El poder de los arrays de NumPy
Cómo escribir código Python eficiente
Logan Thomas
Scientific Software Technical Trainer, Enthought
Resumen de arrays de NumPy
- Alternativa a las listas de Python
nums_list = list(range(5))
[0, 1, 2, 3, 4]
import numpy as np
nums_np = np.array(range(5))
array([0, 1, 2, 3, 4])
# Homogeneidad de arrays NumPy
nums_np_ints = np.array([1, 2, 3])
array([1, 2, 3])
nums_np_ints.dtype
dtype('int64')
nums_np_floats = np.array([1, 2.5, 3])
array([1. , 2.5, 3. ])
nums_np_floats.dtype
dtype('float64')
Broadcasting en arrays de NumPy
- Las listas de Python no admiten broadcasting
nums = [-2, -1, 0, 1, 2]
nums ** 2
TypeError: unsupported operand type(s) for ** or pow(): 'list' and 'int'
- Enfoque con listas
# Bucle for (opción ineficiente)
sqrd_nums = []
for num in nums:
sqrd_nums.append(num ** 2)
print(sqrd_nums)
[4, 1, 0, 1, 4]
# List comprehension (mejor, pero no la óptima)
sqrd_nums = [num ** 2 for num in nums]
print(sqrd_nums)
[4, 1, 0, 1, 4]
Broadcasting en arrays de NumPy
- ¡El broadcasting de NumPy gana!
nums_np = np.array([-2, -1, 0, 1, 2])
nums_np ** 2
array([4, 1, 0, 1, 4])
Indexación básica 1D (listas)
nums = [-2, -1, 0, 1, 2]
nums[2]
0
nums[-1]
2
nums[1:4]
[-1, 0, 1]
Indexación básica 1D (arrays)
nums_np = np.array(nums)
nums_np[2]
0
nums_np[-1]
2
nums_np[1:4]
array([-1, 0, 1])
# Lista 2D
nums2 = [ [1, 2, 3],
[4, 5, 6] ]
- Indexación básica 2D (listas)
nums2[0][1]
2
[row[0] for row in nums2]
[1, 4]
# Array 2D
nums2_np = np.array(nums2)
- Indexación básica 2D (arrays)
nums2_np[0,1]
2
nums2_np[:,0]
array([1, 4])
Indexación booleana en arrays de NumPy
nums = [-2, -1, 0, 1, 2]
nums_np = np.array(nums)
- Indexación booleana
nums_np > 0
array([False, False, False, True, True])
nums_np[nums_np > 0]
array([1, 2])
- No hay indexación booleana en listas
# Bucle for (opción ineficiente)
pos = []
for num in nums:
if num > 0:
pos.append(num)
print(pos)
[1, 2]
# List comprehension (mejor, pero no la óptima)
pos = [num for num in nums if num > 0]
print(pos)
[1, 2]
¡Vamos a practicar con los potentes arrays de NumPy!
Cómo escribir código Python eficiente
