Introducción al análisis de datos en Python con Numpy

Arrays pregenerados

Crear arrays siempre a partir de listas puede ser muy tedioso, por eso numpy integra varias funciones muy útiles para generar arrays de uso común en el álgebra de matrices.

Array de ceros

Un array de ceros es cuando todos sus elementos son ceros. Podemos generarlos con el método zeros de Numpy:

# %%
import numpy as np
np.zeros(3)

Evidentemente podemos generar arrays multidimensionales, pero para ello tenemos que pasarle al método una lista o tupla con la longitud de sus dimensiones:

np.zeros([3,3])

Array de unos

Lo mismo podemos hacer pero utilizando el método ones:

np.ones([3,3])

Array de identidad

Los arrays de identidad son matrices cuadradas (con el mismo número de filas que de columnas) donde todos los valores son ceros a excepción de la diagonal donde son unos. Podemos generarlos con el método eye:

np.eye(3)

Las matrices de identidad son muy interesantes ya que sus elementos son siempre cero menos cuando los índices de la fila y la columna son el mismo.

Array de rangos

Por último pero no por ello menos importante también es posible generar arrays a partir de un rango de valores. Para hacerlo utilizaríamos el método arange:

# Rango de 0 a 4
np.arange(4)

# Rango 0 a 4 decimal
np.arange(4.)

# Rango de -3 a 4
np.arange(-3, 3)

# Rango de 0 a 20 cada 5 números
np.arange(0, 20, 5)