Los arreglos de NumPy (ndarray)
En esta lección vas a crear un arreglo de NumPy de dos dimensiones y consultar su información básica, como su forma (shape) y su número de elementos (size).
Introducción
El problema
Las listas de Python son flexibles, pero lentas para hacer cuentas con muchos números: sumar 1 a un millón de valores necesita un bucle de Python. La ciencia, el análisis de datos y el machine learning trabajan con grandes cuadrículas de números, y necesitan una estructura pensada para calcular rápido con todos los valores a la vez.
Imagínalo así
Un array de NumPy es como una hoja de papel cuadriculado donde cada casilla guarda el mismo tipo de número. Como todas las casillas tienen el mismo tamaño y tipo, puedes trabajar con una fila entera, una columna o la hoja completa de una vez, en lugar de recorrer las casillas una a una.
np.array([[1, 2, 3], [4, 5, 6]])📄 Una hoja con 2 filas y 3 columnasvalues.shape📐 Su tamaño: (2, 3)values.size🔢 Cuántas casillas tiene: 6print(values)👀 La hoja entera, fila por filaUn array de NumPy (ndarray) es una cuadrícula de valores de un solo tipo de dato con una forma fija, diseñada para operar rápido con todos los elementos a la vez.
Puntos clave
np.array([[1, 2, 3], [4, 5, 6]])convierte una lista de listas en un array de 2 dimensiones.values.shapees(2, 3): dos filas y tres columnas.values.sizecuenta todos los elementos: 6.- Todos los elementos tienen el mismo tipo, y eso es lo que hace rápidas las cuentas con arrays.
¿Cuándo se usa?
- Cálculos con muchos números a la vez: notas, medidas, precios.
- Imágenes, que son arrays de valores de píxeles.
- El formato de entrada de la mayoría de las librerías de ciencia de datos y machine learning.
Cuándo no hace falta
- Datos mezclados, como nombres y números juntos: encaja mejor un DataFrame de pandas o una lista de diccionarios.
- Colecciones que crecen elemento a elemento: añadir a un array lo copia cada vez, así que construye primero una lista.
Mira cómo funciona
Señala una celda para ver su fila, su columna y su lugar en memoria, donde todas las filas se guardan una tras otra.
Código de ejemplo
import numpy as np
values = np.array([[1, 2, 3], [4, 5, 6]])
print(values)
print("shape:", values.shape)
print("size:", values.size)
Resultado de la ejecución
[[1 2 3]
[4 5 6]]
shape: (2, 3)
size: 6
Explicación del código
La función np.array() crea un arreglo de dos dimensiones con 2 filas y 3 columnas a partir de una lista anidada. El atributo shape da el tamaño de cada dimensión, en este caso (2, 3), y size el número total de elementos, es decir, 6.
Cambia los valores y ejecuta el programa en el compilador Python online de CodeUtility sin instalar Python.
Ejercicios de práctica
Prueba a modificar el código siguiendo las ideas de abajo. Cambiar el código y ver el resultado te ayudará a entender la lección mucho mejor que solo leerla.
- Cambia la forma (shape) y el tipo de datos (dtype) del arreglo de entrada.
- Prueba con números negativos, decimales y valores faltantes.
- Aplica la misma operación a un arreglo más grande de varias dimensiones y mide el tiempo.
Errores comunes
Filas irregulares
Filas de longitudes distintas no forman un array 2-D correcto.
np.array([[1, 2, 3], [4, 5]]) # error or object array
np.array([[1, 2, 3], [4, 5, 6]])
¿Terminaste esta lección?
Márcala como aprendida para seguir tu progreso.
Practica con un reto
Usa lo que cubre esta lección para resolver un problema real. Cada reto se ejecuta en el navegador, con pruebas al instante y una revisión de IA.
- Producto escalar de dos vectores Multiplica dos vectores elemento a elemento y suma los resultados, la operación central de toda neurona. Fácil
- Suma un Arreglo Suma todos los valores de una lista. Fácil
- Funciones de activación Aplica sigmoide, ReLU, Leaky ReLU o tanh a cada valor de una lista. Fácil