1. Introducción

NumPy es una biblioteca fundamental para la computación científica en Python. Proporciona soporte para grandes matrices y arreglos multidimensionales, junto con una colección de funciones matemáticas para operar con estos arreglos. Si estás empezando con Python y quieres realizar cálculos numéricos, NumPy es una herramienta indispensable.

Instalación

Para instalar NumPy, puedes usar pip:

pip install numpy

Creación de Arreglos

Uno de los aspectos más importantes de NumPy es la creación y manipulación de arreglos. Aquí hay algunos ejemplos básicos:

# Crear un arreglo unidimensional
arr = np.array([1, 2, 3, 4, 5])
print(arr)

[1 2 3 4 5]

Creando un Arreglo Bidimensional (Matriz)

# Crear un arreglo bidimensional
matrix = np.array([[1, 2, 3], [4, 5, 6]])
print(matrix)

[[1 2 3]
 [4 5 6]]

Operaciones Básicas con Arreglos

NumPy facilita realizar operaciones matemáticas en arreglos de manera eficiente.

Suma y Resta de Arreglos

# Crear dos arreglos
arr1 = np.array([1, 2, 3])
arr2 = np.array([4, 5, 6])

# Sumar los arreglos
suma = arr1 + arr2
print("Suma:", suma)

# Restar los arreglos
resta = arr2 - arr1
print("Resta:", resta)

Suma: [5 7 9]
Resta: [3 3 3]

Multiplicación y División de Arreglos

# Multiplicar los arreglos
producto = arr1 * arr2
print("Producto:", producto)

# Dividir los arreglos
division = arr2 / arr1
print("División:", division)

Producto: [ 4 10 18]
División: [4.  2.5 2. ]

Funciones matemáticas

# Crear un arreglo de ángulos en radianes
angles = np.array([0, np.pi/2, np.pi])
print(angles)

# Calcular el seno de los ángulos
seno = np.sin(angles)
print("Seno:", seno)

# Calcular el coseno de los ángulos
coseno = np.cos(angles)
print("Coseno:", coseno)

[0.         1.57079633 3.14159265]
Seno: [0.0000000e+00 1.0000000e+00 1.2246468e-16]
Coseno: [ 1.000000e+00  6.123234e-17 -1.000000e+00]

Funciones estadísticas

# Crear un arreglo de datos
data = np.array([1, 2, 3, 4, 5])

# Calcular la media
mean = np.mean(data)
print("Media:", mean)

# Calcular la mediana
median = np.median(data)
print("Mediana:", median)

# Calcular la desviación estándar
std_dev = np.std(data)
print("Desviación estándar:", std_dev)

Media: 3.0
Mediana: 3.0
Desviación estándar: 1.4142135623730951

Indexación y Slicing

# Crear un arreglo unidimensional
arr = np.array([1, 2, 3, 4, 5])

# Acceder al primer elemento
print("Primer elemento:", arr[0])

# Acceder a los primeros tres elementos
print("Primeros tres elementos:", arr[:3])

# Acceder a los elementos desde el tercer hasta el último
print("Elementos desde el tercero hasta el último:", arr[2:])

Primer elemento: 1
Primeros tres elementos: [1 2 3]
Elementos desde el tercero hasta el último: [3 4 5]

NumPy es una biblioteca poderosa y esencial para la manipulación de arreglos y la realización de cálculos numéricos en Python. Esta introducción básica te ofrece una idea de lo que puedes hacer con NumPy. A medida que te sientas más cómodo con estos conceptos, puedes explorar funcionalidades más avanzadas como álgebra lineal, transformadas de Fourier y generación de números aleatorios.