Python - NumPy

NumPy es una extensión de Python, que se utiliza para el soporte de vectores y matrices. Construyendo una biblioteca de funciones matemáticas de alto nivel para operar con dichos vectores o matrices.

Programa 1

import numpy as np
a=np.append([1,2,3],[[4,5,6],[7,8,9]])
print("Primero", a)

En este programa se puede observar como todos los datos anteriores los

metió dentro de una lista.

Programa 2

import numpy as np

#Cuando se especifica el eje, valores
b=np.append([[1,2,3],[4,5,6]],[[7,8,9]], axis=0)
print(b)
#matrices
print(b.ndim)
#forma
print(b.shape)

Este programa imprime la matriz y dice su dimensión y su tamaño

Programa 3
import numpy as np
#Auto llenado
print()
a=np.arange(10)   #0...n-1 (!)
print("Primer auto llenado", a)
b=np.arange(1,9,2)  #inicio, final (excluido), paso
print("Llenado por eleccion", b)
c=np.linspace(0,1,6) #inicio, final, numero de puntos
print("Llenado de ṕuntos", c)
d=np.linspace(0,1,5,endpoint=False)
print("Aun no se", d)

Estas son diferentes formas crear un auto llenado.

Programa 4
import numpy as np
#Opciones
a=np.ones((3,3))
print(a)
#Llena de unos
b=np.zeros((2,2))
print(b)
#Llena de ceros
c=np.eye(3)
print(c)
#Diagonal principal la llena con 1 y la forma es de 3
d=np.diag(np.array([1,2,3,4]))
print(d)
#Llena la diagonal principal con los valores dados
a=np.random.rand(4)
print(a)
#Arreglo de 4 dimenciones
b=np.random.randn(4)
print(b)

Programa 5

import numpy as np

d=np.array([1+2j, 3+4j, 5+6*1j])
print(d.dtype)
e=np.array([True, False, True, False])
print(e.dtype)
f=np.array(['Bonjour', 'Hello', 'Hallo'])
print(f.dtype)

En este programa se utiliza el "  .dtype" para saber que tipo de archivo se esta

utilizando

Programa 6

import numpy as np

a=np.diag(np.arange(3))
print(a)
a[2,1]=10  #Tercera fila, segunda columna
print(a)
a=np.arange(10)
print(a)

La función "np.diag(np.arange( ))" imprime y enumera en diagonal una matriz

 empezando de 0, y para definir sus dimensiones se le agrega en el ultimo paréntesis.

Para agregar un valor definido se tiene que hacer por medio de coordenadas.

Programa 7

import numpy as np

a=np.arange(12).reshape(3,4)
print(a)
i=np.array([[0,1],[1,2]])
a[i, 2]   #Lo mismo es a[i, 2*np.ones((2, 2), dtype=int)]
print(i)

En la primera matriz la rellena automáticamente y le da la forma, en la segunda la

llena como lo ingreso el programador

Programa 8

import numpy as np
b=np.array([[0,1,2],[3,4,5]])
print(b)
print(b.ndim)
print(b.shape)
print(len(b))
print()

c=np.array([[1,2,3],[4,5,6],[7,8,9]])
print(c)
print(c.ndim)
print(c.shape)
print(len(c))
print()

d=np.array([[[1], [2]], [[3], [4]]])
print(d)
print(d.ndim)
print(d.shape)  #x y z (2, 2, 1)
print(len(d))
print()

Este programa muestra los diferentes tipos de matrices y a cada uno de ellos le saca

su dimension, tamaño y longitud.

Programa 9

import numpy as np

print('Sumas', ' ', 'Multiplicacion')
a=np.array([1, 2, 3, 4])
print(a)
a=a+1
print(a)
a=a*3
print(a)
print()

Programa 10

import numpy as np

x1=np.array([[[1,2,3],[3,4,5]],[6,7,8]])
y1=np.array((1,2,3))
print('de x ',x1.ndim)
print('de y ',y1.ndim)
print()

Imprime las dimensiones de cada matriz correspondiente

Programa 11

import numpy as np

print('Operadores')
a=np.array([1,1,0,0], dtype=bool)
b=np.array([1,0,1,0], dtype=bool)
print(a|b)
print(a&b)
print(a^b)
print()

Los 1 son True en el lenguaje booleano y los 0 son False

Programa 12

import numpy as np
from numpy import matrix

print("Suma renglon y columna")
x=np.array([[1,1],[2,2]])
print(x)
#por columna
print(x.sum(axis=0))
#por renglon
print(x.sum(axis=1))
print()

print('Multiplicacion')
a=matrix([[1,3,-5],[3,4,2],[-5,2,0]]) #Aqui se usa el matrix para poder multiplicar directamente las matrices, en ves de usar un for
print(a)
b=matrix([[1],[5],[3]])
print(b)
a=a*b  #Aqui se demuestra la multiplicacion de las matrices
print(a)
print()

En la primera matriz se muestra como realizar sumas por renglón y columna, sin embargo

usando la función "matrix" se pueden realizar operaciones directamente con las matrices.

Programa 13

import numpy as np
from numpy import matrix
a=matrix([[1,3,-5],[3,4,2],[-5,2,0]]) #Aqui se usa el matrix para poder multiplicar directamente las matrices, en ves de usar un for
print(a)
b=matrix([[1],[5],[3]])
print(b)
a=a*b  #Aqui se demuestra la multiplicacion de las matrices
print(a)
print()

#Estadistico
#Desviacion media
x=np.array([1,2,3,4])
print(x.mean())
#Desviacion estandar
print(x.std)
print(np.median(x))
print(x.min())
print(x.max())
#Indice maximo
print(np.argmax(x))
#Algebra lineal basica
print('Transpuestas')
b=matrix(([1],[5],[3]))
print(b.T)  #Calculamos la transpuesta de *o*
print(b.H)  #Calculamos la hermitica (transpuesta)
c=a.I   #Calculamos la inversa de *b*
print(c)
print(a*c)  #Multiplicamos las matrices *a* y *c*

Programa 14

import numpy as np
a=np.array([[1,2],[3,4]])
print(np.linalg.det(a))
a=np.array([ [[1,2],[3,4]], [[1,2],[2,1]],[[1,3],[3,1]] ])
print(a.shape)
print(np.linalg.det(a))
b=np.array([ [3,2,1], [0,2,-5], [-2,1,4] ])
print(b.shape)
print(np.linalg.det(b))

Con la función "np.linalg.det" se saca el determinante de una función.

Si deseas aprender mas sobre python a continuación te dejo unos links

• Turtle = http://ind-programacion.blogspot.mx/2018/05/python-turtle.html
• Función "if" = http://ind-programacion.blogspot.mx/2018/04/python-ciclo-if.html
• Función "for" = http://ind-programacion.blogspot.mx/2018/04/python-ciclo-for.html
• Función "while" = http://ind-programacion.blogspot.mx/2018/04/python-ciclo-while.html
• Graficas y cadenas = http://ind-programacion.blogspot.mx/2018/04/python-graficas-y-cadenas.html
• Funciones recursivas = http://ind-programacion.blogspot.mx/2018/04/python-funciones-recursivas.html
• Operaciones con números imaginarios = http://ind-programacion.blogspot.mx/2018/04/python-numeros-complejos.html

Esparza Muñoz Larissa Citlali