Fundamentos de NumPy

Instalación y configuración de NumPy

Antes de utilizar NumPy, deberás instalarlo en tu entorno de desarrollo utilizando el administrador de paquetes pip. Puedes ejecutar el siguiente comando:

pip install numpy

Luego, podrás importar NumPy en tu código con la siguiente línea:

import numpy as np

Creación de arrays y matrices

NumPy proporciona varias funciones para crear arrays y matrices eficientemente:

• np.array: Crea un array a partir de una lista de números.

array = np.array([1, 2, 3])

Resultado:

[1 2 3]

np.zeros: Crea un array de ceros con un tamaño y forma específicos.

zeros_array = np.zeros((3, 3))

Resultado:

[[0. 0. 0.]
 [0. 0. 0.]
 [0. 0. 0.]]

np.ones: Crea un array de unos con un tamaño y forma específicos.

ones_array = np.ones((2, 2))

Resultado:

[[1. 1.]
 [1. 1.]]

np.eye: Crea una matriz identidad con un tamaño y forma específicos.

identity_matrix = np.eye(3)

Resultado:

[[1. 0. 0.]
 [0. 1. 0.]
 [0. 0. 1.]]

np.arange: Crea un array con valores espaciados uniformemente dentro de un intervalo.

range_array = np.arange(0, 10, 2)

Resultado:

[0 2 4 6 8]

np.linspace: Crea un array con valores espaciados linealmente dentro de un intervalo.

linspace_array = np.linspace(0, 10, 5)

Resultado:

[ 0.   2.5  5.   7.5 10. ]

Atributos de los arrays

Los arrays de NumPy tienen varios atributos útiles para obtener información sobre ellos:

• shape: Devuelve una tupla que representa la forma del array (es decir, el tamaño de cada dimensión).

array_shape = array.shape

Resultado:

(3,)

size: Devuelve el número total de elementos en el array.

array_size = array.size

Resultado:

3

ndim: Devuelve el número de dimensiones del array.

array_ndim = array.ndim

Resultado:

1

dtype: Devuelve el tipo de datos de los elementos del array.

array_dtype = array.dtype

Resultado:

int64

Conclusión

En este artículo, hemos explorado los fundamentos de NumPy, desde su instalación y configuración hasta la creación de arrays y matrices. También hemos visto algunos de los atributos más importantes de los arrays, que nos permiten obtener información sobre su forma, tamaño, número de dimensiones y tipo de datos.

NumPy es una biblioteca esencial en Python para el análisis numérico y científico. Su eficiencia y versatilidad la convierten en una opción popular entre los científicos de datos y desarrolladores.