NumPy en la práctica

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]

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))

Ejercicio práctico