Introducción a los arrays

Introducción a NumPy

Izzy Weber

Core Curriculum Manager, DataCamp

NumPy y el ecosistema de Python

Gráfico de Atlas sosteniendo el globo, con estilo NumPy porque NumPy sostiene el mundo de Python

gráficos de arrays 1D, 2D y 3D

import numpy as np

python_list = [3, 2, 5, 8, 4, 9, 7, 6, 1]
array = np.array(python_list)
array

array([3, 2, 5, 8, 4, 9, 7, 6, 1])

type(array)

numpy.ndarray

python_list_of_lists = [[3, 2, 5],
                        [9, 7, 1],
                        [4, 3, 6]]
np.array(python_list_of_lists)

array([[3, 2, 5],
       [9, 7, 1],
       [4, 3, 6]])

Listas de Python

python_list = ["beep", False, 56, .945, [3, 2, 5]]

Arrays de NumPy

numpy_boolean_array = [[True, False], [True, True], [False, True]]

numpy_float_array = [1.9, 5.4, 8.8, 3.6, 3.2]

Hay muchas funciones de NumPy para crear arrays desde cero, como:

np.zeros((5, 3))

array([[0., 0., 0.],
       [0., 0., 0.],
       [0., 0., 0.],
       [0., 0., 0.],
       [0., 0., 0.]])

np.random.random((2, 4))

array([[0.88524516, 0.85641352, 0.33463107, 0.53337117],
       [0.69933362, 0.09295327, 0.93616428, 0.03601592]])

np.random es un módulo de NumPy y np.random.random() es una función dentro de np.random

np.arange(-3, 4)

array([-3, -2, -1,  0,  1,  2,  3])

np.arange(4)

array([0, 1, 2, 3])

np.arange(-3, 4, 3)

array([-3,  0,  3])

from matplotlib import pyplot as plt
plt.scatter(np.arange(0, 7),
            np.arange(-3, 4))
plt.show()

Un gráfico de dos arrays de rango en los ejes X e Y

Introducción a NumPy