0% encontró este documento útil (0 votos)
24 vistas3 páginas

Numpy y Scipy - GaColimba

Cargado por

Gustavo Colimba
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd
0% encontró este documento útil (0 votos)
24 vistas3 páginas

Numpy y Scipy - GaColimba

Cargado por

Gustavo Colimba
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd
Está en la página 1/ 3

1088650668 1

NUMPY Y SCIPY
Colimba Chiran Gustavo Adolfo

lentas de procesar. NumPy tiene como objetivo proporcionar


Resumen – Este Articulo presenta dos paquetes orientados a la un objeto de matriz que sea hasta 50 veces más rápido que las
computación científica en Python. NUMPY considerado como listas tradicionales de Python [3]. Lo anterior debido a que las
una biblioteca que permite trabajar con matrices y matrices matrices se utilizan con mucha frecuencia en la ciencia de
multidimensionales con una variedad de rutinas para
operaciones rápidas entre estas Matrices; por otro lado se
datos, donde la velocidad y los recursos son muy importantes.
presenta a SCIPY como un conjunto de herramientas numéricas
de código abierto para Python que se basan en Numpy Una matriz NumPy es una matriz multidimensional de objetos
proporcionando al usuario comandos y clases de alto nivel para del mismo tipo. En la memoria, es un objeto que apunta a un
manipular y visualizar datos. bloque de memoria, realiza un seguimiento del tipo de datos
almacenados en esa memoria, realiza un seguimiento de
Índice de Términos – Numpy, scipy, paquete, Biblioteca,Codigo
abierto, Algoritmo, Matriz.
cuántas dimensiones hay y qué tan grande es cada una y, lo
que es más importante, el espacio entre los elementos. a lo
largo de cada eje [4].
I. INTRODUCCIÓN
Para importar esta biblioteca se utilizara las siguientes

L os paquetes para la computación científica y la manipulación


instrucciones.

import numpy as np
de datos en Python son una herramienta muy útil para la informática
científica. Las matemáticas tratan una gran cantidad de conceptos
que son muy importantes, pero, al mismo tiempo, complejos y Creacion de arreglos Unidimencionales.
requieren mucho tiempo. Sin embargo, Python proporciona
bibliotecas como Numpy y SciPy que resuelven este problema.
A partir de una lista de Python
Python es uno de los lenguajes de programación más empleados en el
campo del análisis de datos, por su versatilidad y sinfín de librerías Lista=[1,2,3,4,5]
adaptadas a dicho fin, en este artículo se mostrará un comparativo a= np.array(Lista)
entre Numpy y Scipy que un buen científico de datos debe conocer
obligatoriamente [1]. Creación de arreglos de 2 dimenciones
.
b=np.array([[10,20,30],[40,50,60]])
II. DEFINICIÓN

Numpy: Significa Pitón Numérico y es el paquete más SCIPY: Es la biblioteca de software para operaciones
fundamental sobre el que se construyen todas las bibliotecas científicas como Álgebra Lineal, Estadística, Optimización,
científicas. NumPy es un módulo de extensión de Python que entre otras y está construida sobre la biblioteca NumPy.
proporciona un funcionamiento eficiente en matrices de datos
homogéneos. Permite que Python sirva como un lenguaje de SciPy es un conjunto de herramientas científicas y numéricas
alto nivel para manipular datos numéricos, muy parecido, por de código abierto (licencia BSD) para Python. Actualmente
ejemplo, a IDL o MATLAB [2]. admite funciones especiales, integración, solucionadores de
ecuaciones diferenciales ordinarias (ODE), optimización de
Esta herramienta se la utiliza para trabajar con Matrices, pero gradientes, herramientas de programación paralela, un
tambien tiene funciones para trabajar en el dominio de compilador de expresión a C ++ para una ejecución rápida y
Algebra lineal y Transformada de fourier. otros. Una buena regla general es que si está cubierto en un
libro de texto general sobre computación numérica (por
¿Porque utilizar Numpy? ejemplo, la conocida serie Numerical Recipes), probablemente
esté implementado en SciPy [5].
En Python tenemos listas que sirven como matrices, pero son
1088650668 2

Subpaquetes en SciPy ayuda():Para obtener información sobre cualquier función,


puede utilizar la función help () . Hay dos formas de utilizar
Muchas herramientas de software dedicadas son necesarias esta función:sin ningún parámetro y usando parámetros
para la computación científica de Python, y SciPy es una de
esas herramientas o biblioteca que ofrece muchos módulos de info (): Esta función devuelve información sobre las
Python con los que se puede trabajar para realizar operaciones funciones, módulos, etc. deseados.
complejas [6].
A continuacion se muestra la siguiente Tabla de varios scipy.info (clúster)
subpaquetes de Scipy.
fuente(): El código fuente se devuelve solo para los objetos
escritos en Python. Esta función no devuelve información útil
en caso de que los métodos u objetos estén escritos en
cualquier otro lenguaje como C. Sin embargo, en caso de que
desee hacer uso de esta función, puede hacerlo de la siguiente
manera:
scipy.source (clúster)

Funciones exponenciales y trigonométricas: El paquete de


funciones especiales de SciPy proporciona una serie de
funciones a través de las cuales puede encontrar exponentes y
resolver problemas trigonométricos. Ejemplo

de scipy import especial


Imagen 1. Subpaquetes de Scipy a = especial.exp10 (3)
Fuente: https://medium.com/edureka/scipy-tutorial-38723361ba4b imprimir (a)

COMPARACION ENTRE NUMPY Y SCIPY b = especial.exp2 (3)


imprimir (b)
Tanto NumPy como SciPy son bibliotecas de Python que se
utilizan para el análisis matemático y numérico utilizado. c = especial.sindg (90)
NumPy contiene datos de matriz y operaciones básicas como imprimir (c)
clasificación, indexación, etc., mientras que SciPy consta de
todo el código numérico. Aunque NumPy proporciona una d = especial.cosdg (45)
serie de funciones que pueden ayudar a resolver álgebra lineal, imprimir ( D)
transformadas de Fourier, etc., SciPy es la biblioteca que en
realidad contiene versiones completas de estas funciones junto Funciones de integración: SciPy proporciona una serie de
con muchas otras. Sin embargo, si está realizando un análisis funciones para resolver integrales. Desde un integrador
científico con Python, deberá instalar tanto NumPy como diferencial ordinario hasta el uso de reglas trapezoidales para
SciPy, ya que SciPy se basa en NumPy [7] calcular integrales, SciPy es un almacén de funciones para
resolver todo tipo de problemas de integrales.
uno de los objetivos importantes de NumPy es la
compatibilidad, por lo que NumPy intenta conservar todas las producción: SciPy proporciona varias otras funciones para
funciones compatibles con cualquiera de sus predecesores. Por evaluar integrales triples, n integrales, integrales de Romberg,
lo tanto, NumPy contiene algunas funciones de álgebra lineal etc. que puede explorar con más detalle. Para encontrar todos
y transformadas de Fourier, aunque estas pertenecen más los detalles sobre las funciones necesarias, utilice la función
apropiadamente a SciPy. de ayuda.

SciPy contiene versiones más completas de los módulos de


álgebra lineal, así como muchos otros algoritmos numéricos.

FUNCIONES BASICAS

Interaccion con Numpy: SciPy se basa en NumPy y, por lo


tanto, puede hacer uso de las funciones de NumPy para
manejar matrices. Para conocer en profundidad estas
Imagen2. Imagen-Producción
funciones, simplemente puede hacer uso de las funciones help
Fuente: https://medium.com/edureka/scipy-tutorial-
(), info () o source ().
38723361ba4b
1088650668 3

III. CONCLUSIONES

En un mundo ideal, NumPy no contendría nada más que el


tipo de datos de la matriz y las operaciones más básicas:
indexación, clasificación, remodelación, funciones básicas de
elementos, etc. Todo el código numérico residiría en SciPy.

IV. REFERENCIAS

[1] «METODOLOGIA DE LA INVESTIGACION,» [En línea]. Available:


https://sites.google.com/site/51300008metodologia/caracteristicas-
cualitativa-cuantitativa.

[2] Unipython, «LIBRERÍAS PYTHON MÁS UTILIZADAS PARA EL ANÁLISIS


DE DATOS,» [En línea]. Available: https://unipython.com/librerias-
python-mas-utilizadas-para-el-analisis-de-datos/.

[3] d. d. SciPy, «Scipy.org,» 2021. [En línea]. Available:


https://www.scipy.org/scipylib/faq.html#what-is-numpy.

[4] W3Schools, «NumPy Introduction,» 2021. [En línea]. Available:


https://www.w3schools.com/about/default.asp. [Último acceso: 09
05 2021].

[5] G. Learning, «SciPy Tutorial for Beginners-Overview of SciPy library,»


13 Noviembre 2020. [En línea]. Available:
https://www.mygreatlearning.com/blog/scipy-tutorial/.

[6] edureka, «What is Python SciPy and How to use it,» 4 septiembre
2019. [En línea]. Available: https://medium.com/edureka/scipy-
tutorial-38723361ba4b. [Último acceso: 09 05 2021].

También podría gustarte