PythonNumPyHoja de trucos básicos
Guía de referencia rápida para matricesNumPy. Aprenda la creación, remodelación, indexación, división y operaciones matemáticas de matrices.
Creación e inspección de matrices
Métodos para inicializar matrices numerosas y extraer características de forma.
| Método / Función | Sintaxis | Descripción |
|---|---|---|
| np.array() | np.array(list) | Crea un ndarray multidimensional homogéneo a partir de una lista. |
| np.arange() | np.arange(start, stop, step) | Crea una matriz con valores espaciados uniformemente dentro de un rango determinado. |
| np.linspace() | np.linspace(start, stop, num) | Crea una matriz con números de valores espaciados uniformemente en un intervalo específico. |
| np.zeros() / np.ones() | np.zeros(shape) / np.ones(shape) | Inicializa matrices llenas de ceros o unos en la forma especificada. |
| shape / dtype | arr.shape / arr.dtype | Atributos que devuelven dimensiones y tipo de elemento de la matriz. |
Manipulación de matrices y matemáticas
Rutinas para cambiar diseños de matrices y realizar agregaciones matemáticas.
| Método / Función | Sintaxis | Descripción |
|---|---|---|
| reshape() | arr.reshape(new_shape) | Da una nueva forma a una matriz sin cambiar sus datos. |
| arr.T | arr.T | Transponer atributo. Invierte los ejes de la matriz. |
| np.concatenate() | np.concatenate((a1, a2), axis=0) | Une una secuencia de matrices a lo largo de un eje existente. |
| mean() / std() | arr.mean() / arr.std() | Calcula la media aritmética y la desviación estándar. |
| sum() / dot() | arr.sum() / np.dot(a, b) | Suma elementos o calcula la multiplicación de matrices de productos escalares. |
Guión de demostración interactivo
# np.array()
np.array(list)
# np.arange()
np.arange(start, stop, step)
# np.linspace()
np.linspace(start, stop, num)
# np.zeros() / np.ones()
np.zeros(shape) / np.ones(shape)
# shape / dtype
arr.shape / arr.dtype
# reshape()
arr.reshape(new_shape)
# arr.T
arr.T
# np.concatenate()
np.concatenate((a1, a2), axis=0)
# mean() / std()
arr.mean() / arr.std()
# sum() / dot()
arr.sum() / np.dot(a, b)Preguntas frecuentes
¿Por qué utilizar matricesNumPyen lugar de listas estándar de Python?
NumPylos arreglos se almacenan en bloques de memoria contiguos, lo que los hace significativamente más rápidos y con mayor eficiencia de memoria para cálculos numéricos.
¿Qué se transmite enNumPy?
La radiodifusión permite realizar operaciones aritméticas en matrices de diferentes formas, expandiendo la matriz más pequeña para que coincida automáticamente con la forma de la matriz más grande.
Temas relacionados
Guía de referencia paraPandasSeries y DataFrames. Aprenda a cargar, limpiar, seleccionar, agrupar y agregar datos.
Hoja de referencia de funciones del módulo matemático de PythonGuía de referencia rápida para la biblioteca estándar matemática de Python. Aprenda a utilizar funciones trigonométricas, logarítmicas, de redondeo y aritméticas.
Hoja de referencia de funciones integradas de PythonGuía de referencia de las funciones integradas de Python. Aprenda a utilizar print, len, range, enumerate, zip, map, filter y más.
Recursos recomendados de Python
Amplíe sus conocimientos con tutoriales interactivos relacionados, hojas de trucos y comparaciones de códigos.
Bucles de Python
Aprenda a utilizar bucles de Python para iterar sobre datos. Domine los bucles for, while, rompa, continúe y realice bucles con ejemplos interactivos.
Cómo ordenar una lista en Python
Aprenda a ordenar una lista en Python usando el método sort() y la función sorted(). Descubra ejemplos de ordenación inversa y clasificación de claves personalizadas.
Python vs JavaScript: ¿Qué lenguaje de programación es mejor?
Una comparación completa entre Python y JavaScript. Explore las diferencias de sintaxis, el rendimiento, los casos de uso (backend frente a frontend) y ejemplos de codificación.