NumPy

Numeric Python, la magia de NumPy es trabajar con arreglos multidimensionales, que quiere decir arreglos adentro de arreglos. Hasta ahora solo habíamos usado arreglos unidimensionales:

# Unidimensional
arreglo = [1,2,3,4,5]

# Multidimensional
arreglo = [
    [0,2,4,6,8],
    [1,3,5,7,9],
]

Ejercicio básico

import numpy as np

dir(np)
np.zeros(8)
np.ones(4)

Shape y Size

Shape es una tupla, el primer valor es el número de dimensiones y el segundo el número de elementos que cada uno tiene. Size es la multiplicación de los dos valores

tres = np.array([[1,2,3,4],[5,6,7,8]])
tres.shape
>>> (2,4)
tres.size
>>> 8

Rangos con NumPy

cuatro = np.arange(5)
cinco = np.arange(start=1, stop=6, step=2) # setp de a cuantos va el rango

Acomodándolos en columnas

Si tenemos dos arreglos de la misma shape podemos unirlos con

siete = np.arange(1,4)
>>> array([1, 2, 3])
ocho = np.arange(4,7)
>>> array([4, 5, 6])
nueve = np.column_stack((siete,ocho))
>>> array([[1, 4],
       [2, 5],
       [3, 6]])

Para invertir el arreglo usamos .T

nueve
>>> array([[1, 4],
       [2, 5],
       [3, 6]])
nueve.T
>>> array([[1, 2, 3],
       [4, 5, 6]])

Manipular imágenes

Para eso necesitamos importar dos modulo

from skimage import io
import matplotlib.pyplot as plt

logo = io.imread('python-logo.png')
type(logo)
logo.shape

Y podemos editar la imagen con lo que aprendimos en las listas

plt.imsave('test_1.png', logo[::-1]) 
plt.imsave('test_2.png', logo[:, ::-1])
plt.imsave('test_3.png', logo[50:100, 50:100])

NumPy — NumPy

¡Eso es todo!

Happy Coding! ❤