Breve introducción a NumPy

Algunos conocimientos básicos de la biblioteca NumPy y ufuncs

NumPy significa Python numérico y es un Python Biblioteca para trabajar con matrices. Con la ayuda de estas matrices, los elementos del álgebra lineal, como vectores y matrices, se pueden representar en Python. Dado que una gran parte de la biblioteca está escrita en C, puede realizar cálculos particularmente eficientes y rápidos incluso con matrices grandes.

Python ofrece una variedad de estructuras de datos que se pueden utilizar para almacenar datos sin bibliotecas adicionales. Sin embargo, estas estructuras, como Listas de Python, son muy poco adecuados para operaciones matemáticas. Sumando dos liza La combinación de números elemento por elemento puede perjudicar rápidamente el rendimiento cuando se manejan grandes cantidades de datos.

Por esta razón se desarrolló NumPy, ya que ofrece la posibilidad de realizar operaciones numéricas de forma rápida y eficiente. Especialmente importantes son los cálculos del campo del álgebra lineal, como las multiplicaciones de matrices.

NumPy, como muchas otras bibliotecas, se puede instalar directamente desde una computadora portátil usando pip. Para hacer esto, use el comando "pip install" junto con el nombre del módulo. Esta línea debe ir precedida de un signo de exclamación para que el cuaderno reconozca que es un comando de terminal:

Si la instalación fue exitosa, el módulo puede simplemente importarse y usarse en el portátil. La abreviatura “np” se usa a menudo aquí para ahorrar un poco de tiempo durante la programación y no tener que ingresar NumPy cada vez:

Las matrices NumPy son una alternativa válida a las convencionales Listas de Python. Ofrecen la posibilidad de almacenar colecciones multidimensionales de datos. En la mayoría de los casos, los números se almacenan y las matrices se utilizan como vectores o matrices. Por ejemplo, un vector unidimensional podría verse así:

Además de las diferentes funciones de los arreglos NumPy, que cubriremos en una publicación separada, las posibles dimensionalidades siguen siendo importantes para la diferenciación:

Se distinguen las siguientes dimensionalidades:

• 0D - Matriz: Se trata simplemente de un escalar, es decir, un único número o valor.
• 1D - Matriz: Este es un vector, como una cadena de números o valores en una dimensión.
• 2D - Matriz: Este tipo de matriz es una matriz, es decir, una colección de varias matrices 1D.
• 3D - Matriz: Varias matrices forman el llamado tensor. Los hemos explicado con más detalle en nuestro artículo sobre TensorFlow.

Dependiendo de la fuente, existen varias diferencias fundamentales entre las matrices NumPy y Listas de Python. Entre los más comúnmente mencionados se encuentran:

1. Consumo de memoria: Los arrays se programan de tal forma que ocupan una determinada parte de la memoria. Allí se ubican todos los elementos de la matriz. Los elementos de un lista, por otro lado, pueden estar muy separados en la memoria. Como resultado, un lista Consume más memoria que una matriz idéntica.
2. Velocidad: Las matrices también se pueden procesar mucho más rápido que liza debido a su menor consumo de memoria. Esto puede marcar una diferencia significativa para objetos con varios millones de elementos.
3. Funcionalidad: Las matrices ofrecen muchas más funcionalidades; por ejemplo, permiten operaciones elemento por elemento, mientras que las listas no.

Las llamadas “Funciones Universales” (abreviadas: ufuncs) sirven para no tener que ejecutar determinadas operaciones elemento por elemento, sino directamente para todo el array. En programación informática se habla de la llamada vectorización, cuando los comandos se ejecutan directamente para todo el vector.

Esto no sólo es mucho más rápido en la programación, sino que también conduce a cálculos más rápidos. En NumPy, se ofrecen varias de estas funciones universales, que pueden usarse para una variedad de operaciones. Entre los más conocidos se encuentran:

• Con “add()” puedes resumir varios arrays elemento por elemento.
• “restar()” es exactamente lo contrario y resta la matriz elemento por elemento.
• “multiply()” multiplica dos matrices elemento por elemento.
• “matmul()” forma el producto matricial de dos matrices. Tenga en cuenta que en la mayoría de los casos esto no dará el mismo resultado que "multiplicar()".

• NumPy significa Numerical Python y es una biblioteca de Python para trabajar con matrices.
• Con la ayuda de estas matrices, se pueden representar en Python elementos del álgebra lineal, como vectores y matrices.
• Dado que gran parte de la biblioteca está escrita en C, puede realizar cálculos particularmente eficientes y rápidos incluso con matrices grandes.
• Las matrices NumPy son comparables a las listas de Python, pero son significativamente superiores a ellas en cuanto a requisitos de memoria y velocidad de procesamiento.

Breve introducción a NumPy republicada desde la fuente https://towardsdatascience.com/3short-introduction-to-numpy-3a65ec23eaba?source=rss—-7f60cf5620c9—4 a través de https://towardsdatascience.com/feed

<!–

->