funcionalidad+de+numpy

__Funcionalidad del módulo__
El módulo de Numpy funciona con tuplas (ver Glosario), por lo que a la hora de utilizar cualquier comando o función especializada para este módulo se tendrán que trabajar con tuplas. Afortunadamente, el programa Python puede convertir una lista en una tupla y viceversa, por lo que el usuario puede manejar tanto las funciones de las listas y las de las tuplas de acuerdo a sus necesidades.

Como se mencionó antes, el módulo de NumPy es exclusivamente para usos matemáticos principalmente orientados a matrices, por lo que muchas de las funciones principales solo sirven al utilizar tuplas o arrays. Algunas de las funciones principales son:

1. Crear un array:

 * Puede crearse por medio de una lista:

>>> a = array ( [ 10, 20 , 30 , 40 ] ) >>> a array ([ 10, 20 , 30 , 40 ])


 * Puede crearse por medio del comando arange, el cual es prácticamente el análogo del comando range que se utlizaba en las listas. Este comando toma un número entero y crea una tupla desde cero hasta un número antes que el indicado:

>>> b = arange ( 4 ) >>> b array( [ 0, 1, 2, 3 ] )

2. Operaciones matemáticas con arrays:

 * Como recordará de anteriores proyectos mostrados en esta wiki, para sumar los elementos de una lista de __una sola dimensión__ con los elementos de otra lista, se debías utilizar un índice que fuera recorriendo toda la lista, para luego asignar esta suma a otra variable. Sin embargo, con el módulo NumPy y por medio de los arrays, se puede realizar esta operación de un modo mucho más sencillo:

>>> a= array([10, 20, 30, 40]) >>> b = array([0, 1, 2, 3]) >>> c = a+b >>> c array([10, 21, 32, 43])
 * 1) Como se puede observar, ya no es necesario un índice para operar elemento por elemento. # Además, en una lista, esta operación produciría una concatenación de ambas listas


 * Asimismo, la multiplicación para arrays de una sola dimensión se puede lograr de la misma manera, de nuevo, sin necesidad de un índice que analize elemnto por elemento.

>>> a= array([10, 20, 30, 40]) >>> b = array([0, 1, 2, 3]) >>> d = a*b >>> d array([ 0, 20, 60, 120])

3. Otras funciones importantes:
En los incisos anteriores se enseñó a crear arrays de una sola dimensión. Sin embargo, las limitaciones del NumPy van más allá, pues puede simplificar muchas de las operaciones con matrices y a la vez proporcionar más propiedades sobre ellos. Las dimensiones de las arrays están dadas por medio del número de columnas y filas que contenga, similar a las matrices.

Para analizar algunas de las funciones básicas para arrays de varias dimensiones crearemos una array que contenga más de una dimensión.

>>> x = array( [ [0, 1, 2, 3, 4], [5, 6, 7, 8, 9] ] )

Teniendo ya una array de más de una dimensión, podemos analizar lo que realiza cada función básica, tomando como parámetro la array asignanda como x:


 * x.ndim**: toma como parámetro una array y regresa el número de dimensiones que esta posee.

>>> x.ndim 2


 * x.shape:** esta función toma de parámetro la array e indica el tamaño de la array en cada dimensión, para una matriz con n filas y m columnas su .shape sería (n, m).

>>> x.shape (2, 5)


 * x.size:** Esta función toma de parámetro una array y regresa el total de elementos que esta contiene, es decir, la multiplicación entre el número n de filas y el número m de columnas.

>>> x.size 10


 * x.dtype:** Esta función toma una array e indica el tipo de elemento que contiene de acuerdo a los tipos estándares de Python agregando subtitpos para cada tipo ya que ahora existen varios tipos de enteros, varios tipos de flotentes, etc.

>>> x.dtype dtype('int32')


 * x.itemsize:** Esta función toma un array, por lo que según su tipo, regresa el número de bytes que ocupa en le disco duro, ya que cada elemento es un bit y cada byte se compone de 8 bits, toma el número de cada "type" y lo divide entre 8 para mostrar el tamaño de la array en general.

>>> x.itemsize 4

Además de estas funciones, existen otras que trabajan con listas convertidas a arrays o viceversa, las cuales son las mismas utilizadas con las listas.



home