NumPy

numpy.asarray

Leer más sobre numpy.asarray

La función numpy.asarray convierte una estructura de datos en un array NumPy.

Esta función es semejante a np.array (aunque con menos opciones), siendo la mayor diferencia el hecho de que np.array genera -por defecto- una copia independiente de la estructura pasada como argumento, mientras que numpy.asarray no.

numpy.nan

Leer más sobre numpy.nan

numpy.nan es un valor especial de la librería NumPy que representa el valor nulo.

numpy.number

Leer más sobre numpy.number

numpy.number es una clase de la librería NumPy que representa a todos los tipos numéricos.

Adición de elementos a un array NumPy

Leer más sobre Adición de elementos a un array NumPy

Siempre llega el momento en el que tienes un array NumPy unidimensional al que quieres añadir un valor adicional (por ejemplo) y te das cuenta de que no es tan inmediato como parece.

La función np.concatenate()

La función np.concatenate() nos permite "concatenar" dos arrays a lo largo de un cierto eje. Por ejemplo:

a = np.arange(4).reshape(2, 2)
b = np.arange(10, 14).reshape(2, 2)

a, b

Inversión de un array NumPy

Leer más sobre Inversión de un array NumPy

En ocasiones nos encontramos con que necesitamos invertir un array NumPy. Por ejemplo partimos del array:

numbers = np.array(["one", "two", "three", "four"])
numbers

array(['one', 'two', 'three', 'four'], dtype='<U5')

...y deseamos obtener el mismo array tras invertir sus elementos. Una opción es extraer los valores del array "hacia atrás":

numbers[::-1]

array(['four', 'three', 'two', 'one'], dtype='<U5')

Ordenación de un array NumPy según los valores de otro array

Leer más sobre Ordenación de un array NumPy según los valores de otro array

En este escenario partimos de un array NumPy que, en nuestro ejemplo, contiene nombres:

names = np.array(["Susana", "Jorge", "Alicia", "Alfonso"])

...y de otro array, de la misma longitud, que contiene, en este ejemplo, edades:

ages = np.array([53, 29, 33, 19])

Evaluación de la proximidad de los valores de dos arrays NumPy

Leer más sobre Evaluación de la proximidad de los valores de dos arrays NumPy

En ocasiones nos encontramos con la necesidad de comparar dos arrays NumPy cuyos valores son casi idénticos. Por ejemplo, supongamos que estamos trabajando con los dos siguientes arrays:

import numpy as np

a = np.array([[2, 1], [0, 3]])
a

array([[2, 1],
[0, 3]])

b = np.array([[1.999999999, 1], [0.0000000001, 2.99999999]])
b

División de un dataframe en bins definidos por una característica

Leer más sobre División de un dataframe en bins definidos por una característica

El objetivo en este escenario es, partiendo de un dataframe, generar bins (bloques) definidos por los valores que tome una de las características y, a continuación, dividir el dataframe según estos bins.

Veamos un ejemplo muy sencillo: Supongamos que estamos trabajando con el dataset Iris y queremos dividirlo en N grupos en función de los valores que tome la característica "sepal_length". Tendríamos que crear N bins basados en los valores de sepal_length y, a continuación, asignar cada registro del dataframe a uno de los bins.

Comparación de dos arrays NumPy

Leer más sobre Comparación de dos arrays NumPy

Podemos comparar dos arrays NumPy a y b del mismo tamaño con el operador igualdad (==):

a == b

Esto nos va a devolver un array del mismo tamaño que a y b formado por booleanos indicando si el elemento correspondiente coincide en ambos arrays:

a = np.array([[1, 2, 3], [2, 3, 4]])
b = np.array([[1, 3, 3], [2, 3, 4]])