Arreglos N-dimensionales

} Identificar las propiedades de los arreglos

Ndimensionales como herramienta de
agrupación de datos.

} Aplicar técnicas de indexación y slicing para

la manipulación de datos representados
como arreglos Ndimensionales.

} Utilizar las operaciones aritméticas,

estadísticas y la técnica de broadcasting para
la resolución de problemas.
} Propiedades
} Indexación básica.
} Indexación con arreglos.
} Indexación booleana.
} Slicing
} Operaciones aritméticas, estadísticas y
de ordenamiento.
} Broadcasting
} Similar a una matriz.

} En Python es una lista cuyos elementos son

listas que tienen la misma longitud y
contienen elementos del mismo tipo.

} En Python existen módulos especiales. Ej:

NumPy
 } Se puede utilizar para representar cuadros de
datos organizados por filas y columnas.

Agosto Septiembre Octubre Noviembre

Frank 100 105 110 115
Pepe 120 125 130 135
Maria de
Loudes 80 85 90 95

matriz = [[100,105,110,115],[120,125,130,135],[80,85,90,95]]
} Es una librería de soporte para aplicaciones
matemáticas, científicas y de ingeniería.

} Soporte para arreglos cuyos elementos

siempre sean del mismo tipo.

} Para utilizar esta librería es necesario instalar

los binarios e importar la librería
} axis: dimensiones
} rank: número de dimensiones
} sum() #suma todos los elementos
} prod() #producto de todos los elementos
} mean() #media aritmética
} std() #desviación estándar
} sort() #ordenamiento por fila
} linalg.det() #determinante
} linalg.inv() #inversa
} diagonal() #elementos de la diagonal
} transpose() #media aritmética
} tril() #triangular inferior
} triu() #triangular superior
} a=np.zeros([3,4], int) #matriz cero
3x4 tipo #entero
} a=np.ones([3,4], float) #matriz de unos
#3x4 floats
} a=np.identity(5) #matriz
identidad #5x5
} a=np.arange(9) #secuencia de
#valores del 0
al 9
} np.append(a, [0,1,2])
} np.delete(a, [0,1]) #representa los
#indices a eliminar
} a.transpose()