Scribd
Cargar
12 vistas2 páginas

Introducción a NumPy: Arrays y Estadísticas

NumPy es una librería fundamental para el análisis numérico en Python, que permite trabajar con arreglos multidimensionales y realizar operaciones matemáticas de manera eficiente. Proporciona funciones para crear arrays, calcular estadísticas y realizar operaciones como el producto matricial. Es la base de muchas otras bibliotecas en el ámbito del análisis de datos y machine learning.

Cargado por

petete1420
Derechos de autor
© All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd
12 vistas2 páginas

Introducción a NumPy: Arrays y Estadísticas

NumPy es una librería fundamental para el análisis numérico en Python, que permite trabajar con arreglos multidimensionales y realizar operaciones matemáticas de manera eficiente. Proporciona funciones para crear arrays, calcular estadísticas y realizar operaciones como el producto matricial. Es la base de muchas otras bibliotecas en el ámbito del análisis de datos y machine learning.

Cargado por

petete1420
Derechos de autor
© All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd

10.

NumPy – Arrays, Operaciones Vectorizadas y


Estadísticas
NumPy es una librería esencial para el análisis numérico en Python. Permite trabajar con arreglos
multidimensionales (arrays) de forma eficiente y realizar operaciones matemáticas vectorizadas.
Es la base de muchas otras bibliotecas de análisis de datos y machine learning.

Sintaxis / Comando Descripción


`import numpy as np` Importa la librería NumPy.
`[Link]([1, 2, 3])` Crea un array unidimensional.
`[Link]((2, 3))` Crea una matriz de ceros de 2x3.
`[Link]((3, 3))` Crea una matriz de unos de 3x3.
`[Link](0, 10, 2)` Array con valores del 0 al 10 con paso 2.
`[Link](x), [Link](x)` Media y desviación estándar del array `x`.
`[Link](2, 3)` Reestructura un array a 2x3.
`x.T` Transpuesta del array `x`.
`[Link](a, b)` Producto matricial entre `a` y `b`.

Ejemplos funcionales:

# Importar NumPy

import numpy as np

# Crear un array y realizar operaciones

x = [Link]([1, 2, 3, 4])

print(x * 2) # [2 4 6 8]

print([Link](x)) # 2.5

# Matriz de ceros y unos

ceros = [Link]((2, 3))

unos = [Link]((3, 2))

print(ceros)

print(unos)

# Producto matricial

a = [Link]([[1, 2], [3, 4]])


b = [Link]([[5, 6], [7, 8]])

producto = [Link](a, b)

print(producto)

# Estadísticas básicas

datos = [Link]([10, 20, 30, 40])

print([Link](datos)) # 25.0

print([Link](datos)) # 11.18...

También podría gustarte