8 - Métodos de un arreglo
Lección 8 del curso NumPy para Ciencia de Datos y Machine Learning.
Tabla de contenido
Introducción
En la lección anterior vimos cómo los operadores de arreglos nos permiten realizar algunas operaciones aritméticas y lógicas básicas en NumPy.
Y como lo mencionamos en una de las lecciones anteriores, un arreglo de NumPy es un objeto tipo ndarray en Python. Y por ser un objeto tiene asociado unos métodos que permiten ejecutar diferentes operaciones sobre dicho arreglo.
Así que en esta lección veremos los métodos disponibles en los arreglos y que usualmente encontraremos en diferentes proyectos de Machine Learning y Ciencia de Datos.
Suscríbete y accede al código fuente y al video con la explicación detallada de esta lección. Además podrás disfrutar de todos los cursos de la Academia Online
Métodos max, min, argmax y argmin
Indican respectivamente:
maxymin: los valores máximo y mínimo del arregloargmaxyargmin: las posiciones dentro del arreglo de esos valores máximo y mínimo
Métodos mean, std y sum
Permiten calcular el promedio, la desviación estándar y la suma de los elementos del arreglo. Se aplica la misma lógica anterior para arreglos multidimensionales.
Los métodos mean y std son especialmente útiles en Ciencia de Datos y Machine Learning, muy usados cuando queremos hacer análisis exploratorio de datos o pre-procesarlos antes de llevarlos a un modelo de Machine Learning.
El método squeeze y la función expand_dims
Son útiles especialmente en Machine Learning cuando pre-procesamos los datos para llevarlos a un modelo o cuando queremos extraerlos del modelo para hacer predicciones:
squeeze: “aplana” el arreglo, eliminando dimensiones redundantesexpand_dims: “expande” el arreglo, agregando dimensiones redundantes (lo opuesto desqueeze)
Recuerda suscribirte para acceder al código fuente y al video con la explicación detallada de esta lección. Además podrás disfrutar de todos los cursos de la Academia Online
Conclusión
Bien, con los métodos vistos en esta lección ya podemos realizar un procesamiento aún más avanzado sobre diferentes tipos de arreglos de NumPy, lo que dependerá en últimas de las características del proyecto de Ciencia de Datos o Machine Learning que estemos llevando a cabo.
Aunque siendo rigurosos, expand_dims no es como tal un método sino una función dentro de la librería NumPy. Estos tipos de funciones se conocense conocen como funciones universales (o ufunc) y permiten realizar un procesamiento aún más avanzado de arreglos en NumPy. Estas funciones serán precisamente el tema de la próxima lección.