NumPy es una biblioteca poderosa que puede ayudarte a manipular matrices y arrays de manera eficiente y rápida en Python.
instalación
pip install numpy
Creación de una matriz:
–
import numpy as np
# Crear una matriz de 3 filas y 4 columnas
matriz = np.array([[1, 2, 3, 4],
[5, 6, 7, 8],
[9, 10, 11, 12]])
print(matriz)
Este código creará una matriz de 3 filas y 4 columnas. La función np.array()
se utiliza para crear la matriz y se pasan los valores de las filas y las columnas como argumentos. Luego, la matriz se imprime utilizando la función print()
.
–
Suma de matrices:
–
import numpy as np
# Crear dos matrices de 2x2
matriz1 = np.array([[1, 2],
[3, 4]])
matriz2 = np.array([[5, 6],
[7, 8]])
# Sumar las dos matrices
suma = matriz1 + matriz2
print(suma)
En este ejemplo, se crean dos matrices de 2×2 y luego se suman utilizando el operador +
. El resultado se almacena en la variable suma
y se imprime utilizando la función print()
–
Cálculo de estadísticas básicas:
–
import numpy as np
# Crear un array de 10 números aleatorios
numeros = np.random.randint(0, 100, size=10)
# Calcular la media, la desviación estándar y el valor máximo
media = np.mean(numeros)
desviacion = np.std(numeros)
maximo = np.max(numeros)
print("Media:", media)
print("Desviación estándar:", desviacion)
print("Valor máximo:", maximo)
Este código crea un array de 10 números aleatorios utilizando la función np.random.randint()
. Luego, se calcula la media, la desviación estándar y el valor máximo utilizando las funciones np.mean()
, np.std()
y np.max()
, respectivamente. Finalmente, se imprimen los resultados utilizando la función print()
.
–
Manipulación de matrices:
–
import numpy as np
# Crear una matriz de 3x3
matriz = np.array([[1, 2, 3],
[4, 5, 6],
[7, 8, 9]])
# Obtener la diagonal principal de la matriz
diagonal = np.diag(matriz)
# Obtener la matriz transpuesta
transpuesta = np.transpose(matriz)
print("Diagonal:", diagonal)
print("Transpuesta:\n", transpuesta)
En este ejemplo, se crea una matriz de 3×3 y se obtiene su diagonal principal utilizando la función np.diag()
. Luego, se obtiene la matriz transpuesta utilizando la función np.transpose()
. Finalmente, se imprimen los resultados utilizando la función print()
.