Arreglos en Python

Conceptos básicos de un arreglo

NumPy es el paquete fundamental para el cálculo numérico en Python, que ofrece un potente arreglo y un conjunto de funciones para trabajar de manera eficiente con estos arreglos. Las ventajas de Numpy son:

• Multidimensional: Admite más que solo arreglos unidimensionales.

• Operaciones potentes: Incluye una amplia biblioteca de funciones matemáticas y estadísticas.

• Vectorización: Permite realizar operaciones en arreglos completos sin necesidad de bucles explícitos, lo que mejora el rendimiento.

• Integración: Funciona a la perfección con otras bibliotecas científicas como SciPy, Pandas y Matplotlib.

Empecemos a crear un arreglo utilizando Numpy. Primero importas NumPy y luego utilizas la función array() para crear un arreglo. La función array() toma una lista como entrada.

import numpy

my_array = numpy.array([0, 1, 2, 3, 4])
print(my_array)

# Expected output: [0 1 2 3 4]

El tipo de my_array es un numpy.ndarray.

import numpy

my_array = numpy.array([0, 1, 2, 3, 4])
print(type(my_array))

# Expected output: <class 'numpy.ndarray'>

Ejemplos de arreglos

Ejemplo de creación de un arreglo

En el siguiente ejemplo, convertirás una lista en un arreglo utilizando la función array() de NumPy. Crearás una lista a_list compuesta por números enteros. A continuación, utiliza la función array() para convertirlo en un arreglo.

import numpy as np

a_list = [1, 2, 3, 4]
print(a_list)

# Expected output: [1, 2, 3, 4]

import numpy as np

a_list = [1, 2, 3, 4]
an_array = np.array(a_list)
print(an_array)

# Expected output: [1 2 3 4]

Ejemplo de una operación con arreglos

En el siguiente ejemplo, sumas dos arreglos numpy. El resultado es una suma elemento por elemento de ambos arreglos.

import numpy as np

array_A = np.array([1, 2, 3])
array_B = np.array([4, 5, 6])

print(array_A + array_B)

# Expected output: [5 7 9]

Ejemplo de indexación de arreglos

Puedes seleccionar un elemento específico del índice de un arreglo utilizando la notación de indexación.

import numpy as np

months_array = np.array(['Jan', 'Feb', 'March', 'Apr', 'May'])
print(months_array[3])

# Expected output: Apr

También puedes dividir un rango de elementos utilizando la notación de división especificando un rango de índices.

import numpy as np

months_array = np.array(['Jan', 'Feb', 'March', 'Apr', 'May'])
print(months_array[2:5])

# Expected output: ['March', 'Apr', 'May']

Ejemplo interactivo de una lista a un arreglo

En el siguiente ejemplo, importarás numpy utilizando el alias np. Crea los arreglos prices_array y earnings_array a partir de las listas prices y earnings, respectivamente. Por último, imprime ambos arreglos.

import numpy as np

# Lists
prices = [170.12, 93.29, 55.28, 145.30, 171.81, 59.50, 100.50]
earnings = [9.2, 5.31, 2.41, 5.91, 15.42, 2.51, 6.79]

# NumPy arrays
prices_array = np.array(prices)
earnings_array = np.array(earnings)

# Print the arrays
print(prices_array)
print(earnings_array)

# Expected output:
# [170.12  93.29  55.28 145.3  171.81  59.5  100.5 ]
# [ 9.2   5.31  2.41  5.91 15.42  2.51  6.79]

Pruébalo tú mismo.

Para obtener más información sobre los arreglos NumPy en Python, consulta este vídeo de nuestro curso Introducción a Python para finanzas.

Este contenido está tomado del curso Introducción a Python para finanzas de DataCamp, impartido por Adina Howe.

Echa un vistazo a nuestro tutorial sobre arreglos Numpy en Python.