Numpy: Introducción y entorno

Numpy
Numpy
Actualizado: 13/03/2025

¡Desbloquea el curso completo!

IA
Ejercicios
Certificado
Entrar

Numpy es una biblioteca fundamental para el cálculo numérico en Python. Proporciona soporte para arrays multidimensionales y funciones matemáticas de alto nivel, lo que facilita el trabajo con grandes volúmenes de datos. En este módulo, exploraremos cómo configurar y utilizar Numpy en tu entorno de desarrollo.

Instalación de Numpy

Para comenzar a utilizar Numpy, primero debemos instalarlo. La forma más común es a través de pip, el sistema de gestión de paquetes de Python. Ejecuta el siguiente comando en tu terminal:

pip install numpy

Si estás utilizando un entorno virtual, asegúrate de activarlo antes de ejecutar el comando de instalación.

Configuración del entorno

Guarda tu progreso

Inicia sesión para no perder tu progreso y accede a miles de tutoriales, ejercicios prácticos y nuestro asistente de IA.

Progreso guardado
Asistente IA
Ejercicios
Iniciar sesión gratis

Más de 25.000 desarrolladores ya confían en CertiDevs

Configurar correctamente tu entorno de desarrollo es crucial para trabajar eficientemente con Numpy. Aquí te mostramos cómo configurar un entorno básico utilizando virtualenv:

  1. Crear un entorno virtual:
    python -m venv mi_entorno
  1. Activar el entorno virtual:
  • En Windows:
        .\mi_entorno\Scripts\activate
  • En macOS/Linux:
        source mi_entorno/bin/activate
  1. Instalar Numpy en el entorno virtual:
    pip install numpy

Primeros pasos con Numpy

Una vez que Numpy está instalado y tu entorno configurado, es momento de comenzar a utilizarlo. Importa la biblioteca en tu script de Python de la siguiente manera:

import numpy as np

Creación de arrays

Numpy facilita la creación y manipulación de arrays. Aquí tienes algunos ejemplos básicos:

  • Array unidimensional:
    arr1 = np.array([1, 2, 3, 4, 5])
  • Array bidimensional:
    arr2 = np.array([[1, 2, 3], [4, 5, 6]])
  • Array de ceros:
    zeros = np.zeros((3, 3))
  • Array de unos:
    ones = np.ones((2, 2))

Operaciones básicas

Numpy permite realizar operaciones matemáticas de manera eficiente. Aquí algunos ejemplos:

  • Suma de arrays:
    a = np.array([1, 2, 3])
    b = np.array([4, 5, 6])
    suma = a + b
  • Producto de arrays:
    producto = a * b
  • Producto matricial:
    matriz1 = np.array([[1, 2], [3, 4]])
    matriz2 = np.array([[5, 6], [7, 8]])
    producto_matricial = np.dot(matriz1, matriz2)

Indexación y slicing

Trabajar con subconjuntos de datos es sencillo en Numpy. Aquí algunos ejemplos de indexación y slicing:

  • Indexación simple:
    elemento = arr1[2]  # Resultado: 3
  • Slicing:
    sub_array = arr1[1:4]  # Resultado: [2, 3, 4]
  • Indexación con arrays:
    indices = [0, 2, 4]
    elementos = arr1[indices]  # Resultado: [1, 3, 5]

Completa Numpy y certifícate

Únete a nuestra plataforma y accede a miles de tutoriales, ejercicios prácticos, proyectos reales y nuestro asistente de IA personalizado para acelerar tu aprendizaje.

Asistente IA

Resuelve dudas al instante

Ejercicios

Practica con proyectos reales

Certificados

Valida tus conocimientos

Más de 25.000 desarrolladores ya se han certificado con CertiDevs

⭐⭐⭐⭐⭐
4.9/5 valoración