COMANDO DE EDUCACION Y

DOCTRINA DEL EJÉRCITO

ARREGLOS EN PYTHON
DOCENTE: ING D. LOPEZ
DAVILA
ALA: AL2 TCOM Y. ANAHUA I.
AL2 TCOM M. ARMINTA CC.
AL2 TCOM R. CHAIÑA V.
AL2 T/COM
2024

1
PYTHON
Índice:
A. Introducción 3

1. Arreglos 4

2. Matrices 5

3. Vectores 6

B. Características 4, 5, 6

C. Arreglos unidimensionales 7

D. Arreglos bidimensionales 9

E. 4 ejercicios de arreglos unidimensionales 11

F. 4 ejercicios de arreglos bidimensionales 12

G. Conclusiones 13

H. Bibliografía 14

2
PYTHON
 A. INTRODUCCION
Los arreglos en programación con Python son estructuras de datos
fundamentales que permiten almacenar colecciones de
elementos del mismo tipo de manera eficiente. Similar a las
listas, los arreglos ofrecen operaciones como indexación,
segmentación y concatenación.

3
PYTHON
ARREGLOS (ARRAYS-VECTORES-MATRICES)
1. Arreglos (Arrays)
Un arreglo (o array en inglés) es una estructura de datos que
almacena una colección de elementos del mismo tipo. Los elementos
se almacenan de forma contigua en memoria, y cada elemento tiene
una posición o índice que se utiliza para acceder a él.

B. Características:
 Tamaño fijo: En muchos lenguajes, los arreglos tienen un
tamaño definido cuando se crean, aunque algunos lenguajes
(como Python) tienen arrays o listas dinámicas.
 Acceso rápido: El acceso a los elementos se realiza de forma
eficiente mediante índices.
 Homogeneidad: Todos los elementos en un arreglo deben ser
del mismo tipo de dato (por ejemplo, todos números enteros,
cadenas de texto, etc.).
 Usos: Se utilizan cuando se necesita almacenar una colección
de elementos del mismo tipo y se conoce el tamaño de la
colección de antemano.

4
PYTHON
2. Vectores
Un vector es una estructura de datos similar a un arreglo, pero con la
capacidad de cambiar de tamaño dinámicamente. Es un tipo
especializado de arreglo que puede aumentar o disminuir su tamaño
durante la ejecución del programa. En muchos lenguajes de
programación, el término "vector" se usa para referirse a arreglos
dinámicos que ofrecen flexibilidad para insertar o eliminar elementos.
Características:
 Tamaño dinámico: Los vectores pueden crecer o reducir su
tamaño automáticamente a medida que se agregan o eliminan
elementos.
 Acceso rápido: Al igual que los arreglos, los vectores permiten
acceso rápido a los elementos mediante índices.
 Homogeneidad: Al igual que los arreglos, todos los elementos
deben ser del mismo tipo de dato.
 Usos: Se utilizan cuando no se sabe cuántos elementos serán
necesarios de antemano o cuando el número de elementos
puede cambiar con el tiempo.
3. Matrices

5
PYTHON
Una matriz es una estructura de datos bidimensional (o
multidimensional) que se puede considerar como un arreglo de
arreglos. Cada elemento de la matriz está identificado por dos
índices: uno para la fila y otro para la columna (en el caso de matrices
bidimensionales). Las matrices son fundamentales en matemáticas y
ciencias de la computación, especialmente en el contexto del álgebra
lineal y la manipulación de datos multidimensionales.
Características:
 Estructura bidimensional: Una matriz generalmente tiene filas y
columnas, pero puede extenderse a más dimensiones (3D, 4D,
etc.).
 Acceso mediante múltiples índices: Para acceder a un
elemento, se utiliza más de un índice: uno para la fila y otro
para la columna (o más, en el caso de matrices de más
dimensiones).
 Homogeneidad: Al igual que los arreglos, todos los elementos
de una matriz deben ser del mismo tipo.

En conclusión, cada una de estas estructuras tiene sus aplicaciones

dependiendo del contexto. Los arreglos son más simples y están bien
cuando el tamaño es fijo y conocido. Los vectores son útiles cuando el
tamaño puede cambiar dinámicamente, y las matrices son esenciales
cuando necesitas manejar datos en dos o más dimensiones, como en
álgebra lineal, gráficos, o imágenes.
C. Arreglos unidimensionales
6
PYTHON
Un arreglo unidimensional en Python es una estructura de datos que
permite almacenar una secuencia de elementos, generalmente del
mismo tipo, en una sola "línea" o "dimensión". Estos arreglos son
comúnmente usados para almacenar listas de valores como números,
cadenas o booleanos.

Aplicaciones
Los elementos de un arreglo son variables del tipo base del vector,
por lo que se utilizan de la misma manera en expresiones y demás
instrucciones, como la asignación. Por ejemplo, para asignar un valor
a un elemento de un arreglo basta con escribir:
arreglo[indice] = valor;
en donde arreglo es el nombre de la variable e índice hace referencia
a la posición del elemento al que se le quiere asignar el valor.
 Usando Listas para Arreglos Unidimensionales
En Python, puedes usar listas para manejar un arreglo
unidimensional. A continuación se muestran algunas operaciones
básicas:

7
PYTHON
  Usando numpy para Arreglos Unidimensionales

Si necesitas realizar operaciones matemáticas, la biblioteca numpy

ofrece el tipo de dato ndarray, que es más eficiente para trabajar
con grandes conjuntos de datos numéricos. Puedes instalar numpy
usando pip install numpy.

Operaciones comunes en arreglos unidimensionales de numpy

Suma de elementos: np.sum(arreglo)

Media de elementos: np.mean(arreglo)
Máximo y mínimo: np.max(arreglo), np.min(arreglo)
El uso de numpy es ideal para tareas que requieren eficiencia y
velocidad al trabajar con grandes cantidades de datos numéricos.

D. Arreglos bidimensionales
8
PYTHON
Los arreglos bidimensionales son tablas de valores. Cada
elemento de un arreglo bidimensional está simultáneamente en una
fila y en una columna.
En matemáticas, a los arreglos bidimensionales se les
llama matrices, y son muy utilizados en problemas de Ingeniería.
En un arreglo bidimensional, cada elemento tiene una posición que se
identifica mediante dos índices: el de su fila y el de su columna.

 Usando Listas Anidadas para Arreglos Bidimensionales

En Python, puedes crear un arreglo bidimensional usando listas
anidadas. Cada elemento en la lista principal representa una fila, y
cada sublista representa los elementos de esa fila (columnas).

 Usando numpy para Arreglos Bidimensionales

9
PYTHON
La biblioteca numpy es especialmente útil para trabajar con matrices
y arreglos multidimensionales. Al usar numpy, se puede crear una
matriz bidimensional (arreglo de 2 dimensiones) de manera eficiente.

 Operaciones comunes en arreglos bidimensionales con numpy

Algunas operaciones útiles con arreglos bidimensionales incluyen:
Suma de todos los elementos: np.sum(matriz)
Suma de cada fila o columna: np.sum(matriz, axis=0) (columnas)
o np.sum(matriz, axis=1) (filas)
Media de cada fila o columna: np.mean(matriz, axis=0)
(columnas) o np.mean(matriz, axis=1) (filas)
Transpuesta de la matriz: np.transpose(matriz) o matriz.T
numpy es ideal para operaciones matemáticas y manipulación de
grandes arreglos debido a su eficiencia y facilidad de uso en matrices
multidimensionales.
E. 4 EJERCICIOS UNIDIMENSIONALES
 Encuentra el valor máximo y mínimo de un arreglo de enteros.
10
PYTHON
  Encuentra el valor máximo y mínimo de un arreglo de enteros.

 Escribe un programa que invierta el orden de los elementos en

un arreglo.

 Creación y acceso.

F. 4 EJERCICIOS BIDIMENSIONALES
 Escribe un programa que encuentre la transpuesta de una
matriz.

11
PYTHON
  Escribe un programa que encuentre la transpuesta de una
matriz.

 Escribe un programa para multiplicar dos matrices.

 Crea una tabla de multiplicar.

G. Conclusiones

12
PYTHON
Los arreglos unidimensionales y bidimensionales son herramientas
básicas que facilitan la organización de datos y permiten realizar
operaciones en datos secuenciales o en tablas. Los unidimensionales
son sencillos y eficientes para datos lineales, mientras que los
bidimensionales ofrecen una estructura más rica para datos en dos
dimensiones, pero con un coste adicional en memoria y complejidad
de manejo. La elección entre uno y otro depende del tipo de datos
que se desee representar y de las operaciones a realizar sobre ellos.

H. Bibliografía:

13
PYTHON
https://www.programarya.com/Cursos/Python/estructuras-de-datos/
listas
Arreglos bidimensionales — Programación
Python - Arreglos unidimensionales

14
PYTHON