INFORME NUMPY

El objetivo principal de NumPy es de crear un arreglo homogneo multidimensional. Es una

tabla de elementos (usualmente nmeros), todos del mismo tipo, indexada por una tupla* de
enteros positivos. En NumPy las dimensiones son llamadas ejes. El nmero de ejes son rangos.
Por ejemplo, las coordenadas de un punto en un espacio 3D [1, 2, 1] es un arreglo de rango 1,
porque tiene solo un eje. Este eje tiene una longitud de 3. Otro ejemplo sera un arreglo de
rango 2 (es de 2 dimensiones). La primera dimensin (eje) tiene una longitud de 2, la segunda
dimensin tiene una longitud de 3)
[[1., 0., 0.], [0., 1., 2.]]
La clase de arreglo de NumPy es llamada nparray. Esta es tambin conocida con el alias array.
Note que numpy.array no es el mismo que la librera standard de clases de Python array.array
la cual solo maneja arreglos de una dimensin y ofrece menos funcionabilidad.
Los atributos ms importantes de nparray son:
-

nparray.ndim
El nmero de ejes (dimensiones) de un arreglo. En el mundo de Python, el nmero de
dimensiones es referido al rango que posee el arreglo.
>>>lista=[1,2,3,4,5,6]
>>>arreglo=nparray.array(lista,float)
([1. , 2. ,3. ,4. ,5., 6.])
>>>arreglo.ndim
1

nparray.shape
Las dimensiones del arreglo. Esta tupla* de enteros indican el tamao del arreglo en
cada dimensin. Para una matriz de n Filas y m Columnas, la forma (shape) seria (n,m).
La longitud de la forma de la tupla es por lo tanto el rango, o el nmero de
dimensiones, ndim.
>>> arreglo.shape
(1,6)

nparray.size
El total de elementos del arreglo. Esto es equivalente al producto de elementos de la
forma (shape).
>>> arreglo.size
5

Juan Manuel Torres Bernab

nparray.dtype
Un objeto que describe el tipo de elementos en el arreglo. Uno puedo crear o
especificar un dtype usando los tipos de Python standard. Adicionalmente NumPy
provee de tipos por s mismo; numpy.int32, numpy.int16 and numpy.float64 son unos
ejemplos.
>>> arreglo.dtype
dtype(float64)

nparray.reshape
Reforma el arreglo para que tenga las nuevas dimensiones.
>>>arreglo.reshape((3,2))
([[0. , 1.],
[2. , 3.],
[4. , 5.]])

Tambin se pueden crear distintos arreglos de manera diferente:

>>>arreglo2.arange(4 ,dtype=int)
([0 , 1, 2, 3])
>>>arreglo3.ones((3,3), dtype=int)
([[1 ,1, 1],
[1 ,1, 1],
[1 ,1, 1]])
o con ceros:
>>>arreglo4.zeros ((1,2), dtype=float)
([1., 2.])
Al realizar operaciones entre arreglos se tiene que tener el mismo numero filas y columnas
>>>operando1 = np.array[(1,2,3). Int]
>>>operando2 = np.array[(6,7,8). Int]
>>>operando1 + operando2
array[(7,9,10)]
#as seria en todas las operaciones, mientras tengan las mismas dimensiones se puede
realizar operaciones.

Juan Manuel Torres Bernab