Día 1: Introducción a NumPy y operaciones básicas

Bienvenida

Hoy comenzamos nuestro viaje 🚀 para dominar NumPy , una de las bibliotecas más poderosas y esenciales para la programación científica en Python. En este primer día, exploraremos qué es NumPy, por qué es tan importante y cómo realizar operaciones básicas con arrays. Al finalizar, estarás listo para trabajar con datos numéricos de manera eficiente. ¡Vamos allá! 🏃🏻‍♂️

¿Qué es NumPy y por qué es importante?

NumPy (Numerical Python) es una biblioteca fundamental en Python para la computación científica. Proporciona soporte para:

Arrays multidimensionales.
Operaciones matemáticas rápidas y eficientes.
Funciones avanzadas como álgebra lineal, estadísticas y generación de números aleatorios.

Instalación e Importación

Antes de empezar, asegúrate de tener NumPy instalado. Puedes instalarlo usando pip:

pip install numpy

Una vez instalado, puedes importarlo en tu script o cuaderno de Jupyter:

import numpy as np

Creación de Arrays

Arrays Unidimensionales

Los arrays unidimensionales son vectores de un solo elemento en cada dimensión

arr = np.array([1, 2, 3])
print(arr)  # Output: [1 2 3]

Arrays Bidimensionales

Los arrays bidimensionales son matrices de dos dimensiones.

arr = np.array([[1, 2, 3], [4, 5, 6]])
print(arr)  # Output: [[1 2 3] [4 5 6]]

Arrays Multidimensionales

Los arrays multidimensionales son matrices de varias dimensiones.

arr = np.array([[[1, 2, 3], [4, 5, 6]], [[7, 8, 9], [10, 11, 12]]])
print(arr)  # Output: [[[1 2 3] [4 5 6]] [[7 8 9] [10 11 12]]]

Arrays de Zeros

Puedes crear un array de ceros utilizando la función np.zeros().

arr_zeros = np.zeros(3)
print(arr_zeros)  # Output: [0. 0. 0.]

Arrays de Ones

Puedes crear un array de unos utilizando la función np.ones().

arr_ones = np.ones(3)
print(arr_ones)  # Output: [1. 1. 1.]

Array con un intervalo valores

Puedes crear un array con un intervalo de valores utilizando la función np.arange().

arr_range = np.arange(1, 5)  # Crea un array de [1, 5 >
print(arr_range)

Operaciones básicas con NumPy

Podemos realizar operaciones aritméticas directamente sobre los arrays. Por ejemplo:

arr1 = np.array([1, 2, 3])
arr2 = np.array([4, 5, 6])

# Suma
suma = arr1 + arr2
print("Suma:", suma) # Output: [5 7 9]

# Resta
resta = arr1 - arr2
print("Resta:", resta) # Output: [-3 -3 -3]

# Multiplicación
multiplicacion = arr1 * arr2
print("Multiplicación:", multiplicacion) # Output: [4 10 18]

# División
division = arr1 / arr2
print("División:", division) # Output: [0.25 0.4 0.5]

También podemos realizar operaciones con escalares:

escalar = 2
arr = np.array([1, 2, 3])

escalar_suma = arr + escalar
print("Suma por escalar:", escalar_suma) # Output: [3 4 5]

escalar_resta = arr - escalar
print("Resta por escalar:", escalar_resta) # Output: [-1  0  1]

escalar_multiplicacion = arr * escalar
print("Multiplicación por escalar:", escalar_multiplicacion) # Output: [2 4 6]

escalar_division = arr / escalar
print("División por escalar:", escalar_division) # Output: [0.5 1. 1.5]

Preguntas del Día 1

Prueba tus conocimientos sobre NumPy

¿Qué función de NumPy se utiliza para crear un array de ceros?

np.zeros()

np.ones()

np.array()

¿Cuál es el resultado de la siguiente operación?

arr = np.array([1, 2, 3])
arr * 2

[2, 4, 6]

[1, 2, 3, 1, 2, 3]

Error

Ejercicios con NumPy

Crea un array 1D con valores del 0 al 10 y multiplícalo por 2.
Realiza operaciones básicas (suma, resta, multiplicación y división) entre dos arrays.
Crea un array 2D con valores del 0 al 10 y multiplícalo por 2.

Ya tienes una base sólida para trabajar con NumPy y sus operaciones básicas. Mañana profundizaremos en operaciones avanzadas con matrices, incluyendo transposición e inversas. ¡No olvides practicar lo aprendido y mejorar tus habilidades con NumPy! Nos vemos mañana. 😊