NumPy en la practica
NumPy en la práctica
Ya conoces los arrays y las operaciones vectorizadas. Ahora veremos patrones que aparecen constantemente en proyectos reales: filtrar con condiciones, cambiar la forma de los datos, combinarlos y prepararlos para un modelo. Estos son los movimientos diarios de un científico de datos.
Filtrado con condiciones booleanas
import numpy as np
edades = np.array([15, 22, 35, 18, 45, 30, 17])
# Una condición devuelve un array de True/False
mayores = edades >= 18
# Se usa como máscara para seleccionar
edades[edades >= 18] # [22 35 18 45 30]
edades[(edades >= 18) & (edades <= 35)] # [22 35 18 30]Atención
En NumPy usa & y | (no and/or) para combinar condiciones, y rodea cada condición con paréntesis. Olvidarlos es uno de los errores más comunes.
Cambiar la forma de los datos
arr = np.arange(12) # [0, 1, ..., 11]
matriz = arr.reshape(3, 4) # 3 filas, 4 columnas
matriz.flatten() # vuelve a 1D
matriz.T # transpuesta (filas <-> columnas)Combinar arrays
a = np.array([1, 2, 3])
b = np.array([4, 5, 6])
np.concatenate([a, b]) # [1 2 3 4 5 6]
np.vstack([a, b]) # apila como filas
np.hstack([a, b]) # apila como columnas (1D -> [1 2 3 4 5 6])Preparar datos para un modelo
Casi todos los modelos esperan datos en una escala comparable. Dos técnicas clásicas:
datos = np.array([100, 200, 300, 150, 250])
# Normalización Min-Max -> rango [0, 1]
normalizado = (datos - datos.min()) / (datos.max() - datos.min())
# Estandarización -> media 0, desviación 1
estandarizado = (datos - datos.mean()) / datos.std()Generar datos para simular
np.random.seed(42) # fija la semilla para resultados reproducibles
# Distribución normal: media 170, desviación 10, 1000 muestras
alturas = np.random.normal(loc=170, scale=10, size=1000)
# Enteros aleatorios entre 1 y 6 (dos dados, 100 tiradas)
dados = np.random.randint(1, 7, size=(100, 2))Consejo
Fija siempre np.random.seed(...) al inicio cuando uses aleatoriedad. Así tus resultados y los de quien revise tu trabajo serán idénticos.
¿Por qué usamos & en lugar de and al combinar condiciones sobre un array de NumPy?
and intenta evaluar la verdad del array entero y lanza un error; & aplica el AND lógico posición a posición, que es lo que queremos para filtrar.Ejercicio práctico
Objetivo: simular y preparar un conjunto de datos.
- Fija la semilla a 42 y genera 200 salarios con
np.random.normal(loc=2500, scale=600, size=200). - Filtra solo los salarios entre 2000 y 3500.
- Estandariza el array filtrado (media 0, desviación 1) y verifica imprimiendo su media y desviación.
- Reorganiza los primeros 12 valores originales en una matriz 3x4 con
reshape.
Entregable: notebook con el array filtrado, sus estadísticas estandarizadas y la matriz 3x4.
Para recordar
- Las máscaras booleanas filtran arrays; combina condiciones con
&y|entre paréntesis. reshape,flatteny.Tcambian la forma sin cambiar los datos.- Normalizar o estandarizar pone los datos en una escala comparable antes de modelar.
