Arrays en Numpy
Clase 9 de 32 • Curso de Machine Learning Aplicado con Python
Contenido del curso
Andres Leonardo Arevalo
student•
hace 8 años
Eddy Arellanes
student•
hace 8 años
Antonio Villavicencio Garzón
student•
hace 8 años
Andres Leonardo Arevalo
Eddy Arellanes
Antonio Villavicencio Garzón
Hugo Alexander Gonzalez Bocanegra
Javier Suárez Meerhoff
Wilson Fernando Antury Torres
Juan Camilo Muñoz Bedoya
Usuario anónimo
Ana Isabel Tamayo López
Christian Giraldo Ospina
Mario Alcala Coletti
Jose David Daza Ayerve
Mauricio Andrés Guerra Cubillos
Armando Rivera
Darvin Orozco
Alejandro Sánchez Yalí
Wilson Fernando Antury Torres
WILDER GUTIERREZ QUISPE
Daniel Eugenio Alberto Hernández Carreño
Melquiades Rodríguez
William Schnaider Torres Bermon
Jimmy Buriticá Londoño
Mateo Sepúlveda Olaya
Lucas Daje
Darvin Orozco
Usuario anónimo
Usuario anónimo
LUIS EDUARDO SALAMANCA GARCIA
Elkin Andres Clavijo Zuleta
María José Medina
Muy buena Info!
Les dejó otra ficha de Python para Ciencia de Datos.
super claro! gracias!
google colaboratory es una buena alternativa a jupyter, no hay que desgastarse con instalaciones y se integra muy bien con drive o git.
Comparto esta imagen que contiene una síntesis sobre Python y el manejo de arreglos numpy. 
También esta en archivo PDF para descargar, dejo el enlace: https://s3.amazonaws.com/assets.datacamp.com/blog_assets/PythonForDataScience.pdf
Buen resumen de todo. Gracias por compartir!
gracias, buen aporte!
Quizás con este ejemplo se vea mas claro
El metodo np.eye(n) crea una matrix identidad de (n x n) dimensiones.
Para el slicing en un arreglo de dos dimensiones. (p.j de 3x3)
b[2,:] =: obtienes la fila 3 b[:,2] =: obtienes la columna 3
Observa muy bien la posición de la coma ‘,’
Esa notación es muy parecida a la que se usa en MATLAB
Excelente aporte, el tip está en ver la coma ",". Lado izquierdo será fila la que obtengamos, mientras que del lado derecho será la Columna la que obtengamos.
Un objeto «array» se puede transformar en un vector columna usando:
a.reshape(-1, 1)
y para convertirlo en un vector fila se puede hacer:
a.reshape(1, -1)
Yo no estoy seguro si realmente el objeto «array» se le deba llamar vector, creo que su nombre es bien explicito, simplemente un arreglo de elementos, y es que carente de la dimensionalidad de un objeto de algún espacio vectorial, justamente por carecer de esto hay que hacer estas transformaciones a vectores columnas o filas, para que las operaciones matriciales no fallen.
muy interesante el manejo de array, aunque no muy entendible la explicaciones de parametros
Aquí esta un pequeño tutorial para poder abrir los notebooks del profesor desde google colab.
https://medium.com/@steve7an/how-to-test-jupyter-notebook-from-github-via-google-colab-7dc4b9b11a19
gracias daniel por el enlace :D
Funtion eye()
Parameters: The numpy.eye() method consists of five parameters, which are as follows:
Return Value: The numpy.eye() method returns an array of shape, R x C, where all elements are equal to zero, except for the kth diagonal, whose values are equal to one.
La función numpy.eye retorna una matriz de unos (1s) en la diagonal y ceros (0s) en el resto de elementos.
A esta matriz se le conoce como Matriz Identidad
Para los que prefieran trabajar fuera de Jupyter acá les dejo el comando para instalar numpy y scipy con pip:
…
python -m pip install --user numpy scipy matplotlib ipython jupyter pandas sympy nose
…
Gracias, buen aporte!
Excelente el profesor, explica de una manera fácil de entender, he entendido cosas que en cursos anteriores no había entendido bien
¿Cómo puedo obtener los datos de la diagonal?
Aquí hay buena información sobre los slices.
https://www.shanelynn.ie/select-pandas-dataframe-rows-and-columns-using-iloc-loc-and-ix/
La matriz diagonal es la matriz 2-D con unos en la diagonal y ceros en otras partes. Se puede crear con el método np.eye() cuya sintaxis es,
np.eye(N, M=None, k=0, dtype=<class 'float'>, order='C') Dónde,
parámetro tipo de datos Resumen N INT Especifica el número de líneas en la matriz generada. M INT (Opcional) El valor por defecto es Ninguno. Especifica el número de columnas en la matriz que se generará. Cuando es None, es igual a N. k INT (Opcional) El valor por defecto es 0. 0 es la posición principal de la diagonal. Si k es positiva, crea la diagonal superior con el desplazamiento de k; si k es negativa, crea la diagonal inferior con el desplazamiento de k. dtype tipo de datos (Opcional) El valor por defecto es flot. Especifica el tipo de datos del elemento del array creado. np.eye() Ejemplo
import numpy as np np.eye(3) array([[1., 0., 0.], [0., 1., 0.], [0., 0., 1.]]) np.eye(4, 3) array([[1., 0., 0.], [0., 1., 0.], [0., 0., 1.], [0., 0., 0.]]) np.eye(3, 4) array([[1., 0., 0., 0.], [0., 1., 0., 0.], [0., 0., 1., 0.]]) np.eye(4, k=1) array([[0., 1., 0., 0.], [0., 0., 1., 0.], [0., 0., 0., 1.], [0., 0., 0., 0.]])
Algo importante del reshape y que se usa para pasarle los datos al modelo de ML, es el np.reshape(-1,1). En este caso significa indicarle a numpy que haga el arreglo con la cantidad de filas necesarias (-1) pero que quede con una sola columna (1).