Introducción a NumPy

Librería Fundamental para Computación Numérica

NumPy es una librería de Python optimizada para el cálculo y manipulación de datos numéricos en grandes arrays multidimensionales.

1. Instalación de NumPy

Para instalar NumPy, utiliza el siguiente comando:

pip install numpy

Es recomendable crear un entorno virtual para gestionar las dependencias.

2. Creación de Arrays

NumPy utiliza ndarrays para manejar matrices multidimensionales. Ejemplo de creación de arrays:

import numpy as np

# Array unidimensional
arr_1d = np.array([1, 2, 3])

# Array bidimensional
arr_2d = np.array([[1, 2, 3], [4, 5, 6]])

3. Operaciones Básicas

NumPy permite realizar operaciones matemáticas directamente en los arrays.

• Suma: `np.add(arr1, arr2)`
• Resta: `np.subtract(arr1, arr2)`
• Multiplicación: `np.multiply(arr1, arr2)`
• División: `np.divide(arr1, arr2)`

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

# Suma de arrays
resultado = np.add(arr1, arr2)

4. Funciones Estadísticas

NumPy proporciona funciones rápidas para análisis estadístico:

• Media: `np.mean(array)`
• Mediana: `np.median(array)`
• Desviación Estándar: `np.std(array)`

data = np.array([1, 2, 3, 4, 5])

# Calcular media
media = np.mean(data)

5. Manipulación de Arrays

NumPy permite cambiar la forma y estructura de los arrays:

• Reshape: `array.reshape(filas, columnas)`
• Flatten: `array.flatten()` convierte el array en unidimensional

arr = np.array([[1, 2], [3, 4]])

# Cambiar forma
arr_reshape = arr.reshape(1, 4)

Conclusión

NumPy es una herramienta poderosa para cálculos numéricos en Python, esencial en análisis de datos, machine learning y ciencia de datos.