Compartir en LinkedIn Compartir en Twitter Compartir en Facebook

Creación de Matrices en NumPy

Las matrices son estructuras de datos fundamentales en NumPy , una biblioteca de Python utilizada para el procesamiento numérico. En este tutorial, exploraremos cómo crear matrices en NumPy y comprenderemos sus diferentes dimensiones y propiedades.

Esta lección introduce una librería o módulo usado en ciencia de datos con Python. Instálalo con pip en local; en el editor de The Data Schools muchas ya vienen precargadas.

Importa, ejecuta el ejemplo mínimo y solo después pasa a casos más complejos.

Crear un objeto NumPy ndarray

En NumPy, las matrices se representan mediante el objeto ndarray (matriz n-dimensional). Podemos crear una matriz NumPy de varias maneras. Aquí hay un ejemplo:

    # Importar la biblioteca NumPy
import numpy as np

# Crear una
# Crear una matriz 1-D
matriz_1d = np.array([1, 2, 3, 4, 5])
print(matriz_1d)
  

Dimensiones en Matrices

Las matrices en NumPy pueden tener diferentes dimensiones. Las dimensiones se refieren al número de índices requeridos para acceder a un elemento en la matriz.

Matrices 0-D (Escalares)

Una matriz 0-D es esencialmente un escalar. Aquí hay un ejemplo:

    import numpy as np

# Matrices 0-D (Escalares)
escalar = np.array(42)
print(escalar)
  

Matrices 1-D (Vectores)

Las matrices 1-D se llaman vectores. Aquí hay un ejemplo:

    import numpy as np

# Matrices 1-D (Vectores)
vector = np.array([1, 2, 3, 4, 5])
print(vector)
  

Matrices 2-D (Matrices Bidimensionales)

Las matrices 2-D son matrices bidimensionales. Aquí hay un ejemplo:

    import numpy as np

# Matrices 2-D (Matrices bidimensionales)
matriz_2d = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
print(matriz_2d)
  

Matrices 3-D

Las matrices 3-D tienen tres dimensiones. Aquí hay un ejemplo:

    import numpy as np

# Matrices 3-D
matriz_3d = np.array([[[1, 2], [3, 4]], [[5, 6], [7, 8]]])
print(matriz_3d)
  

Verificar el número de dimensiones

Puedes verificar el número de dimensiones de una matriz usando la propiedad shape . Aquí hay un ejemplo:

    import numpy as np

arr = np.array([1, 2, 3, 4])
print(arr)
print(arr * 2)
  

Matrices de Dimensiones Superiores

NumPy admite matrices de dimensiones superiores. Aquí hay un ejemplo de una matriz 4-D:

    import numpy as np

# Matrices de dimensiones superiores
matriz_4d = np.array([[[[1, 2], [3, 4]], [[5, 6], [7, 8]]], [[[[9, 10], [11, 12]], [[13, 14], [15, 16]]]]])
print(matriz_4d)
  

¡Estos son los fundamentos de la creación de matrices en NumPy y su comprensión en diferentes dimensiones! NumPy es una herramienta poderosa para el cálculo numérico en Python y ofrece una amplia variedad de operaciones y funciones para trabajar con matrices de manera eficiente.

Practica Creación de Matrices en NumPy en el editor

Pon en práctica lo aprendido con nuestro editor Python interactivo. Cada ejercicio incluye el código de partida y un botón para abrirlo en una nueva pestaña, donde puedes modificarlo y ejecutarlo.

    # Importar la biblioteca NumPy
import numpy as np

# Crear una
# Crear una matriz 1-D
matriz_1d = np.array([1, 2, 3, 4, 5])
print(matriz_1d)
  

    import numpy as np

# Matrices 0-D (Escalares)
escalar = np.array(42)
print(escalar)
  

    import numpy as np

# Matrices 1-D (Vectores)
vector = np.array([1, 2, 3, 4, 5])
print(vector)
  

    import numpy as np

# Matrices 2-D (Matrices bidimensionales)
matriz_2d = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
print(matriz_2d)
  

    import numpy as np

# Matrices 3-D
matriz_3d = np.array([[[1, 2], [3, 4]], [[5, 6], [7, 8]]])
print(matriz_3d)
  

    import numpy as np

# Matrices de dimensiones superiores
matriz_4d = np.array([[[[1, 2], [3, 4]], [[5, 6], [7, 8]]], [[[[9, 10], [11, 12]], [[13, 14], [15, 16]]]]])
print(matriz_4d)