Día 7: Numpy y Machine Learning

Continuamos con el último módulo de Introduction to Python, de Data Camp. Este módulo está dedicado exclusivamente a la librería de NumPy.

¿Qué he aprendido?

  • import numpy as np
  • np.array(lista) -> convertimos una lista en un array de numpy, lo que nos permitirá manipular los elementos como queramos. Vector arithmetic.
  • Ojo!
    • un array de numpy no puede contener elementos de distintos tipos (como sí pasaba con las listas)
    • los símbolos aritméticos (+, / , -, *) funcionan de manera diferente en las listas y los arrays de numpy (vectores).
      • Ej.: np.array([True, 1, 2]) + np.array([3, 4, False]) >> array([4, 5, 2])
  • Acceder a los elementos de un array de Numpy es mucho más fácil que con listas de listas en Python. Veamos cómo acceder a los elementos «a» y «c»:
# regular list of lists
x = [["a", "b"], ["c", "d"]]
[x[0][0], x[1][0]]

# numpy
import numpy as np
np_x = np.array(x)
np_x[:,0]
  • Los índices de antes de la coma, se refieren a las filas y los de después de la coma a las columnas. El «:» del ejemplo es para hacer slicing y le dice que se incluyan todas las filas.
  • Numpy nos permite realizar cálculos de estadística básicos de manera muy simple. Por ejemplo:
    • np.mean
    • np.median
    • np.corrcoef
    • np.std
import numpy as np
x = [1, 4, 8, 10, 12]
np.mean(x)
np.median(x)

Deja una respuesta

Introduce tus datos o haz clic en un icono para iniciar sesión:

Logo de WordPress.com

Estás comentando usando tu cuenta de WordPress.com. Salir /  Cambiar )

Imagen de Twitter

Estás comentando usando tu cuenta de Twitter. Salir /  Cambiar )

Foto de Facebook

Estás comentando usando tu cuenta de Facebook. Salir /  Cambiar )

Conectando a %s

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.