Dominando los arreglos y tipos de datos de NumPy

Introducción

NumPy es una biblioteca para el lenguaje de programación Python, utilizada para realizar operaciones numéricas en Python. NumPy ofrece una forma conveniente de trabajar con datos numéricos a través del uso de matrices multidimensionales. En este tutorial, discutiremos cómo crear, acceder y modificar matrices NumPy, así como explorar los diferentes tipos de datos disponibles.

Este es un Guided Lab, que proporciona instrucciones paso a paso para ayudarte a aprender y practicar. Sigue las instrucciones cuidadosamente para completar cada paso y obtener experiencia práctica. Los datos históricos muestran que este es un laboratorio de nivel principiante con una tasa de finalización del 95%. Ha recibido una tasa de reseñas positivas del 98% por parte de los estudiantes.

Creando arreglos

Abra un nuevo intérprete de Python en Ternimal.

python3

Antes de poder comenzar a trabajar con matrices, debemos crearlas. NumPy ofrece varios métodos para crear matrices, como:

1. np.array()

Esta función crea una matriz a partir de una lista o tupla de Python.

import numpy as np

## Creando una matriz a partir de una lista de Python
my_list = [1, 2, 3, 4, 5]
my_array = np.array(my_list)
print(my_array)  ## Salida: [1 2 3 4 5]

## Creando una matriz a partir de una tupla de Python
my_tuple = (6, 7, 8, 9, 10)
my_array = np.array(my_tuple)
print(my_array)  ## Salida: [ 6  7  8  9 10]

2. np.zeros()

Esta función crea una matriz de ceros con una forma dada.

## Creando una matriz de ceros
my_array = np.zeros((3, 4))
print(my_array)
## Salida:
## [[0. 0. 0. 0.]
##  [0. 0. 0. 0.]
##  [0. 0. 0. 0.]]

3. np.ones()

Esta función crea una matriz de unos con una forma dada.

## Creando una matriz de unos
my_array = np.ones((2, 3))
print(my_array)
## Salida:
## [[1. 1. 1.]
##  [1. 1. 1.]]

4. np.arange()

Esta función crea una matriz con valores espaciados uniformemente dentro de un rango dado.

## Creando una matriz con valores espaciados uniformemente
my_array = np.arange(0, 10, 2)
print(my_array)  ## Salida: [0 2 4 6 8]

5. np.linspace()

Esta función crea una matriz con valores espaciados uniformemente entre dos puntos finales.

## Creando una matriz con valores espaciados uniformemente entre dos puntos finales
my_array = np.linspace(0, 1, 5)
print(my_array)  ## Salida: [0.   0.25 0.5  0.75 1.  ]

Accediendo a los elementos

Para acceder a un elemento en una matriz unidimensional, podemos usar su índice.

my_array = np.array([1, 2, 3, 4, 5])
print(my_array[0])  ## Salida: 1

Para acceder a un elemento en una matriz multidimensional, debemos especificar su posición en cada dimensión.

my_array = np.array([[1, 2], [3, 4], [5, 6]])
print(my_array[1, 0])  ## Salida: 3

Modificando elementos

Podemos modificar el valor de un elemento en una matriz asignándole un nuevo valor.

my_array = np.array([1, 2, 3])
my_array[2] = 4
print(my_array)  ## Salida: [1 2 4]

También podemos modificar un segmento de una matriz.

my_array = np.array([1, 2, 3, 4, 5])
my_array[1:4] = [6, 7, 8]
print(my_array)  ## Salida: [1 6 7 8 5]

Tipos de datos

Las matrices de NumPy pueden almacenar elementos de diferentes tipos de datos, como enteros, flotantes y booleanos. NumPy ofrece una variedad de tipos de datos, incluyendo:

Tipo de dato	Descripción
int_	Entero
int8	Entero de 8 bits
int16	Entero de 16 bits
int32	Entero de 32 bits
int64	Entero de 64 bits
uint8	Entero sin signo de 8 bits
uint16	Entero sin signo de 16 bits
uint32	Entero sin signo de 32 bits
uint64	Entero sin signo de 64 bits
float_	Número de punto flotante
float16	Número de punto flotante de media precisión
float32	Número de punto flotante de precisión simple
float64	Número de punto flotante de doble precisión
complex_	Número complejo
complex64	Número complejo representado por dos flotantes de 32 bits
complex128	Número complejo representado por dos flotantes de 64 bits
bool_	Booleano
object_	Objeto (puede contener cualquier objeto de Python)

Para especificar un tipo de dato para una matriz, podemos usar el parámetro dtype.

## Creando una matriz con un tipo de dato específico
my_array = np.array([1, 2, 3], dtype=np.float64)
print(my_array)  ## Salida: [1. 2. 3.]

También podemos convertir una matriz a un tipo de dato diferente usando el método astype().

## Convirtiendo una matriz a un tipo de dato diferente
my_array = np.array([1, 2, 3], dtype=np.int32)
my_array = my_array.astype(np.float64)
print(my_array)  ## Salida: [1. 2. 3.]

Resumen

En este tutorial, hemos aprendido cómo crear, acceder y modificar matrices de NumPy, así como explorar los diferentes tipos de datos disponibles. NumPy es una poderosa biblioteca para trabajar con datos numéricos en Python y ofrece muchas funciones y métodos útiles para manipular matrices.

Arreglos y tipos de datos de NumPy