Cordiales saludos
En esta oportunidad retomaremos la potente y versátil librería: numpy. Es importante que repasemos las publicaciones anteriores referente a esta librería.
✅ N012 NumPy
✅ N013 NumPy - Arreglos Unidimensionales
✅ N014 NumPy - Arreglos Unidimensionales Continuación
✅ N015 NumPy - Arreglos Bidimensionales
✅ N016 NumPy - Arreglos Bidimensionales continuación
Quedaron temas pendientes y nos sirve de repaso en algunos ejercicios abordados en esta publicación.
Los ejercicios abordados aquí están realizados con array muy pequeños, que nos permitirá entender el concepto a estudiar. Todo esto se extrapola a la realidad cuando tengamos a nuestra disposición miles de datos. Las capturas de pantallas de los ejercicios son fáciles de entender y tenemos a nuestra disposición todos estos ejercicios en nuestro repositorio el cual fue creado en la publicación anterior.
Comencemos!
Tipo de datos
Para determinar el tipo de datos de nuestro array utilizaremos .dtype. Esto es importante a la hora de cotejar, comparar y operar datos de distintas fuentes.
Definiendo nuestros datos
En algunas oportunidad necesitaremos un tipo específico de datos para poder realizar operaciones. Se usa en este caso dtype igualándolo al tipo de dato que deseamos. En el siguiente ejemplo usamos: dtype='float64'
Cambiar el tipo de datos
Si ya el array existe con un determinado tipo de datos y deseamos cambiarlo usaremos: .astype(int)
Vectores y Matrices
Repasemos como se declaran los vectores y matrices.
Dimensión del array
La dimensión de los array la determinamos con .ndim. A continuación un ejemplo de un array unidimensional (vector) y de uno bidimensional (matriz).
Dimensión con número de elementos
La propiedad .shape nos da el contenido o número de elementos, tanto en filas como en columnas.
Transformar la Dimensión de un array
Con .reshape() podemos transformar un arreglo unidimensional a un nuevo arreglo bidimensional.
Recorriendo o iterando los elementos de un array
Podemos iterar un arreglo con el for in que utilizamos en python. La utilidad la veremos más adelante.
Concatenación de Arrays
Podemos unir dos arrays con la propiedad .concatenate el segundo array se unirá a partir del último elemento del primer array.
Dividir array
Esto sería lo contrario de concatenar. Teniendo un arreglo lo podemos dividir a nuestra conveniencia. En el siguiente ejercicio el arreglo original lo dividimos en dos arreglos por medio de .array_split.
Para acceder a cada arreglo lo hacemos por medio del subíndice.
ceros y Unos (Ya visto en este curso)
Esto nos sirve de repaso para profundizar en otros temas. YA sabemos que para generar un array de ceros utilizamos: .zeros y para generar un array de sólo unos utilizamos .ones
.full
Es otra forma de inicializar una matriz. YA conocemos como hacerlo con sólo ceros y con solo unos. .full es muy versatil porque nos permite escoger con que número deseamos rellenar nuestro array.
En El siguiente ejercicio generamos un array unidimensional con 3 elementos con el número 4. Además generamos una matriz de 3 por 3 con el número 4.
.empty
Para inicializar un array con números arbitrarios utilizaremos .empty.
.ones_like
.ones_like nos generará un array espejo (mismo número de elementos) con número unos. En el siguiente ejercicio tenemos un array de 4 elementos, entonces generamos la matriz espejo con 4 unos, ya que el array original tiene cuatro elementos.
En el siguiente ejercicio tenemos una array bidimensional con 2 filas y cuatro columnas, al utilizar .one_like generamos una matriz con la misma dimensión del array original, es decir: 2 filas y cuatro columnas con solo unos.
.zeros_like
.zeros_like nos generará un array espejo (mismo número de elementos) con número ceros. En el siguiente ejercicio tenemos un array de 4 elementos, entonces generamos la matriz espejo con 4 ceros, ya que el array original tiene cuatro elementos.
También tenemos una array bidimensional con 2 filas y cuatro columnas, al utilizar .zeros_like generamos una matriz con la misma dimensión del array original, es decir: 2 filas y cuatro columnas con solo ceros.
.full_like
.full_like nos generará un array espejo (mismo número de elementos) con un número que determinemos o nos convenga, en este caso números 4. En el siguiente ejercicio tenemos un array de 4 elementos, entonces generamos la matriz espejo con 4 cuatros, ya que el array original tiene cuatro elementos.
También tenemos una array bidimensional con 2 filas y cuatro columnas, al utilizar .full_like generamos una matriz con la misma dimensión del array original, es decir: 2 filas y cuatro columnas con el numero escogido o seleccionado, es decir el número 2.
.empty_like
.empty_like funciona igual que ones_like, zeros_like y full_like pero con números arbitrarios.
Actualizando el repositorio
Este apartado te permite practicar git. Poco a poco de darás cuenta de la utilidad y lo importante para trabajar en este mundo de la programación e informática.
Aquí nuestro repositorio actualizado con todos los ejercicios tratado en esta publicación.
Hasta aquí nuestra publicación, nos volveremos a encontrar el próximo miércoles.
Todos a programar!
Rafael Aquino
Bogotá / Colombia
¡Felicitaciones!
Estás participando para optar a la mención especial que se efectuará el domingo 17 de diciembre del 2023 a las 8:00 pm (hora de Venezuela), gracias a la cual el autor del artículo seleccionado recibirá la cantidad de 1 HIVE transferida a su cuenta.
¡También has recibido 1 ENTROKEN! El token del PROYECTO ENTROPÍA impulsado por la plataforma Steem-Engine.
1. Invierte en el PROYECTO ENTROPÍA y recibe ganancias semanalmente. Entra aquí para más información.
2. Contáctanos en Discord: https://discord.gg/hkCjFeb
3. Suscríbete a nuestra COMUNIDAD y apoya al trail de @Entropia y así podrás ganar recompensas de curación de forma automática. Entra aquí para más información sobre nuestro trail.
4. Visita nuestro canal de Youtube.
Atentamente
El equipo de curación del PROYECTO ENTROPÍA
¡Enhorabuena!
✅ Has hecho un buen trabajo, por lo cual tu publicación ha sido valorada y ha recibido el apoyo de parte de CHESS BROTHERS ♔ 💪
♟ Te invitamos a usar nuestra etiqueta #chessbrothers y a que aprendas más sobre nosotros.
♟♟ También puedes contactarnos en nuestro servidor de Discord y promocionar allí tus publicaciones.
♟♟♟ Considera unirte a nuestro trail de curación para que trabajemos en equipo y recibas recompensas automáticamente.
♞♟ Echa un vistazo a nuestra cuenta @chessbrotherspro para que te informes sobre el proceso de curación llevado a diario por nuestro equipo.
🏅 Si quieres obtener ganancias con tu delegacion de HP y apoyar a nuestro proyecto, te invitamos a unirte al plan Master Investor. Aquí puedes aprender cómo hacerlo.
Cordialmente
El equipo de CHESS BROTHERS
Thanks for your contribution to the STEMsocial community. Feel free to join us on discord to get to know the rest of us!
Please consider delegating to the @stemsocial account (85% of the curation rewards are returned).
You may also include @stemsocial as a beneficiary of the rewards of this post to get a stronger support.