1.3. NumPy: creación y manipulación de datos numéricos

Autores:Emmanuelle Gouillart, Didrik Pinte, Gaël Varoquaux, and Pauli Virtanen

En este capítulo se ofrece una visión general de Numpy, la herramienta fundamental para cálculo numérico de alto rendimiento con Python.

---

• 1.3.1. El objeto array numpy
  • 1.3.1.1. Que es Numpy y los array numpy
  • 1.3.1.2. Documentación de referencia
  • 1.3.1.3. Convención para importar
  • 1.3.1.4. Creando arreglos
  • 1.3.1.5. Funciones para crear arreglos
  • 1.3.1.6. Tipos de datos básicos
  • 1.3.1.7. Visualización básica
  • 1.3.1.8. Indexado y segmentado
  • 1.3.1.9. Copias y vistas
  • 1.3.1.10. Indexado fancy
    • 1.3.1.10.1. Usando enmascarado booleano
    • 1.3.1.10.2. Indexado con una arreglo de enteros
• 1.3.2. Operaciones numéricas con arreglos
  • 1.3.2.1. Operaciones elemento a elemento
  • 1.3.2.2. Reducciones básicas
  • 1.3.2.3. Broadcasting
  • 1.3.2.4. Manipulando las dimensiones de un arreglo
    • 1.3.2.4.1. Aplanado
    • 1.3.2.4.2. Reshaping
    • 1.3.2.4.3. Agregando una dimensión
    • 1.3.2.4.4. Cambiando dimensiones
    • 1.3.2.4.5. Resizing
    • 1.3.2.4.6. Algunos ejemplos del mundo real
  • 1.3.2.5. Ordenando datos
  • 1.3.2.6. Resumen
• 1.3.3. Arreglos más elaborados
  • 1.3.3.1. Más tipos de datos
    • 1.3.3.1.1. Conversión de tipos
    • 1.3.3.1.2. Tamaños de tipos de datos
  • 1.3.3.2. Tipos de datos estructurados
  • 1.3.3.3. maskedarray: tratando con datos que faltan
• 1.3.4. Operaciones avanzadas
  • 1.3.4.1. Polinomios
    • 1.3.4.1.1. Más polinomios (con más bases)
  • 1.3.4.2. Cargando archivos de datos
    • 1.3.4.2.1. Archivos de texto
    • 1.3.4.2.2. Imágenes
    • 1.3.4.2.3. Formato propio de Numpy
    • 1.3.4.2.4. Formatos bien conocidos (y más obscuros) de archivo
• 1.3.5. Some exercises
  • 1.3.5.1. Array manipulations
  • 1.3.5.2. Picture manipulation: Framing Lena
  • 1.3.5.3. Data statistics
  • 1.3.5.4. Crude integral approximations
  • 1.3.5.5. Mandelbrot set
  • 1.3.5.6. Markov chain