Temario Lección 78 de 250 · Fundamentos de datos: numpy y pandas
Fundamentos de datos: numpy y pandas

Vectorización y broadcasting

La aritmética con arrays se hace elemento a elemento, sin ningún bucle:

import numpy as np
a = np.array([1, 2, 3])
b = np.array([10, 20, 30])
print(a + b)     # [11 22 33]
print(a * b)     # [10 40 90]
print(b / a)     # [10. 10. 10.]

El broadcasting es la forma en que numpy estira una forma más pequeña para que encaje con una más grande. Un solo número (un escalar) se aplica a cada elemento:

a = np.array([1, 2, 3])
print(a + 100)   # [101 102 103]
print(a ** 2)    # [1 4 9]

También funciona entre filas. Una fila 1D de longitud 3 se extiende a todas las filas de una cuadrícula de 2x3:

grid = np.array([[1, 2, 3],
                 [4, 5, 6]])
bonus = np.array([10, 20, 30])
print(grid + bonus)
# [[11 22 33]
#  [14 25 36]]

Las comparaciones también están vectorizadas y dan un array booleano, que pronto usaremos para filtrar:

scores = np.array([55, 90, 70, 40])
print(scores >= 60)   # [False  True  True False]

El código vectorizado es más corto y muchísimo más rápido que el bucle de Python equivalente.

Tu turno

Parte de celsius = np.array([0, 10, 20, 30]). Con operaciones vectorizadas (sin bucle), pasa a Fahrenheit con la fórmula F = C * 9/5 + 32 y guárdalo en fahrenheit. Luego construye un array booleano warm que sea True donde fahrenheit sea al menos 60.

¿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.