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.
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.
