NumPy Creación de matrices
Crear un objeto ndarray NumPy
NumPy se utiliza para trabajar con matrices. El objeto de matriz en NumPy se llama
ndarray
.
Podemos crear un
ndarray
objeto NumPy usando la array()
función.
Ejemplo
import numpy as np
arr = np.array([1, 2, 3, 4, 5])
print(arr)
print(type(arr))
type(): esta función integrada de Python nos dice el tipo de objeto que se le pasa. Al igual que en el código anterior, muestra que arr
es
numpy.ndarray
tipo.
Para crear un ndarray
, podemos pasar una lista, una tupla o cualquier objeto similar a una matriz al array()
método, y se convertirá en un
ndarray
:
Ejemplo
Use una tupla para crear una matriz NumPy:
import numpy as np
arr = np.array((1, 2, 3, 4, 5))
print(arr)
Dimensiones en arreglos
Una dimensión en matrices es un nivel de profundidad de matriz (matrices anidadas).
matriz anidada: son matrices que tienen matrices como sus elementos.
Matrices 0-D
Los arreglos 0-D, o escalares, son los elementos de un arreglo. Cada valor en una matriz es una matriz 0-D.
Ejemplo
Cree una matriz 0-D con valor 42
import numpy as np
arr = np.array(42)
print(arr)
Matrices 1-D
Una matriz que tiene matrices 0-D como elementos se denomina matriz unidimensional o 1-D.
Estas son las matrices más comunes y básicas.
Ejemplo
Cree una matriz 1-D que contenga los valores 1,2,3,4,5:
import numpy as np
arr = np.array([1, 2, 3, 4, 5])
print(arr)
Arreglos 2-D
Una matriz que tiene matrices 1-D como sus elementos se denomina matriz 2-D.
Estos se utilizan a menudo para representar matrices o tensores de segundo orden.
NumPy tiene un submódulo completo dedicado a las operaciones matriciales llamado
numpy.mat
Ejemplo
Cree una matriz 2-D que contenga dos matrices con los valores 1,2,3 y 4,5,6:
import numpy as np
arr = np.array([[1, 2, 3], [4, 5, 6]])
print(arr)
arreglos tridimensionales
Un arreglo que tiene arreglos 2-D (matrices) como sus elementos se llama arreglo 3-D.
Estos se utilizan a menudo para representar un tensor de tercer orden.
Ejemplo
Cree una matriz 3D con dos matrices 2D, ambas con dos matrices con los valores 1,2,3 y 4,5,6:
import numpy as np
arr = np.array([[[1, 2, 3], [4, 5, 6]], [[1, 2, 3], [4, 5, 6]]])
print(arr)
¿Verificar número de dimensiones?
NumPy Arrays proporciona el ndim
atributo que devuelve un número entero que nos dice cuántas dimensiones tiene la matriz.
Ejemplo
Compruebe cuántas dimensiones tienen las matrices:
import numpy as np
a = np.array(42)
b = np.array([1, 2, 3, 4, 5])
c = np.array([[1, 2, 3], [4, 5, 6]])
d = np.array([[[1, 2, 3], [4, 5, 6]], [[1, 2, 3], [4, 5, 6]]])
print(a.ndim)
print(b.ndim)
print(c.ndim)
print(d.ndim)
Matrices de dimensiones superiores
Una matriz puede tener cualquier número de dimensiones.
Cuando se crea la matriz, puede definir el número de dimensiones utilizando el ndmin
argumento.
Ejemplo
Cree una matriz con 5 dimensiones y verifique que tenga 5 dimensiones:
import numpy as np
arr = np.array([1, 2, 3, 4], ndmin=5)
print(arr)
print('number of dimensions :', arr.ndim)
En esta matriz, la dimensión más interna (quinta dimensión) tiene 4 elementos, la cuarta dimensión tiene 1 elemento que es el vector, la tercera dimensión tiene 1 elemento que es la matriz con el vector, la segunda dimensión tiene 1 elemento que es una matriz 3D y 1st dim tiene 1 elemento que es una matriz 4D.