Manuales

Appearance

Tipos, shapes y broadcasting ​

El rendimiento y la correccion en NumPy dependen del dtype, del shape y de las reglas de broadcasting que alinean arrays de distinto tamano sin copiar datos de mas.

dtypes ​

python
import numpy as np

np.array([1, 2, 3]).dtype          # int64 (o int32 en algunos Windows)
np.array([1.0, 2.0]).dtype         # float64
np.array([1, 2, 3], dtype=np.float32)
np.array([True, False]).dtype      # bool

Conversiones:

python
a = np.array([1, 2, 3])
a.astype(np.float64)

Cuidado: convertir float->int trunca; strings numericos requieren conversion explicita.

shape, reshape, ravel ​

python
a = np.arange(12)
b = a.reshape(3, 4)
c = b.reshape(2, 6)
flat = b.ravel()      # vista si es contiguo
copy = b.flatten()    # siempre copia

reshape(-1, 4) infiere la primera dimension.

Broadcasting ​

Dos arrays son compatibles si, de atras hacia adelante, las dimensiones son iguales o una es 1.

python
a = np.array([[1, 2, 3],
              [4, 5, 6]])      # (2, 3)
b = np.array([10, 20, 30])     # (3,) -> se ve como (1, 3)
print(a + b)
# [[11 22 33]
#  [14 25 36]]

Normalizar columnas:

python
X = np.array([[1., 2.], [3., 4.], [5., 6.]])
mu = X.mean(axis=0)            # (2,)
X_centered = X - mu            # broadcast (3,2) - (2,)

newaxis ​

python
v = np.array([1, 2, 3])
col = v[:, np.newaxis]   # (3, 1)
row = v[np.newaxis, :]   # (1, 3)

Util para productos externos o alinear batches.

Errores habituales ​

  • ValueError: operands could not be broadcast together -> revisa shapes con .shape.
  • Hacer reshape incompatible (12 elementos a (5, 3)).
  • Usar float32 sin darse cuenta y perder precision en sumas largas.

Buenas practicas ​

  • Imprime shapes al depurar pipelines.
  • Normaliza con broadcasting en vez de bucles por fila.
  • Elige float32 en deep learning / memoria justa; float64 en analisis general.

Ejercicio ​

  1. Resta la media por columna a una matriz (5, 3) usando broadcasting.
  2. Multipplica una columna (5, 1) por una fila (1, 3) y explica el shape resultado.
  3. Convierte un array int a float32 y verifica dtype.

Siguiente paso ​

Continua con Indexado y slicing.