Temario Lección 76 de 250 · Fundamentos de datos: numpy y pandas
Fundamentos de datos: numpy y pandas

Por qué bibliotecas de datos: de las listas a los arrays

Las listas normales de Python son flexibles, pero para números son lentas y largas de escribir. Duplicar cada valor de una lista obliga a escribir un bucle:

prices = [10, 20, 30]
doubled = []
for p in prices:
    doubled.append(p * 2)
print(doubled)   # [20, 40, 60]

numpy (Numerical Python) te da el ndarray: una cuadrícula de números guardada en un único bloque compacto de memoria. Las operaciones sobre un array entero se hacen en C compilado y rápido, sin ningún bucle de Python. Esto se llama vectorización.

import numpy as np
prices = np.array([10, 20, 30])
print(prices * 2)        # [20 40 60]   no loop needed
print(prices.sum())      # 60
print(prices.mean())     # 20.0

Toda la pila de datos y de aprendizaje automático se apoya en numpy, así que es el primer paso natural. Por convención lo importamos como np.

Construye un array con np.array(a_list) y luego llama directamente a métodos como .sum() y .mean() sobre él. Devuelven números sueltos (un escalar de Python o de numpy), no listas.

Tu turno

Importa numpy como np. Convierte la lista [4, 8, 12, 16] en un array de numpy llamado arr. Luego calcula total como su suma y avg como su media. Imprime avg.

¿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.