Librería numérica
de Python: NumPy
NumPy - Guía de referencia
Importar NumPy
import numpy as np #Se usa np.array()
from numpy import * #Se usa array()
np.array - Arreglos de NumPy
arr = np.array([1,2,3]) #1 dimensión
arr = np.array([[1,0,0], #2 dimensiones
[0,1,1]])
arr = np.array (colección,
dtype = float64]
Atributos de arreglos
arr.shape
arr.ndim
arr.size
arr.itemsize
arr.T
arr.real
arr.imag
Dimensiones del arreglo
en cada eje
Cantidad de dimensiones
Número de elementos
en el arreglo
Tamaño en bytes del tipo
de dato del arreglo
Matriz transpuesta
Parte real de la matriz
Parte imaginaria de la matriz
Copias y vistas
Números aleatorios - np.random
np.random.rand(n,m)
Crea un arreglo de tamaño n x m de números
aleatorios con distribución uniforme entre 0 y 1.
np.random.randn(n,m)
Crea un arreglo de tamaño n x m de valores de la
distribución normal estándar.
np.random.randint(a,b,shape)
Crea un arreglo de números enteros aleatorios
entre a y b con dimensiones shape.
Generar arreglos comunes
np.arange(a,b,step)
Arreglo separado uniformemente en el intervalo
a y b con pasos de tamaño step.
np.linspace(a,b, n)
Arreglo separado uniformemente en el intervalo
a y b con n muestras.
np.zeros((n,m))
Matriz de ceros de tamaño n x m
np.ones((n,m))
Matriz de unos de tamaño n x m
np.eye(n,m)
Matriz de tamaño n x m con unos en la diagonal
y ceros en el resto de elementos
np.full((n,m), a )
Matriz de tamaño n x m con a en todos
los elementos
np.empty((n,m))
Matriz de tamaño n x m sin inicializar
Tipos de dato dtypes
int8
int16
int32
int64
uint8
uint16
uint32
uint64
float16
float32
float64
float128
complex64
complex128
complex256
bool
object
byte
str
unicode
single
double
longdouble
NaN
Indexado
a[x,y]
a[a:b,c:d]
a[l_a, l_b]
a[i,...]
Índices separados por comas
Rangos por cada eje
Arreglo de índices en las
posiciones l_a[i],l_b[i]
Índice en una dimensión
específica
a[a > x]
a[a > x &
a < y]
Retorna un arreglo de
booleanos al evaluar la
expresión con cada elemento.
Se pueden usar arreglos de este
tipo para indexar un arreglo.
Operaciones en arreglos
> a + b
> np.add(a,b)
> a - b
> np.subtract(a,b)
> a * b
> np.multiply(a,b)
> a / b
> np.divide(a,b)
> a.dot(b)
> a @ b
Suma de matrices
Resta de matrices
Multiplicación entre
elementos de matrices
a.max() a.mean() a.std() np.exp(a)
a.min() a.sum() a.var() np.log(a)
np.sin(a)
np.cos(a)
Transformación de arreglos
a.reshape(n,m)
Crea un arreglo de dimensión n x m a partir
de un arreglo de n x m elementos.
a.ravel()
Crea un arreglo de 1 dimensión de los
elementos del arreglo a.
Combinación de arreglos
np.concatenate((a,b), axis)
Concatena los valores de los arreglos a y b
sobre el eje axis
np.vstack((a,b))
Apila verticalmente los arreglos a y b
np.hstack((a,b))
Apila horizontalmente los arreglos a y b
Separación de arreglos
np.hsplit(a, i)
Separa horizontalmente el arreglo a desde el
índice i
np.vsplit(a, i)
Separa horizontalmente el arreglo a desde el
índice i
#Valor
arr.copy()
#Referencia
arr.view()
Map
La manera más eficiente de aplicar funciones
a un arreglo de NumPy es aplicándola
directamente.
>foo = lambda a : a**2
>arr_2 = foo(arr)
Selección condicional
a > x, a < x Operadores relacionales
y lógicos con arreglos.
División elementos
de matrices
Producto punto
Multiplicación matricial
Facultad de
Programa de formación Machine Learning and Data Science MLDS
NumPy Developers & The SciPy community. (2020, 18 de Febrero). NumPy Reference (Versión 1.17) [software].
Consultado el 8 de mayo de 2020. https://numpy.org/doc/1.17/reference/index.html
