A alternativa correta é a C - np.reshape(vetor, (4, 5)).

Essa questão aborda o uso da biblioteca Numpy, que é uma biblioteca muito utilizada em Python para computação científica e manipulação de arrays multidimensionais. Ter familiaridade com o Numpy é fundamental para resolver essa questão, pois ela testa o conhecimento sobre como transformar um vetor unidimensional em uma matriz bidimensional.

Para entender a resposta correta, é importante saber que a função reshape do Numpy é utilizada para alterar a forma de um array sem alterar seus dados. Portanto, ao usar np.reshape(vetor, (4, 5)), estamos instruindo o Numpy a tomar o array unidimensional vetor e reorganizá-lo em uma nova forma de matriz com 4 linhas e 5 colunas. Isso é feito 'linha a linha', preenchendo a matriz com os elementos do vetor conforme eles aparecem na sequência original.

A resposta está correta porque:

• O método reshape é chamado corretamente como uma função do Numpy, passando o array original como primeiro argumento.
• O segundo argumento da função reshape é uma tupla que define a nova forma do array. Neste caso, (4, 5) significa 4 linhas e 5 colunas.

Com isso, a expressão np.reshape(vetor, (4, 5)) resulta exatamente na transformação desejada, de um vetor unidimensional de tamanho 20 em uma matriz de 4 linhas e 5 colunas.

A resposta correta é a opção C: .

A função fazer o Numpy é usada para reorganizar os elementos de um array em uma nova forma, e ela é apropriada para criar uma matriz de 4 linhas e 5 colunas a partir de um vetor unidimensional.

Portanto, a resposta correta é:

C -

A np.split(vetor, 4) 

split cria sub vetores. Nesse caso estariamos criando 5 vetores de tamanho igual. Pois 20/4 = 5.

B vetor.reshape(5, 4)

Se fosse vetor.reshape(4,5) estaria correta

C np.reshape(vetor, (4, 5))

Essa é a alternativa! esse reshape está diferente porque é uma função, diferente da de cima que é um método. Fazem a exata mesma coisa, mas diferem nos argumentos.

D vetor.transpose(4, 5)

Matriz transposta inverte a linha para coluna e a coluna para linha. Nesse caso temos uma vetor de tamanho 20 unidimensional, então a chamado do método com esses argumentos 4,5 dará um erro

E np.array(vetor, shape=(4, 5))

Sintaxe errada. E shape só retorna o formato não altera nada.

Na verdade, o termo "np" normalmente é como de forma carinhosa é renomeada a biblioteca Numpy na hora de importar.

O programador não necessariamente precisa chamar de "np", pode renomear como bem entender. A questão em nenhum momento afirma que foi importada dessa forma.

Pra quem já tem experiência, conseguiria acertar tranquilamente, mas acredito que caberia recurso por esse motivo.

Gabarito: C.

Resumo do Resumo:

A função np.reshape(vetor, (4, 5)) (ou vetor.reshape(4, 5)) reorganiza os 20 elementos do vetor unidimensional em uma matriz com 4 linhas e 5 colunas, preenchendo linha a linha (ordem padrão "C" do NumPy).

As demais alternativas:

• A) np.split(vetor, 4) → divide o vetor em 4 sub-vetores, mas não cria uma matriz 4x5.
• B) vetor.reshape(5, 4) → cria uma matriz com 5 linhas e 4 colunas (ordem invertida).
• D) vetor.transpose(4, 5) → transpose() não aceita dois argumentos inteiros para definir forma; além disso, o vetor unidimensional não tem dimensões para transpor.
• E) np.array(vetor, shape=(4, 5)) → não existe o parâmetro shape em np.array(); a forma é definida após a criação.

By Futuro Dev Estável