• Saltar al contenido principal
  • Skip to secondary menu
  • Saltar a la barra lateral principal
  • Saltar al pie de página
  • Inicio
  • Secciones
    • Ciencia de datos
    • Criptografía
    • Herramientas
    • Machine Learning
    • Noticias
    • Opinión
    • Productividad
    • Programación
      • JavaScript
      • Julia
      • Matlab
      • Python
      • R
  • Programación
    • JavaScript
    • Julia
    • Matlab
    • Python
    • R
  • Laboratorio
    • Estadística
      • Calculadora del Tamaño Muestral en Encuestas
      • Calculadora de estadísticos descriptivos
      • Test de normalidad
      • Calculadora de contrastes de hipotesis
      • Calculadora de tamano del efecto
      • Simulador de Regresión Lineal con Ruido
      • Visualizador de PCA
      • Visualizador de Series Temporales
      • Simulador de Regresión Logística
      • Simulador de K-Means
      • Simulador de DBSCAN
      • Detector de la Ley de Benford
      • Ajuste de Curvas
      • Calculadora de Matrices
    • Probabilidad
      • Calculadora de Probabilidad de Distribuciones
      • Calculadora de Probabilidades de Lotería
      • Simulador del Problema de Monty Hall
      • Simulador de la Estrategia Martingala
    • Finanzas
      • Calculadora de Préstamos e Hipotecas
      • Conversor TIN ↔ TAE
      • Calculadora DCA con ajuste por inflación
      • Calculadora XIRR con Flujos Irregulares
      • Simulador FIRE (Financial Independence, Retire Early)
    • Negocios
      • CLV
      • Scoring
    • Herramientas
      • Formateador / Minificador de JSON
      • Conversor CSV ↔ JSON
      • Comparador y Formateador de Texto y JSON
      • Formateador y Tester de Expresiones Regulares
      • Inspector de JWT
      • Generador y verificador de hashes
      • Codificador / Decodificador Base64 y URL
      • Conversor de bases numericas
      • Conversor de Timestamp Unix
      • Conversor de colores
      • Generador de UUIDs
    • Juegos
      • Tres en Raya
      • Nim con Q-Learning
    • Más
      • Método D’Hondt
      • Generador de Contraseñas Seguras
  • Noticias
  • Boletín
  • Contacto
  • Tienda
    • Libros
    • Equipamiento de oficina
    • Equipamiento en movilidad

Analytics Lane

Ciencia e ingeniería de datos aplicada

  • Ciencia de datos
  • Machine Learning
  • IA Generativa
  • Python
  • Pandas
  • NumPy
  • R
  • Excel

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.

NumPy: Ordenar matrices de NumPy por fila o columna

diciembre 14, 2020 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 2 minutos

NumPy

Cuando estamos trabajando en NumPy con matrices, arrays 2D, nos podemos plantear cómo reordenar estas en base a los valores de las filas o las columnas. Una operación que se puede realizar fácilmente utilizando el método argsort() presente en los array de NumPy. En esta entrada veremos los métodos para ordenar matrices de NumPy por fila o columna.Creación de una … [Leer más...] acerca de NumPy: Ordenar matrices de NumPy por fila o columna

NumPy: Cómo ordenar una matriz NumPy en Python

noviembre 23, 2020 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 3 minutos

NumPy

En NumPy existe el método np.sort() con el que se puede ordenar una matriz NumPy. Un método que ofrece varias opciones las que discutiremos a continuación.Ordenar un vectorEn primer lugar, podemos crear un vector de números enteros ordenados aleatoriamente. Lo que se puede conseguir utilizando el método np.random.shuffle() sobre un vector que se ha creado con … [Leer más...] acerca de NumPy: Cómo ordenar una matriz NumPy en Python

Vectorización en Python para mejorar el rendimiento

mayo 25, 2020 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 3 minutos

Python es uno de los leguajes de programación más populares en la actualidad en ciencia de datos y otras áreas intensivas en cálculo numérico. Aun así, no es rápido en comparación con otros lenguajes. Por eso, conocer las prácticas que nos permiten obtener el mejor rendimiento en nuestros códigos es importante. Para poder reducir así el tiempo de ejecución de nuestros … [Leer más...] acerca de Vectorización en Python para mejorar el rendimiento

Comparar los valores con tolerancia en Python.

marzo 18, 2020 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 3 minutos

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.

Truco Python: identificar filas o columnas únicas en numpy

febrero 10, 2020 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: < 1 minuto

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

diciembre 18, 2019 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: < 1 minuto

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

diciembre 11, 2019 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 2 minutos

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

diciembre 4, 2019 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 2 minutos

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()

noviembre 27, 2019 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 3 minutos

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

noviembre 20, 2019 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 2 minutos

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

noviembre 13, 2019 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 2 minutos

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

noviembre 6, 2019 Por Daniel Rodríguez 2 comentarios
Tiempo de lectura: 3 minutos

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

  • « Ir a la página anterior
  • Página 1
  • Página 2
  • Página 3
  • Página 4
  • Página 5
  • Página 6
  • Ir a la página siguiente »

Barra lateral principal

Suscríbete a nuestro boletín

Suscríbete al boletín semanal para estar al día de todas las publicaciones.

Política de Privacidad

Analytics Lane en redes sociales

  • Amazon
  • Bluesky
  • Facebook
  • GitHub
  • Instagram
  • Mastodon
  • Pinterest
  • RSS
  • Telegram
  • Tumblr
  • Twitter
  • YouTube

Publicidad

Entradas recientes

PSI: Cómo Saber Cuándo tu Modelo de Credit Scoring se ha Degradado

julio 21, 2026 Por Daniel Rodríguez

Los indicadores que se autocumplen, o cuando medir es modificar – El bestiario de los indicadores económicos absurdos (parte 7)

julio 16, 2026 Por Daniel Rodríguez

Customer Lifetime Value: la fórmula clásica que todo analista debería dominar

julio 14, 2026 Por Daniel Rodríguez

Publicidad

Es tendencia

  • PSI: Cómo Saber Cuándo tu Modelo de Credit Scoring se ha Degradado publicado el julio 21, 2026 | en Ciencia de datos
  • Inteligencia artificial generativa en seguros: Cinco aplicaciones que están transformando la industria publicado el marzo 14, 2025 | en Ciencia de datos, Opinión
  • Método del codo (Elbow method) para seleccionar el número óptimo de clústeres en K-means publicado el junio 9, 2023 | en Ciencia de datos
  • Nuevo simulador del problema de Monty Hall en el laboratorio de aplicaciones de Analytics Lane publicado el abril 8, 2026 | en Noticias
  • Número óptimo de clústeres con Silhouette e implementación en Python publicado el junio 23, 2023 | en Ciencia de datos

Publicidad

Lo mejor valorado

4.9 (24)

Seleccionar filas y columnas en Pandas con iloc y loc

4.6 (16)

Archivos JSON con Python: lectura y escritura

4.4 (14)

Ordenación de diccionarios en Python mediante clave o valor

4.7 (13)

Operaciones de filtrado de DataFrame con Pandas en base a los valores de las columnas

4.1 (11)

Aplicar el método D’Hondt en Excel

Comentarios recientes

  • bif en JSON en bases de datos: cuándo es buena idea y cuándo no
  • bif en Cómo desinstalar Oracle Database 19c en Windows
  • M. Pilar en Cómo eliminar las noticias en Windows 11 y recuperar tu concentración
  • Daniel Rodríguez en Probabilidad básica: cómo entender el azar en nuestra vida diaria
  • Pepe en Probabilidad básica: cómo entender el azar en nuestra vida diaria

Publicidad


Footer

Analytics Lane

  • Acerca de Analytics Lane
  • Boletín de noticias
  • Contacto
  • Libros
  • Lo más popular
  • Noticias
  • Tienda
  • Tiendas afiliadas

Secciones

  • Ciencia de datos
  • Criptografía
  • Herramientas
  • Machine Learning
  • Opinión
  • Productividad
  • Programación
  • Reseñas

Sobre de Analytics Lane

En Analytics Lane tratamos de explicar los principales conceptos de la ciencia e ingeniería de datos con un enfoque práctico. Los principales temas tratados son ciencia de datos, ingeniería de datos, inteligencia artificial, machine learning, deep learning y criptografía. Además, también se habla de los principales lenguajes de programación y herramientas utilizadas por los científicos e ingenieros de datos.

Copyright © 2018-2026 Analytics Lane ·Términos y condiciones ·Política de Cookies ·Política de Privacidad ·Herramientas de privacidad ·Contacto