultado para 1D. Use np.where(mask) para obter os índices no shape original.

📖 Resumo

Máscaras booleanas: arr[arr > 0] — filtrar por condição, retorna uma cópia
Combinações lógicas: use &, |, ~ com parênteses ao redor de cada condição
np.where(cond, x, y): seleção ternária — retorna x onde True, y onde False
np.where(cond): retorna índices onde a condição é True
Indexação fancy: arr[[i1, i2, ...]] — selecionar por índices inteiros arbitrários
Indexação avançada (booleana + fancy) sempre retorna uma cópia, não uma view

📝 Exercícios

Básico (Dificuldade ⭐): Crie um array de 20 inteiros aleatórios entre -10 e 10. Use uma máscara booleana para extrair todos os valores positivos. Use np.where para substituir todos os valores negativos por 0.
Intermediário (Dificuldade ⭐⭐): Crie um array 5x5 de inteiros aleatórios 0-100. Use máscaras booleanas para: (a) contar valores acima de 50, (b) substituir valores abaixo de 20 por 20, (c) extrair os índices de linha e coluna de todos os valores > 80 usando np.where.
Desafio (Dificuldade ⭐⭐⭐): Crie um array 10x4 de notas de estudantes (10 estudantes, 4 matérias). Use indexação fancy para: (a) selecionar estudantes nas posições [0,3,7] para todas as matérias, (b) selecionar matérias nas posições [1,3] para todos os estudantes, (c) calcular a média dos 3 melhores estudantes por nota total.

Equipe Técnica Web-Tutorial

Uma plataforma de tutoriais mantida por diversos desenvolvedores. Cada tutorial é escrito e revisado por profissionais da área correspondente. Trabalhamos para manter nosso conteúdo preciso e confiável — se encontrar algum problema, avise-nos.

Sobre Nós

NumPy: Indexação Booleana e Fancy

1. O que Você Aprenderá

2. História

3. Máscaras Booleanas

(1) O Que É uma Máscara Booleana

(2) Operadores de Comparação

(3) Combinações Lógicas

4. np.where e Seleção Condicional

(1) Forma com três argumentos: np.where(condition, x, y)

(2) Forma com um argumento: np.where(condition)

5. Indexação Fancy

▶ Exemplo

▶ Exemplo

6. Tabelas Comparativas

(1) Métodos de Indexação

(2) Booleana vs Fancy

▶ Exemplo: Indexação fancy 2D com np.ix_ (Dificuldade ⭐⭐)

❓ Perguntas Frequentes

📖 Resumo

📝 Exercícios

(1) Forma com três argumentos: `np.where(condition, x, y)`

(2) Forma com um argumento: `np.where(condition)`