Documentos de Académico
Documentos de Profesional
Documentos de Cultura
TÍTULO PRÁCTICA:
N°. PRÁCTICA: 04 USO DE LIBRERIAS EN PYTHON “NUMPY”
PERIODO
ACADEMICO: 2023- CICLO: 1 MODALIDAD: NIVEL Y PARALELO : 5TO
2023
OBJETIVO GENERAL: Proporcionar a los estudiantes una comprensión profunda de las librerías más comunes
en Python y desarrollar sus habilidades para utilizarlas de manera efectiva en la resolución de problemas y
proyectos de programación.
DESARROLLO
PREPARATORIO
Tener conocimiento sobre el uso de datos en Python y lazos de control de flujo, conocer la estructura básica de
programación.
OBJETIVOS ESPECÍFICOS.
• Conocer el uso y aplicaciones de las librerías de Numpy y Matplotlib.
• Realizar gráficas, a partir de la generación de datos aleatorios.
FUNDAMENTO TEÓRICO:
Python también cuenta con la popular librería Matplotlib, que se utiliza para la visualización
de datos. Matplotlib ofrece una amplia variedad de gráficos y visualizaciones, desde
simples gráficos de líneas y dispersión hasta histogramas, gráficos de barras, gráficos de
cajas y más. Con esta librería, los programadores pueden personalizar los gráficos con
etiquetas, leyendas, colores y estilos de línea, lo que permite crear visualizaciones
atractivas y efectivas. Matplotlib es ampliamente utilizada en campos como la ciencia de
datos, la ingeniería, la investigación y otras disciplinas donde la representación gráfica de
datos es esencial.
Figura 1. Dimensiones
de un array
Por otro lado, Matplotlib es una librería de visualización de datos que permite crear gráficos
de alta calidad y personalizables en Python. Matplotlib ofrece una amplia gama de estilos y
tipos de gráficos, desde simples gráficos de líneas hasta gráficos de barras, histogramas y
gráficos tridimensionales. Con Matplotlib, los programadores pueden visualizar y comunicar
datos de manera efectiva, lo que es esencial en campos como la ciencia de datos, la
investigación y la visualización de resultados.
En resumen, NumPy y Matplotlib son dos librerías clave en el ecosistema de Python que
brindan a los programadores las herramientas necesarias para realizar cálculos numéricos
complejos y crear visualizaciones impresionantes. Estas librerías son fundamentales en
aplicaciones científicas, de ingeniería y de análisis de datos, y han demostrado ser
herramientas indispensables para aquellos que trabajan en estos campos.
ACTIVIDADES DE LA PRACTICA
Por otro lado, Matplotlib es una librería de visualización de datos que permite crear
gráficos de alta calidad y personalizables en Python. Matplotlib ofrece una amplia gama
de estilos y tipos de gráficos, desde simples gráficos de líneas hasta gráficos de barras,
histogramas y gráficos tridimensionales. Con Matplotlib, los programadores pueden
visualizar y comunicar datos de manera efectiva, lo que es esencial en campos como la
ciencia de datos, la investigación y la visualización de resultados.
Figura 1. Dimensiones de un array
En resumen, NumPy y Matplotlib son dos librerías clave en el ecosistema de Python que
brindan a los programadores las herramientas necesarias para realizar cálculos numéricos
complejos y crear visualizaciones impresionantes. Estas librerías son fundamentales en
aplicaciones científicas, de ingeniería y de análisis de datos, y han demostrado ser
herramientas indispensables para aquellos que trabajan en estos campos.
ACTIVIDADES DE LA PRACTICA
Ejemplo 1
Ejemplo 2
Ejemplo 1
Ejemplo 2
3. Filtrado de elementos de un array:
Una característica muy útil de los arrays es que es muy fácil obtener otro array con los elementos
que cumplen una condición. a[condicion]: Devuelve una lista con los elementos del array a que
cumplen la condición condicion. Observar los siguientes ejemplos para un mejor entendimiento:
Ejemplo 1
a = np.array([[1, 2, 3], [4, 5, 6]])
print(a[(a % 2 == 0)])
# Se imprime la siguiente matriz [2 4 6] print(a[(a % 2 == 0) & (a
> 2)]) # Se imprime la siguiente matriz
[2 4]
print(a / b)
# Se imprime la siguiente matriz [[1. 2. 3. ]
[2. 2.5 3. ]]
print(a ** 2)
# Se imprime la siguiente matriz [[ 1 4 9]
[16 25 36]]
Revisar el siguiente enlace para conocer más sobre el uso de la Liberia Numpy.
https://notebook.community/jorgemauricio/INIFAP_Course/ejercicios/Numpy/5_Ejercicios
%20Numpy-Solucion
1. Crea dos arreglos NumPy a y b con números enteros de igual longitud. Luego, realiza las
siguientes operaciones y muestra los resultados:
Suma de a y b. Resta de a y b.
Multiplicación de a por un número escalar (elige cualquier número).
División de a por un número escalar (elige cualquier número).
Asegúrate de imprimir los resultados para cada operación.
Criterio 5
0 puntos 1 punto 2 puntos 3 puntos 4 puntos puntos
Insuficiente Excelente
comprensión del Conocimiento Conocimiento Buen conocimiento conocimiento del
Conocimiento tema. básico del tema. adecuado del tema. del tema. tema.
Aplicación
No demuestra Muestra un
habilidades de análisis crítico Realiza un análisis Realiza un análisis Realiza un análisis
Análisis crítico análisis crítico. básico. crítico adecuado. crítico sólido. crítico exhaustivo.
REFERENCIAS:
- Varó, A. M., Sevilla, P. G., & Luengo, I. G. (2016). Introducción a la programación
con Python 3. D - Universitat Jaume I. Servei de Comunicació i Publicacions.
https://elibro.net/es/lc/ister/titulos/51760
- Bibliografía
- Python, C. (s/f). Aprenda a Pensar Como un Programador. Argentinaenpython.com.
Recuperado el 10 de
mayo de 2023, de
https://argentinaenpython.com/quiero-aprender-python/aprenda-a-pensar-como-
unprogramador-con-python.pdf
RESPONSABILIDADES
APELLIDO CARGO
TIP SY FIRM
O NOMBRE A
S
COORDINAD
REVISADO GABRIELA VERA OR DE
CARRERA
COORDINAD
APROBAD ELIZABETH
OR
O ORDOÑEZ
ACADÉMICA
En el corazón de NumPy se encuentra el objeto array, que permite la representación de datos en forma de
matrices multidimensionales. Estos arreglos no solo son eficientes en términos de rendimiento, sino que
también facilitan la realización de operaciones matemáticas y manipulaciones de datos de manera
vectorizada.
DESARROLLO
Ejemplo 2
EJEMPLOS REALIZADOS
Ejemplo 1
EJEMPLOS REALIZADOS
Ejemplo 2
EJEMPLOS REALIZADOS
3.-. Filtrado de elementos de un array:
Una característica muy útil de los arrays es que es muy fácil obtener otro array con los elementos que cumplen una
condición. a[condicion]: Devuelve una lista con los elementos del array a que cumplen la condición condicion.
Observar los siguientes ejemplos para un mejor entendimiento:
Ejemplo 1
a = np.array([[1, 2, 3], [4, 5, 6]])
print(a[(a % 2 == 0)])
# Se imprime la siguiente matriz
[2 4 6] print(a[(a % 2 == 0) & (a
> 2)]) # Se imprime la siguiente
matriz
[2 4]
print(a / b)
# Se imprime la siguiente matriz
[[1. 2. 3. ]
[2. 2.5 3. ]]
print(a ** 2)
# Se imprime la siguiente matriz
[[ 1 4 9]
[16 25 36]]
EJEMPLOS REALIZADOS
Ejercicio 1: Operaciones con Arreglos NumPy
1. Crea dos arreglos NumPy a y b con números enteros de igual longitud. Luego, realiza las siguientes
operaciones y muestra los resultados:
Suma de a y b. Resta de a y b.
Multiplicación de a por un número escalar (elige cualquier número).
División de a por un número escalar (elige cualquier número).
Asegúrate de imprimir los resultados para cada operación.
EJEMPLOS REALIZADOS
Ejercicio 2: Estadísticas con NumPy
1. Crea un arreglo NumPy datos con al menos 10 números enteros o flotantes. Luego, realiza las siguientes operaciones
y muestra los resultados:
EJEMPLOS REALIZADOS
|