Scribd
Cargar
2K vistas

Objeto Array en Numpy-Python

Los arreglos son estructuras de datos que permiten almacenar grandes cantidades de datos numéricos de forma ordenada y acceder a ellos mediante su posición. Para trabajar con arreglos en Python se utiliza la librería NumPy, la cual permite crear, modificar y realizar operaciones con arreglos de manera eficiente. NumPy provee funciones para crear arreglos a partir de listas, rangos numéricos o valores predefinidos, y permite realizar cálculos entre arreglos aplicando operaciones de forma elemento a elemento o con valores simples.

Cargado por

Jaime A. Valencia V
Derechos de autor
© © All Rights Reserved
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd
2K vistas

Objeto Array en Numpy-Python

Los arreglos son estructuras de datos que permiten almacenar grandes cantidades de datos numéricos de forma ordenada y acceder a ellos mediante su posición. Para trabajar con arreglos en Python se utiliza la librería NumPy, la cual permite crear, modificar y realizar operaciones con arreglos de manera eficiente. NumPy provee funciones para crear arreglos a partir de listas, rangos numéricos o valores predefinidos, y permite realizar cálculos entre arreglos aplicando operaciones de forma elemento a elemento o con valores simples.

Cargado por

Jaime A. Valencia V
Derechos de autor
© © All Rights Reserved
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd
Está en la página 1/ 3

TEMA : ARREGLOS MATRICIALES

AUTORES: ANDRES MAURICIO MAZO TORRES1042773449


ARREGLOS:
La estructura de datos que sirve para almacenar estas grandes secuencias de nmeros
(generalmente de tipo float) es el arreglo.
Los arreglos tienen algunas similitudes con las listas:

los elementos tienen un orden y se pueden acceder mediante su posicin,

los elementos se pueden recorrer usando un ciclo for.

Sin embargo, tambin tienen algunas restricciones:

Todos los elementos del arreglo deben tener el mismo tipo,en general, el tamao
del arreglo es fijo, se ocupan principalmente para almacenar datos numricos.

COMO CREAR ARREGLOS:


El mdulo que provee las estructuras de datos y las funciones para trabajar con arreglos
se llama NumPy, y no viene incluido con Python, por lo que hay que instalarlo por
separado.
Para usar las funciones provistas por NumPy, debemos importarlas al principio del
programa:

El tipo de datos de los arreglos se llama array. Para crear un arreglo nuevo, se puede
usar la funcin array pasndole como parmetro la lista de valores que deseamos
agregar al arreglo:

Todos los elementos del arreglo tienen exactamente el mismo tipo. Para crear un arreglo
de nmeros reales, basta con que uno de los valores lo sea:

Otra opcin es convertir el arreglo a otro tipo usando el mtodo astype:

Hay muchas formas de arreglos que aparecen a menudo en la prctica, por lo que existen
funciones especiales para crearlos:

zeros(n) crea un arreglo de n ceros.

ones(n) crea un arreglo de n unos.

arange(a, b, c) crea un arreglo de forma similar a la funcin range, con las


diferencias que a, b y c pueden ser reales, y que el resultado es un arreglo y no
una lista.

linspace(a, b, n) crea un arreglo de n valores equiespaciados entre a y b.

OPERACIONES CON ARREGLOS:


Las limitaciones que tienen los arreglos respecto de las listas son compensadas por la
cantidad de operaciones convenientes que permiten realizar sobre ellos.
Las operaciones aritmticas entre arreglos se aplican elemento a elemento:

Las operaciones entre un arreglo y un valor simple funcionan aplicando la operacin a


todos los elementos del arreglo, usando el valor simple como operando todas las veces:

Y as mismo se puede tanto con la suma, resta y divisin del arreglo.

Otra forma de arreglos son las matrices:


Una matriz es como una array, excepto que la multiplicacin de matrices (y
exponenciacin) reemplaza la multiplicacin elemento a elemento. Las matrices se crean
mediante la funcin matrix.

Definidas las matrices, podemos hacer uso de todas las funciones relacionadas
con el lgebra lineal como la transposicin, la diagonalizacin etc.

También podría gustarte