Scribd
Cargar
7 vistas2 páginas

Operaciones Básicas con Arrays en NumPy

NumPy permite realizar operaciones aritméticas directamente sobre arrays, ejecutándolas elemento por elemento. El broadcasting facilita la operación entre arrays de diferentes tamaños al expandir dimensiones según reglas específicas. Además, NumPy incluye funciones matemáticas comunes como np.sqrt, np.exp, np.log, np.sin y np.cos para operaciones eficientes.

Cargado por

JZaia -
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
7 vistas2 páginas

Operaciones Básicas con Arrays en NumPy

NumPy permite realizar operaciones aritméticas directamente sobre arrays, ejecutándolas elemento por elemento. El broadcasting facilita la operación entre arrays de diferentes tamaños al expandir dimensiones según reglas específicas. Además, NumPy incluye funciones matemáticas comunes como np.sqrt, np.exp, np.log, np.sin y np.cos para operaciones eficientes.

Cargado por

JZaia -
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

4.

Operaciones básicas con Arrays

Una de las mayores ventajas de NumPy frente a las listas de Python es realizar operaciones
matemáticas de manera vectorizada: aplicar la operación sobre todos los elementos a la vez, sin
escribir bucles explícitos.

4.1 Operaciones aritméticas elemento a elemento


Podemos aplicar directamente operaciones aritméticas ( + , - , * , / , ** ) sobre arrays;
NumPy las ejecuta elemento por elemento.

import numpy as np

a = [Link]([1, 2, 3, 4])
b = [Link]([10, 20, 30, 40])

print("Suma:", a + b) # [11 22 33 44]


print("Resta:", b - a) # [ 9 18 27 36]
print("Multiplicación:", a * b) # [ 10 40 90 160]
print("División:", b / a) # [10. 10. 10. 10.]
print("Potencia:", a ** 2) # [ 1 4 9 16]

👉 Estas operaciones son mucho más rápidas que replicar el cálculo con listas y bucles en
Python.

4.2 Broadcasting en NumPy


El broadcasting permite operar entre arrays de diferentes tamaños o formas, siempre que se
cumplan reglas específicas.

Ejemplo 1: sumar un escalar a un array.

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


print(arr + 5) # [6 7 8 9]

Ejemplo 2: operaciones entre un array 2D y uno 1D.

mat = [Link]([[1, 2, 3],


[4, 5, 6]])

vec = [Link]([10, 20, 30])

print(mat + vec)

Salida:
[[11 22 33]
[14 25 36]]

👉 NumPy expande el array más pequeño para que coincida en dimensiones con el mayor.
4.3 Funciones matemáticas comunes
NumPy incluye funciones que operan elemento a elemento (ufuncs, universal functions).

a) Raíz cuadrada ( [Link] )

arr = [Link]([1, 4, 9, 16])


print("Raíz cuadrada:", [Link](arr)) # [1. 2. 3. 4.]

b) Exponencial ( [Link] )

arr = [Link]([0, 1, 2])


print("Exponencial:", [Link](arr)) # [1. 2.71828183 7.3890561 ]

c) Logaritmo natural ( [Link] )

arr = [Link]([1, np.e, np.e**2])


print("Logaritmo natural:", [Link](arr)) # [0. 1. 2.]

d) Funciones trigonométricas ( [Link] , [Link] )

arr = [Link]([0, [Link]/2, [Link]])

print("Seno:", [Link](arr)) # [0. 1. 0.]


print("Coseno:", [Link](arr)) # [ 1. 0. -1.]

Resumen
Las operaciones + , - , * , / , ** funcionan directamente sobre arrays.

El broadcasting permite operar entre arrays con distintas formas expandiendo dimensiones.

NumPy ofrece funciones matemáticas


como [Link] , [Link] , [Link] , [Link] y [Link] , entre muchas otras.

Nota: Practicar estas operaciones es clave para aprovechar la vectorización y escribir código
científico más veloz.

También podría gustarte