Indexación, segmentación e indexación avanzada
Acceda a elementos de arrays y modifíquelos mediante técnicas avanzadas de indexación.
Indexación, segmentación e indexación avanzada es una lección gratuita de Python Academy en CoddyKit. Esta es la lección 3 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 Python Academy, y tu progreso se sincroniza en la web y la app de CoddyKit. El curso de Python Academy incluye 4 lecciones en total.
Indexación básica
Acceda a los elementos mediante índices enteros basados en cero. Los índices negativos cuentan desde el final. Los arrays multidimensionales usan índices separados por comas.
import numpy as np
arr = np.array([[1,2,3],[4,5,6],[7,8,9]])
print(arr[0, 2]) # 3
print(arr[-1, -1]) # 9
print(arr[1]) # [4 5 6]Slicing
La sintaxis de slicing start:stop:step devuelve una vista. Se aplica de forma independiente en cada dimensión.
import numpy as np
m = np.arange(16).reshape(4,4)
print(m[1:3, 1:3])
# [[5 6]
# [9 10]]
print(m[::2, ::2]) # every other row and columnIndexación booleana (enmascaramiento)
Pase un array booleano con la misma forma para seleccionar los elementos cuyo valor sea True.
import numpy as np
arr = np.array([1, -2, 3, -4, 5])
mask = arr > 0
print(mask) # [ True False True False True]
print(arr[mask]) # [1 3 5]
arr[~mask] = 0 # set negatives to 0
print(arr) # [1 0 3 0 5]Indexación avanzada con arrays de enteros
Pase un array de índices enteros para seleccionar varios elementos específicos.
import numpy as np
arr = np.array([10, 20, 30, 40, 50])
idx = np.array([0, 2, 4])
print(arr[idx]) # [10 30 50]
# 2-D fancy indexing:
m = np.arange(9).reshape(3,3)
print(m[[0,2], [0,2]]) # [m[0,0], m[2,2]] = [0, 8]np.where para la selección indexada
np.where(condition) (con un argumento) devuelve los índices donde condition es True.
import numpy as np
arr = np.array([5, 2, 8, 1, 9])
idx = np.where(arr > 4)[0]
print(idx) # [0 2 4]
print(arr[idx]) # [5 8 9]np.take y np.put
np.take(arr, indices) selecciona elementos (admite la indexación plana). np.put(arr, indices, values) inserta valores.
import numpy as np
arr = np.array([10, 20, 30, 40])
print(np.take(arr, [1, 3])) # [20 40]
np.put(arr, [0, 2], [99, 88])
print(arr) # [99 20 88 40]np.nonzero
np.nonzero(arr) devuelve una tupla de arrays, uno por dimensión, con los índices de los elementos distintos de cero.
import numpy as np
arr = np.array([[0,1,0],[2,0,3]])
rows, cols = np.nonzero(arr)
print(rows, cols) # [0 1 1] [1 0 2]Indexación con puntos suspensivos
... (Ellipsis) se expande a tantos : como sean necesarios para abarcar las dimensiones restantes.
import numpy as np
arr = np.ones((2,3,4,5))
print(arr[0, ..., 2].shape) # (3, 4) — first dim=0, last dim=2
print(arr[..., 0].shape) # (2, 3, 4) — last dim=0np.ix_ para la indexación exterior
np.ix_ construye una malla abierta a partir de varias secuencias unidimensionales para realizar una indexación avanzada de tipo producto exterior.
import numpy as np
m = np.arange(25).reshape(5,5)
rows = [0, 2, 4]
cols = [1, 3]
print(m[np.ix_(rows, cols)])
# [[ 1 3]
# [11 13]
# [21 23]]Asignación con un índice avanzado
Puede asignar valores directamente a una selección realizada mediante indexación avanzada.
import numpy as np
arr = np.zeros(5)
arr[[1, 3]] = [10, 20]
print(arr) # [ 0. 10. 0. 20. 0.]
# Broadcast a scalar:
arr[[0, 2, 4]] = 99
print(arr) # [99. 10. 99. 20. 99.]Diferencia entre vista y copia en la indexación
Indexación básica o por slicing → vista (las modificaciones cambian el original). Indexación avanzada o booleana → copia (las modificaciones NO cambian el original).
import numpy as np
arr = np.arange(5)
view = arr[1:4] # view
view[0] = 99
print(arr) # [0 99 2 3 4]
copy = arr[[1,2,3]] # fancy → copy
copy[0] = 0
print(arr) # unchangedComprobación rápida
¿La indexación booleana o avanzada devuelve una vista o una copia?
Resumen
Use [row, col] para elementos individuales, start:stop:step para slices (vistas), arrays booleanos para el enmascaramiento (copias) y arrays de enteros para la indexación avanzada (copias). Use np.where para obtener índices y np.ix_ para crear mallas exteriores.
Preguntas frecuentes
¿La lección «Indexación, segmentación e indexación avanzada» es gratis?
Sí — el texto completo de «Indexación, segmentación e indexación avanzada» 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 Python Academy, actualiza a CoddyKit PRO. El curso de Python Academy incluye 4 lecciones en total.
¿Qué aprenderé en «Indexación, segmentación e indexación avanzada»?
Acceda a elementos de arrays y modifíquelos mediante técnicas avanzadas de indexación. Practicas Python Academy 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 Python Academy?
No se requiere experiencia previa. Python Academy 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 3 de 4.
¿Cuánto tiempo toma la lección «Indexación, segmentación e indexación avanzada»?
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 Python Academy?
Sí. Cada lección de Python Academy 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
- Arrays de NumPy y dtypes
- Operaciones con arrays y broadcasting
- Indexación, segmentación e indexación avanzada
- Álgebra lineal con NumPy