Temario Lección 77 de 250 · Fundamentos de datos: numpy y pandas
Fundamentos de datos: numpy y pandas

Crear arrays y acceder a sus elementos

Hay varias formas de crear arrays. Las más comunes:

import numpy as np
a = np.array([1, 2, 3])      # from a list
b = np.arange(0, 10, 2)      # like range: [0 2 4 6 8]
z = np.zeros(4)              # [0. 0. 0. 0.]
o = np.ones((2, 3))          # a 2x3 grid of ones

Todo array tiene un dtype (el tipo de sus elementos) y una shape (su tamaño en cada dimensión):

a = np.array([1, 2, 3])
print(a.dtype)   # int32 or int64 depending on the platform (int32 in this browser)
print(a.shape)   # (3,)   one dimension, length 3

grid = np.array([[1, 2, 3], [4, 5, 6]])
print(grid.shape)  # (2, 3)   2 rows, 3 columns

La indexación y el slicing funcionan como en las listas, y empiezan en 0:

a = np.array([10, 20, 30, 40, 50])
print(a[0])     # 10
print(a[-1])    # 50
print(a[1:4])   # [20 30 40]   start included, stop excluded

En un array 2D, indexa con grid[row, col]:

print(grid[0, 2])   # 3  (row 0, column 2)
print(grid[1])      # [4 5 6]  (the whole second row)
Tu turno

Con numpy: construye steps = np.arange(0, 10, 2) (los números pares de 0 a 8). Guarda su forma en shp. Luego toma con un slice los tres valores del medio (índices 1, 2 y 3) en mid.

¿Has visto un problema en esta lección? Avísanos · Preguntar sobre esta lección

Este ejercicio se abre pronto

Termina la lección anterior y esta se desbloquea. Todo el curso es gratis, no hace falta cuenta, y puedes leer esta lección ahora mismo.