Manuales

Appearance

NumPy: introduccion y arrays ​

NumPy es la libreria base del stack cientifico en Python. Define el ndarray: un bloque contiguo de memoria con tipo homogeneo y operaciones vectorizadas en C. Pandas, scikit-learn, PyTorch (tensores) y muchas APIs de datos se apoyan en el.

Si escribes bucles Python sobre millones de numeros, NumPy suele ser el primer salto de rendimiento.

Capitulos ​

  1. Introduccion y arrays
  2. Tipos shapes y broadcasting
  3. Indexado y slicing
  4. Operaciones vectorizadas
  5. Algebra lineal
  6. Aleatoriedad y simulacion
  7. Rendimiento
  8. Integracion con Pandas

Instalacion ​

bash
python -m venv .venv
# Windows:
.venv\Scripts\activate
# Linux/macOS:
source .venv/bin/activate
pip install numpy
python
import numpy as np
print(np.__version__)

Primer array ​

python
import numpy as np

a = np.array([1, 2, 3, 4])
print(a)
print(a.shape, a.dtype, a.ndim)

Arrays multidimensionales:

python
m = np.array([[1, 2, 3], [4, 5, 6]])
print(m.shape)  # (2, 3)

Constructores habituales ​

python
np.zeros((2, 3))
np.ones((3,))
np.full((2, 2), 7)
np.arange(0, 10, 2)
np.linspace(0, 1, 5)
np.eye(3)
np.empty((2, 2))  # sin inicializar; solo si vas a rellenar ya

Por que no usar listas para calculo ​

python
# Lento e inconveniente
xs = [1, 2, 3]
ys = [x * 2 for x in xs]

# Vectorizado
a = np.array([1, 2, 3])
b = a * 2

NumPy aplica la operacion a todo el buffer sin el overhead del interpretador por elemento.

Axis mental model ​

En 2D: eje 0 = filas, eje 1 = columnas.

python
m = np.array([[1, 2, 3], [4, 5, 6]])
m.sum(axis=0)  # por columna -> [5, 7, 9]
m.sum(axis=1)  # por fila    -> [6, 15]

Errores habituales ​

  • Mezclar listas Python y arrays sin convertir (np.array).
  • Asumir que dtype es siempre float64 (enteros truncan divisiones segun version/reglas).
  • Mutar vistas pensando que son copias (capitulo 3).

Buenas practicas ​

  • Import convencional: import numpy as np.
  • Fija dtype cuando leas datos externos.
  • Prefiere constructores (zeros, arange) a bucles de append.

Ejercicio ​

  1. Crea un array 3x3 de ceros y otro con arange(9).reshape(3, 3).
  2. Suma ambos.
  3. Imprime shape, dtype y ndim.

Siguiente paso ​

Continua con Tipos shapes y broadcasting.