A biblioteca NumPy é amplamente utilizada em computação científica para realizar operações matemáticas e manipulações em arrays multidimensionais de forma eficiente. Essa ferramenta é essencial para lidar com grandes conjuntos de dados, cálculos matriciais e outras operações que exigem alta performance.

Durante o desenvolvimento, você criou um array multidimensional utilizando NumPy para armazenar os dados coletados de três sensores diferentes ao longo de cinco dias, com leituras registradas a cada hora. O array foi estruturado da seguinte forma:

import numpy as np

dados_sensores = np.array([
[30.2, 31.1, 29.9, 30.0, 30.5], # Sensor 1 (temperatura)
[101.2, 101.5, 100.8, 101.0, 101.3], # Sensor 2 (pressão)
[40.1, 39.8, 40.3, 40.0, 39.9] # Sensor 3 (umidade)
])


Agora, você precisa avaliar a aplicação prática dos métodos e parâmetros do NumPy para analisar os dados e extrair informações relevantes sobre os sensores.

Com base nesse cenário, avalie as afirmativas a seguir:

I. Utilizando np.mean(dados_sensores, axis=1), é possível calcular a média das leituras de cada sensor ao longo dos cinco dias, permitindo identificar padrões de variação.
II. Aplicando np.std(dados_sensores, axis=0), é possível determinar a variabilidade das medições ao longo dos sensores para cada dia, auxiliando na análise da estabilidade dos dados coletados.
III. O uso do método np.argmax(dados_sensores, axis=1) permite identificar, para cada sensor, o dia em que foi registrada a maior leitura, auxiliando na detecção de picos nos dados.
IV. Ao empregar np.min(dados_sensores, axis=1), obtém-se o menor valor registrado entre os sensores em cada dia, o que pode ser útil para comparar a mínima variação diária entre diferentes parâmetros monitorados.

Está correto o que se afirma em: