Numpy: Evaluación Numpy

Creación y manipulación de arrays

Uno de los pilares de Numpy es la creación y manipulación de arrays. Aquí tienes algunos ejercicios para practicar:

Ejercicio 1: creación de arrays

Crea un array unidimensional de números del 1 al 10.

import numpy as np

array = np.arange(1, 11)
print(array)

Ejercicio 2: matrices y operaciones básicas

Crea una matriz 3x3 con valores aleatorios y realiza una transposición.

matrix = np.random.rand(3, 3)
transposed_matrix = np.transpose(matrix)
print(transposed_matrix)

Indexación y slicing

La indexación y el slicing son técnicas esenciales para acceder a los datos dentro de arrays.

Ejercicio 3: slicing

Extrae los primeros tres elementos de un array unidimensional.

array = np.array([10, 20, 30, 40, 50])
sliced_array = array[:3]
print(sliced_array)

Ejercicio 4: indexación avanzada

Selecciona los elementos mayores a 25 de un array.

array = np.array([10, 20, 30, 40, 50])
filtered_array = array[array > 25]
print(filtered_array)

Operaciones matemáticas

Numpy proporciona una amplia gama de funciones matemáticas para operar sobre arrays.

Ejercicio 5: operaciones aritméticas

Suma dos arrays y multiplica uno de ellos por un escalar.

array1 = np.array([1, 2, 3])
array2 = np.array([4, 5, 6])
sum_array = np.add(array1, array2)
scaled_array = array1 * 3
print(sum_array)
print(scaled_array)

Funciones estadísticas

Numpy incluye funciones estadísticas que permiten calcular medidas como la media, la mediana y la desviación estándar.

Ejercicio 6: cálculo de la media y la desviación estándar

Calcula la media y la desviación estándar de un array.

array = np.array([10, 20, 30, 40, 50])
media = np.mean(array)
desviacion_estandar = np.std(array)
print(media)
print(desviacion_estandar)

Álgebra lineal

Numpy también cuenta con un módulo de álgebra lineal que incluye funciones para realizar descomposiciones y resolver sistemas de ecuaciones lineales.

Ejercicio 7: producto de matrices

Calcula el producto de dos matrices 2x2.

matrix1 = np.array([[1, 2], [3, 4]])
matrix2 = np.array([[5, 6], [7, 8]])
product_matrix = np.dot(matrix1, matrix2)
print(product_matrix)

Completa estos ejercicios para evaluar tu nivel de conocimientos en Numpy y reforzar tus habilidades. Recuerda consultar la documentación oficial de Numpy para obtener más detalles y ejemplos.