Ir al contenido principal

Numpy, una librería para cálculo numérico y análisis de datos

Numpy ayuda con el tratamiento de datos y el cálculo numérico. Es similar a la librería Pandas y la complementa.

Es fundamental para el cálculo numérico y el manejo de arrays multidimensionales. Es ampliamente utilizada en ciencia de datos, machine learning, y computación científica.

Instalación:

$ pip install numpy

Verificar instalación:

$ pip list

Podemos crear un script para verificar que se ha instalado:

verify.py

import numpy as np
print(np.__version__)

Ejecutando el script:

$ py verify.py

Veremos la versión instalada.

¿Qué se puede hacer con Numpy?

1. Estructuras de datos: Arrays

Crear arrays multidimensionales (ndarrays) para almacenar datos numéricos. Ejemplo:
np.array([1, 2, 3]) 
np.array([[1, 2], [3, 4]])
Soporta arrays de cualquier dimensión (1D, 2D, 3D, etc.). Operaciones vectorizadas: cálculos rápidos sin bucles explícitos.

2. Operaciones matemáticas.

Aritmética: Suma, resta, multiplicación, división, etc., elemento por elemento. 
Ejemplo:
arr1 + arr2, arr * 2
Funciones matemáticas: Seno, coseno, exponencial, logaritmo, etc. 
Ejemplo:
np.sin(arr)
np.exp(arr)
Estadísticas: Media, mediana, desviación estándar, etc. 
  Ejemplo:
np.mean(arr) 
np.std(arr)

3. Manipulación de arrays.

Reshape y redimensionamiento: 
Cambiar la forma de un array. 
 Ejemplo:
arr.reshape(2, 3) 
(de 1D a 2D) 
Indexación y segmentación: 
Acceder a elementos o subarrays. 
Ejemplo:
arr[0, 1]
arr[1:3]
Concatenación y división: Unir o dividir arrays. Ejemplo:
np.concatenate([arr1, arr2])
np.split(arr, 2)

4. Álgebra lineal

Operaciones con matrices: Producto punto, transposición, inversa, etc. Ejemplo:
np.dot(arr1, arr2)
np.linalg.inv(matrix)
Resolución de sistemas lineales:
np.linalg.solve(A, b)
Cálculo de determinantes, valores propios, etc. Ejemplo:
np.linalg.det(matrix)

5. Generación de datos.

Crear arrays con valores específicos: 
Secuencias:
np.arange(0, 10, 2)
np.linspace(0, 1, 5)
Valores constantes:
np.zeros((2, 3))
np.ones((2, 3))
Valores aleatorios:
np.random.rand(2, 3)
np.random.randint(0, 10, size=(2, 3))

6. Operaciones lógicas y filtrado.

Filtrar datos con condiciones:
arr[arr > 5]
Operaciones lógicas:
np.logical_and(arr > 0, arr < 10)

7. Eficiencia y rendimiento.

Operaciones optimizadas para grandes volúmenes de datos (mucho más rápido que listas de Python). Soporte para cálculos en paralelo y uso eficiente de memoria.

8. Interoperabilidad.

Integración con otras librerías como Pandas, SciPy, Matplotlib, y Scikit-learn. 
Ejemplo: Convertir un array de NumPy a un DataFrame de Pandas:
pd.DataFrame(arr)

Veamos un ejemplo.

ejemplo.py

import numpy as np

# Crear un array 2D
arr = np.array([[1, 2, 3], [4, 5, 6]])

# Operaciones
print(arr + 10)  # Suma 10 a cada elemento
print(np.mean(arr, axis=1))  # Media por fila
print(np.dot(arr, arr.T))  # Producto matricial

Ejecutamos:

$ py ejemplo.py

Salida:

[[11 12 13]
 [14 15 16]]
[2. 5.]
[[14 32]
 [32 77]]

En conclusión, NumPy es la base para muchas otras librerías científicas en Python y es ideal para trabajar con datos numéricos de forma eficiente.

Enlaces:

https://numpy.org/


Comentarios

Entradas populares de este blog

Programación Windows Batch (CMD) parte 3

Crear ciclos para efectuar operaciones tediosas nos ahorrará tiempo para realizar otras tareas. En está ocasión veremos ciclos con FOR . ¿Cuál es la síntaxis de bucle FOR en Windows Batch? Si está dentro de un archivo *.bat : FOR %%variable IN (seq) DO operaciones Si lo ejecutamos en una terminal: FOR %variable IN (seq) DO operaciones Ejemplo 1 . Recorrer una secuencia de números del 0 al 5: recorrer.bat @ echo off FOR %%i in ( 0 1 2 3 4 5 ) DO echo Hola no. %%i pause Nos imprimirá en pantalla: Hola no. 0 Hola no. 1 Hola no. 2 Hola no. 3 Hola no. 4 Hola no. 5 ¿Puedo usar contadores? Si, se pueden usar. Ejemplo 2 . Uso de contadores: contador.bat @ echo off set numeros = 1 2 3 4 5 6 7 8 9 10 set cont = 0 for %%a in ( %numeros% ) do ( echo Hola no. %%a :: Contador set /a cont+ = 1 ) echo Total: %cont% Este código nos imprimirá, además de los mensajes Hola no. 0 ..., el total de valores conta...

TIOBE index 2024

El índice TIOBE (o índice de la comunidad de programación TIOBE) mide la popularidad de los lenguajes de programación. Su índice no se basa en qué lenguaje de programación es mejor, si tiene mejor perfomance, si posee escalabilidad, si es más sencillo de aprender, de usar, de implementar, etc. Sólo se basa en la popularidad. En el número de referencias ya sea en blogs, foros de consulta, etc. No necesariamente si las empresas lo están usando en alguno de sus desarrollos. Este índice es útil para darse una idea qué lenguaje está cobrando más popularidad y prestigio. Enseguida una tabla con los primeros 5 lenguajes más populares. Índice de Noviembre 2024   Nov 2024  Nov 2023  Change  Programming Language  Ratings  Change  1  1    Python  22.85%  +8.69%  2  3  +  C++  10.64%  +0.29%  3  4  +  Java  9.60%  +1.26%  4 ...

Programación Windows Batch (CMD) parte 4

Siguiendo con la serie de post sobre programación ( 1 , 2 , y 3 ) batch ahora veremos algunas cosas como operaciones aritméticas, operadores lógicos  y uso de ficheros. Cuando somos administradores de servidores o desarrolladores muchas veces tenemos que realizar tareas que nos quitan, relativamente, tiempo valioso que podríamos ocupar para otras cosas (como ver nuestro Facebook, jeje, broma).  Aprender a escribir scripts que nos faciliten algunas tareas siempre es útil. Por ejemplo, conocer todas las características técnicas de nuestro equipo de cómputo nos servirá cuando se realiza peritajes informáticos y soporte al equipo. Realizar respaldos automáticos a nuestras carpetas , archivos y directorios será más sencillo gracias a un script. Pero antes debemos aprender lo básico de la programación en batch. Ejemplo 1. Operaciones aritméticas básicas. aritmetica.bat @ echo off ::Nombre del archivo, imprimirá: aritmetica.bat echo %0 :: Set nos servirá para a...