Resumen de NumPy

Hola comunidad!
Comparto resumen y algunos ejercicios de NumPy:

Importar NumPy

import numpy as np

Resumen de NumPy

• Crear array y tipos de datos

arr = np.array([1, 2, 3, 4])
arr.dtype                  		# Tipos de datos int8, int64, float64, bool_, string_
arr = arr.astype(np.float64)	# Cambiar tipo de dato

• Dimensiones

arr = np.array([1, 2, 3, 4])
arr.ndim							 								    #Dimensión del vector, matriz, tensor
expand = np.expand_dims(arr, axis = 0)		# Expandir dimensión (axis=0 filas, axis=1 columnas)
expand = np.squeeze(expand)          	  	# Remover las dimensiones que no están siendo usadas

• Creando arrays

arr = np.arange(0,10)       # crear con rango
arr = np.arange(0,10,2)     # crear con rango con pasos de 2
arr = np.zeros(3)           # crear array con 0 (ya sea en vector, matriz o tensor)
arr = np.ones(3)            # crear array con 1 (ya sea en vector, matriz o tensor)
arr = np.linspace(0,10,10)  # Permite generar una array con un inicio, un final y divisiones 
arr = np.eye(4)             # crear una matriz con una diagonal de 1 y el resto de 0
x = np.random.rand()  		  # Genera número aleatorio entre 0 y 1
x = np.random.randint(1,15) # Genera número entero aleatorio
arr = np.random.rand(4)     # Genera vector o matiz con números aleatorios entre 0 y 1
arr = np.random.randint(1,15,(3,3)) # Genera vector o matiz con números enteros aleatorios

• Shape y Reshape

arr = np.random.randint(1,10,(3,2))
arr.shape           # Indica forma del arreglo
arr.reshape(1,6)    # Transforma el arreglo mientras se mantengan los elementos

• Funciones principales de NumPy

arr = np.array([1, 2, 3, 4])
arr.max()           # Máximo (valor dentro de () indica máximo por 1:fila, 0:columna)
arr.argmax()        # Posición del elemento máximo
arr.min()           # Minimo
arr.ptp()           # Rango (valor max - valor min)
arr.sort()          # Ordena los datos
np.percentile(arr,50)   # Percentil
np.mediana(arr)     # Mediana
np.std(arr)         # Desviación estándar
np.var(arr)         # Varianza
np.mean(arr)        # Promedio

• Unir dos arrays

a = np.array([1,2])
b= np.array([5, 6])
np.concatenate((a,b), axis = 0) 	#  unir dos arrays

• Copy

arr = np.array([1, 2, 3, 4])
arr_copy = arr.copy()	# Crea una copia para no dañar el array original

• Condiciones

arr = np.array([ 1, 2, 3, 4, 5, 6, 7, 8, 9, 10])
cond1 = arr > 5         # Regresa True o False si cumple la condición
arr_cond1 = arr[cond1]  # Regresa los valores que cumplen la condición
arr[(arr>5) & (arr<9)]  # Múltiples condiciones
arr[arr > 5] = 99       # Modifica valores según condición

Ejercicios para practicar

1. Crea un arreglo de NumPy de 3 filas por 4 columnas, lleno de ceros.
2. Crea un arreglo de NumPy de 2 filas por 3 columnas, lleno de unos.
3. Crea un arreglo de NumPy de 4 elementos, con el tipo de datos int32.
4. Crea un arreglo de NumPy de 2 filas por 5 columnas, lleno de números aleatorios entre 0 y 1.
5. Crea un arreglo de NumPy de 3 dimensiones, con forma (2, 3, 4).
6. Crea una copia de un arreglo de NumPy y modifica un elemento en la copia. ¿El elemento en el arreglo original cambia?
7. Crea un arreglo de NumPy de 10 elementos, con números aleatorios entre 0 y 1. Encuentra todos los elementos que son mayores a 0.5.
8. Crea dos arreglos de NumPy de igual forma, llena de números aleatorios entre 0 y 1. Encuentra la suma de los dos arreglos.
9. Crea un arreglo de NumPy de 3 filas por 4 columnas, con números enteros entre 1 y 12. Encuentra el promedio de cada columna.
10. Crea un arreglo de NumPy de 5 filas por 6 columnas, con números enteros entre 1 y 30. Encuentra todos los elementos que son mayores a 10 y menores a 20.