Creación de Arrays NumPy: Guía Completa

NumPy es una biblioteca fundamental en el ecosistema de computación científica de Python. Su fortaleza radica en el ndarray (array n-dimensional), una estructura de datos altamente eficiente que permite cálculos numéricos rápidos en conjuntos de datos extensos. Este tutorial profundiza en la creación de diversos arrays NumPy, centrándose en varios tipos de arrays fundamentales.

Tabla de Contenido

1. Creando Arrays de Ceros
2. Creando Arrays de Unos
3. Creando Arrays Identidad y Diagonales
4. Creando Arrays Triangulares
5. Creando Arrays con un Valor de Relleno Especificado
6. Creando Arrays con Valores Aleatorios

Creando Arrays de Ceros

Generar arrays llenos de ceros es una tarea frecuente. La función zeros() de NumPy simplifica esto. Acepta la forma del array (un solo entero para 1D o una tupla para dimensiones superiores) y un argumento dtype opcional para especificar el tipo de datos.

import numpy as np

# Array 1D de ceros
zeros_1d = np.zeros(5)
print("Array de Ceros 1D:n", zeros_1d)

# Array 2D de ceros
zeros_2d = np.zeros((3, 4), dtype=int) # dtype explícito para claridad
print("nArray de Ceros 2D:n", zeros_2d)

Creando Arrays de Unos

De manera similar, ones() crea arrays inicializados con unos. Utiliza los mismos argumentos que zeros(): forma y tipo de datos.

import numpy as np

# Array 1D de unos
ones_1d = np.ones(4, dtype=float) # El dtype explícito es una buena práctica
print("Array de Unos 1D:n", ones_1d)

# Array 2D de unos
ones_2d = np.ones((2, 3))
print("nArray de Unos 2D:n", ones_2d)

Creando Arrays Identidad y Diagonales

La función eye() genera arrays con unos a lo largo de la diagonal principal y ceros en otros lugares (una matriz identidad para arrays cuadrados). Un argumento k opcional permite especificar un desplazamiento para la diagonal.

import numpy as np

# Matriz identidad 3x3
identity_matrix = np.eye(3)
print("Matriz Identidad:n", identity_matrix)

# Matriz 3x3 con unos en la diagonal desplazada en 1
offset_diagonal = np.eye(3, k=1)  # k=1 desplaza la diagonal una posición a la derecha
print("nDiagonal Desplazada en 1:n", offset_diagonal)

Creando Arrays Triangulares

NumPy proporciona triu() (triangular superior) y tril() (triangular inferior) para extraer o crear porciones triangulares de arrays. Los elementos debajo (triu) o encima (tril) de la diagonal principal se convierten en cero.

import numpy as np

array = np.array([[1, 2, 3],
                  [4, 5, 6],
                  [7, 8, 9]])

upper_triangular = np.triu(array)
print("Array Triangular Superior:n", upper_triangular)

lower_triangular = np.tril(array)
print("nArray Triangular Inferior:n", lower_triangular)

Creando Arrays con un Valor de Relleno Especificado

La función full() le permite crear arrays llenos con cualquier valor especificado.

import numpy as np

filled_array = np.full((2,3), 7)
print(filled_array)

Creando Arrays con Valores Aleatorios

El módulo random de NumPy proporciona funciones para crear arrays con números aleatorios de varias distribuciones. Por ejemplo, rand() crea un array de números flotantes aleatorios entre 0 y 1.

import numpy as np

random_array = np.random.rand(3, 2)
print(random_array)

Este tutorial cubre técnicas fundamentales de creación de arrays NumPy. Dominar estas técnicas es esencial para la manipulación y el análisis eficientes de datos en la computación científica y la ciencia de datos.