Al trabajar con números reales no es una buena idea comparar dos valores después de operar con ellos con el operador ==. El mínimo error numérico es las operaciones puede hacer que dos valores que deberían ser iguales no lo sean. Algo que se puede comprobar fácilmente evaluando la expresión 0.1 + 0.2 == 0.3 en Python, la comparación devuelve False cuando esperaríamos todo lo … [Leer más...] acerca de Comparar los valores con tolerancia en Python.
NumPy
NumPy es una librería para Python para el cálculo numérico y análisis de datos con la que es posible realizar estas operaciones de una forma fácil y sencilla, incluso al trabajar con grandes volúmenes de datos. Ofreciendo a los usuarios de Python, un lenguaje que no fue diseñado originalmente para el cálculo numérico, funcionalidades similares a las ofrecidas por otros lenguajes como MATLAB.
Al trabajar con NumPy básicamente se trabaja con la clase ndarray
, una clase con la que es posible crear objetos con los que se representan vectores y matrices, y una gran colección de funciones matemáticas de alto nivel para operar directamente sobre ellos. Lo que facilita escribir programas donde la mayoría de las operaciones funcionen en vectores o matrices en lugar de escalares.
Truco Python: identificar filas o columnas únicas en numpy
Numpy ofrece la función np.unique() para identificar los elementos únicos dentro de un array. Una función que es muy útil. Pero lo que mucha gente no sabe es que se puede utilizar no solo para identificar los elementos únicos dentro de un array, sino que también para identificar filas o columnas únicas en los objetos bidimensionales.Para identificar las filas o columnas … [Leer más...] acerca de Truco Python: identificar filas o columnas únicas en numpy
Numpy básico
El trimestre pasado hemos dedicado las entradas de los miércoles a algunas de las tareas básicas que se pueden hacer con Numpy. Una serie que llamamos Numpy básico. En esta entrada vamos a recopilar los enlaces a todas las entradas para que su consulta pueda ser más sencilla.Las entradas publicadas en la serie “Numpy básico” son:Creación de un Array de Numpy a partir de … [Leer más...] acerca de Numpy básico
Numpy básico: como invertir arrays de Numpy
Una de las tareas básicas que más me preguntan es cómo invertir vectores o matrices. En esta entrada vamos a ver diferentes métodos para invertir arrays de Numpy. Para lo que usaremos el operador [] y el método np.flip().Invertir vectores en NumpyComo siempre lo primero que tenemos que hacer para invertir un vector en Numpy es importar la librería y un vector para … [Leer más...] acerca de Numpy básico: como invertir arrays de Numpy
Numpy básico: inicializar arrays de Numpy con un valor
En algunas situaciones puede ser necesario inicializar un array o matriz de Numpy de tamaño arbitrario con un mismo valor. Para lo que se puede utilizar el método np.full(). Un método relativamente desconocido pero que puede ser de gran utilidad cuando se necesario inicializar arrays de Numpy con un valor dado.El método np.full()La forma de llamar el método np.full() … [Leer más...] acerca de Numpy básico: inicializar arrays de Numpy con un valor
Numpy básico: como añadir elementos en arrays de Numpy con np.append()
np.append() es uno de los métodos básicos de Numpy, con el que es posible agregar nuevos elementos al final de los arrays de Numpy. A pesar de se un método básico tiene múltiples opciones y usos que es importante conocer. En esta entrada se va a ver como añadir elementos en arrays de Numpy con np.append().El método np.append()El método que ofrece el módulo Numpy de … [Leer más...] acerca de Numpy básico: como añadir elementos en arrays de Numpy con np.append()
Numpy básico: seleccionar elementos condicionalmente en Numpy
Una tarea que se realiza casi a diario con Numpy es seleccionar elementos de un vector. Lo que se puede hacer en base a índices o, más interesante y productivo todavía, en base a una o varias condiciones. Como que los elementos a seleccionar sean menores que un valor o se encuentre en un rango. Esto es lo que se mostrará a continuación: cómo seleccionar elementos … [Leer más...] acerca de Numpy básico: seleccionar elementos condicionalmente en Numpy
Numpy básico: crear vectores con valores equiespaciados en Numpy
En esta entrada se va a explicar como utilizar la función np.arrange() para crear vectores y matrices de valores equiespaciados en Numpy. Una función bastante importante ya que permite automatizar la creación de series en las que se conoce el paso entre valores. Lo que puede ser de ayuda en muchas tareas diarias.La función np.arrange()Para crear elementos de valores … [Leer más...] acerca de Numpy básico: crear vectores con valores equiespaciados en Numpy
Numpy básico: seleccionar filas y columnas en matrices Numpy
A la hora de trabajar con matrices una tarea clave es saber cómo seleccionar filas y columnas de una forma eficiente. Por eso es importante conocer las opciones de Numpy para ello. En esta entrada se explicará cómo seleccionar filas y columnas en matrices Numpy.Creación de una matriz de ejemploAntes de explicar cómo seleccionar filas y columnas en matrices Numpy es … [Leer más...] acerca de Numpy básico: seleccionar filas y columnas en matrices Numpy
Numpy básico: eliminar elementos en arrays de Numpy
Para eliminar eliminar elementos en arrays de Numpy se puede utilizar la función de la librería np.delete(). Esta función permite eliminar tanto valores como filas o columnas utilizando la posición del elemento a eliminar. Lo que la convierte en una función realmente interesante.np.delete() de NumpyLa función np.delete() es realmente sencilla ya que solamente necesita … [Leer más...] acerca de Numpy básico: eliminar elementos en arrays de Numpy
Numpy básico: valores mínimos y máximos en arrays Numpy
Localizar los valores extremos de un array de Numpy es una tarea que es necesario realizar de forma habitual. Para ello Numpy cuenta con dos funciones amin() y amax(). Las cuales, respectivamente, devuelven los valores mínimos y máximos en arrays Numpy.Las funciones amin() y amax()La función amin() de Numpy tiene la siguiente forma:dondearr: es array de Numpy … [Leer más...] acerca de Numpy básico: valores mínimos y máximos en arrays Numpy
Matrices dispersas (“Sparse Matrix”)
En función de la densidad de ceros en una matriz estas se pueden clasificar como dispersas (“sparse”), en las que valores igual a cero son dominantes, o densas (“dense”), en las que hay pocos registros iguales a cero. En aprendizaje automático es habitual encontrar matrices dispersas. Por ejemplo, en características que representan propiedades binarias o recuentos de … [Leer más...] acerca de Matrices dispersas (“Sparse Matrix”)