Creación y propiedades de arrays
np.array(), np.zeros/ones/eye/arange/linspace, shape, dtype, ndim, size.
Creación y propiedades de arrays es una lección gratuita de Learn AI with Python en CoddyKit. Esta es la lección 1 de 4. Puedes leer la lección completa abajo gratuitamente — luego la practicas en el navegador con un editor de código integrado y un tutor de IA 24/7. Forma parte de la ruta de aprendizaje de Learn AI with Python, y tu progreso se sincroniza en la web y la app de CoddyKit. El curso de Learn AI with Python incluye 4 lecciones en total.
El ndarray
El objeto principal de NumPy es el ndarray: una cuadrícula homogénea de números y de tamaño fijo, almacenada en memoria contigua. Esta disposición es lo que hace que NumPy sea rápido.
import numpy as np
a = np.array([1, 2, 3, 4])
print(a) # [1 2 3 4]A partir de listas anidadas
Pase una lista de listas para construir un array bidimensional. NumPy deduce la forma a partir de la estructura.
m = np.array([[1, 2, 3], [4, 5, 6]])
print(m)
# [[1 2 3]
# [4 5 6]]Ceros y unos
np.zeros y np.ones preasignan arrays con una forma determinada, que es la manera estándar de crear marcadores de posición antes de rellenarlos.
print(np.zeros((2, 3))) # 2x3 of 0.0
print(np.ones(4)) # [1. 1. 1. 1.]Matriz identidad con eye
np.eye(n) construye una matriz identidad de n por n: unos en la diagonal y ceros en el resto. Es fundamental para el álgebra lineal.
print(np.eye(3))
# [[1. 0. 0.]
# [0. 1. 0.]
# [0. 0. 1.]]Rangos con arange
np.arange(start, stop, step) funciona como el range de Python, pero devuelve un array y acepta pasos decimales.
print(np.arange(0, 10, 2)) # [0 2 4 6 8]
print(np.arange(0, 1, 0.25)) # [0. 0.25 0.5 0.75]Espaciado uniforme con linspace
np.linspace(start, stop, num) devuelve num puntos espaciados uniformemente, incluidos ambos extremos. Es perfecto para los ejes de los gráficos.
print(np.linspace(0, 1, 5)) # [0. 0.25 0.5 0.75 1. ]arange frente a linspace
Use arange cuando conozca el paso; use linspace cuando conozca el número de puntos. linspace evita la desviación acumulada del paso de coma flotante.
# 50 points from 0 to 2*pi for a smooth curve
x = np.linspace(0, 2 * np.pi, 50)Shape y ndim
.shape es una tupla con los tamaños de las dimensiones; .ndim es el número de dimensiones. Un array de 2x3 tiene shape (2,3) y ndim 2.
m = np.array([[1, 2, 3], [4, 5, 6]])
print(m.shape) # (2, 3)
print(m.ndim) # 2size y dtype
.size es el número total de elementos; .dtype es el tipo de datos de los elementos. NumPy elige automáticamente un dtype numérico eficiente.
print(m.size) # 6
print(m.dtype) # int64itemsize y memoria
.itemsize es el tamaño en bytes de un elemento. Multiplíquelo por .size para estimar la huella de memoria del array.
print(m.itemsize) # 8 (bytes per int64)
print(m.size * m.itemsize) # 48 bytes totalElegir un dtype
Puede forzar un dtype para ahorrar memoria o garantizar la precisión. float32 utiliza la mitad de memoria que float64.
a = np.array([1, 2, 3], dtype=np.float32)
print(a.dtype) # float32
print(a.itemsize) # 4Comprobación rápida
Compruebe sus conocimientos sobre la creación de arrays.
Resumen
Herramientas para crear arrays:
np.arraya partir de listas;np.zeros/np.onespara marcadores de posición;np.eyepara la matriz identidadnp.arange(por paso) frente anp.linspace(por cantidad)- Propiedades:
shape,ndim,size,dtypeeitemsize
Preguntas frecuentes
¿La lección «Creación y propiedades de arrays» es gratis?
Sí — el texto completo de «Creación y propiedades de arrays» es gratis para leer aquí en la web. Para practicarla de forma interactiva (editor de código integrado y tutor de IA 24/7) y desbloquear el resto del curso de Learn AI with Python, actualiza a CoddyKit PRO. El curso de Learn AI with Python incluye 4 lecciones en total.
¿Qué aprenderé en «Creación y propiedades de arrays»?
np.array(), np.zeros/ones/eye/arange/linspace, shape, dtype, ndim, size. Practicas Learn AI with Python con código real que ejecutas directamente en el navegador, y un tutor de IA 24/7 responde tus preguntas mientras trabajas en la lección.
¿Necesito experiencia previa para empezar Learn AI with Python?
No se requiere experiencia previa. Learn AI with Python en CoddyKit está estructurado para principiantes hasta estudiantes avanzados, así que puedes empezar aquí o desde el inicio y avanzar a tu ritmo. Esta es la lección 1 de 4.
¿Cuánto tiempo toma la lección «Creación y propiedades de arrays»?
La mayoría de las lecciones de CoddyKit toman alrededor de 5–10 minutos. Cada una es compacta e interactiva, así que avanzas constantemente y retomas exactamente por donde dejaste en la web y la app.
¿Puedo escribir y ejecutar código en esta lección de Learn AI with Python?
Sí. Cada lección de Learn AI with Python incluye un editor de código integrado, así que escribes y ejecutas código real directamente en tu navegador y obtienes retroalimentación instantánea de IA — sin configuración local necesaria.
Todas las lecciones de este curso
- Creación y propiedades de arrays
- Indexación, slicing e indexación avanzada
- Broadcasting y operaciones vectorizadas
- Álgebra lineal con NumPy