NumPy esencial

Bienvenido a la ruta donde Python es el REY indiscutible: datos e inteligencia artificial. Y la base de todo el ecosistema científico de Python es NUMPY —arrays numéricos ultrarrápidos que permiten operar sobre miles de números de una vez, sin bucles—. Es el cimiento sobre el que se construyen Pandas, scikit-learn y casi todo el análisis de datos. Y lo mejor: NumPy corre AQUÍ MISMO, en vivo. Hoy dominas los arrays y la vectorización, el superpoder del cálculo numérico en Python.

La calculadora que opera sobre todo a la vez

Arrays y vectorización

La primera vez que ejecutes esto, se descargará NumPy (unos segundos); luego es instantáneo:

Un np.array([...]) se ve como una lista, pero opera distinto: gastos.sum(), .mean(), .max(), .std() calculan sobre todo el array de una vez. Y lo clave —la VECTORIZACIÓN—: gastos * 1.19 multiplica CADA elemento por 1.19 sin escribir un bucle, y gastos - 500 resta 500 a todos. Compara con una lista, donde necesitarías [g * 1.19 for g in gastos]: NumPy lo hace más corto Y mucho más rápido (crucial con millones de datos). Estas operaciones "elemento a elemento sin bucle" son el corazón del cálculo científico.

Máscaras booleanas y arrays 2D

Mini-reto

Analiza gastos con NumPy: 1) crea un array con 6 valores de gastos; 2) calcula e imprime la suma, el promedio y el máximo; 3) crea un array con_iva multiplicando por 1.19 (vectorización) y otro con los gastos mayores al promedio (máscara booleana gastos[gastos > gastos.mean()]); 4) bonus: crea una matriz 2D de 2 filas (dos meses de gastos) y suma por columna con axis=0. Compara lo corto que es frente a usar bucles.

Qué sigue

NumPy maneja números en bruto. La próxima lección trae PANDAS —construido sobre NumPy—, que añade ETIQUETAS y estructura: los DataFrames, tablas con columnas nombradas (como una hoja de cálculo) que son LA herramienta para analizar datos del mundo real. El caballo de batalla de todo científico de datos, y también corre en vivo aquí.