Ejercicios¶
import numpy as np
Numpy Arrays¶
Ejercicio 1: Crear un arreglo NumPy 1D de 5 elementos con valores enteros del 0 al 4.
arr = np.array([0, 1, 2, 3, 4])
print(arr)
[0 1 2 3 4]
Ejercicio 2: Crear un arreglo NumPy 2D de 3x3 con todos los elementos igual a 1.ual a 1.
arr = np.ones((3, 3))
print(arr)
[[1. 1. 1.] [1. 1. 1.] [1. 1. 1.]]
Ejercicio 3: Crear un arreglo NumPy 1D de 10 elementos con valores equidistantes entre 0 y 1.
arr = np.linspace(0, 1, 10)
print(arr)
[0. 0.11111111 0.22222222 0.33333333 0.44444444 0.55555556 0.66666667 0.77777778 0.88888889 1. ]
Ejercicio 4: Crear un arreglo NumPy 2D de 3x3 con valores aleatorios entre 0 y 1.
arr = np.random.rand(3, 3)
print(arr)
[[0.41951944 0.06979298 0.18179434] [0.62465905 0.77333522 0.6738003 ] [0.35120366 0.02928759 0.84761288]]
Ejercicio 5: Crear un arreglo NumPy 1D con números enteros pares del 0 al 10.
arr = np.arange(0, 11, 2)
print(arr)
[ 0 2 4 6 8 10]
Ejercicio 6: Crear un arreglo NumPy 2D de 4x4 con números enteros aleatorios en el rango de 1 a 10.
arr = np.random.randint(1, 11, (4, 4))
print(arr)
[[ 8 4 9 5] [ 8 10 6 10] [ 7 6 7 8] [ 3 9 6 7]]
Ejercicio 7: Crear un arreglo NumPy 1D con los primeros 5 números primos.
primes = np.array([2, 3, 5, 7, 11])
print(primes)
[ 2 3 5 7 11]
Ejercicio 8: Crear un arreglo NumPy 1D con valores de 0 a 9 y luego invertir el orden de los elementos.
arr = np.arange(10)
arr_inverted = arr[::-1]
print(arr_inverted)
[9 8 7 6 5 4 3 2 1 0]
Ejercicio 9: Dado un arreglo NumPy 1D, calcular la suma de sus elementos.
arr = np.array([1, 2, 3, 4, 5])
suma = np.sum(arr)
print(suma)
15
Ejercicio 10: Dado un arreglo NumPy 2D, calcular la suma de cada columna por separado.
arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
suma_columnas = np.sum(arr, axis=0)
print(suma_columnas)
[12 15 18]
Operaciones Matemáticas¶
Ejercicio 1: Encuentra la suma, resta, multiplicación y división de dos arreglos NumPy de 1D a y b.
a = np.array([1, 2, 3, 4])
b = np.array([5, 6, 7, 8])
suma = a + b
resta = a - b
multiplicacion = a * b
division = a / b
print("Suma:", suma)
print("Resta:", resta)
print("Multiplicación:", multiplicacion)
print("División:", division)
Suma: [ 6 8 10 12] Resta: [-4 -4 -4 -4] Multiplicación: [ 5 12 21 32] División: [0.2 0.33333333 0.42857143 0.5 ]
Ejercicio 2: Calcula el promedio, la mediana y la desviación estándar de un arreglo NumPy 1D datos.
datos = np.array([10, 15, 20, 25, 30, 35, 40])
promedio = np.mean(datos)
mediana = np.median(datos)
desviacion_estandar = np.std(datos)
print("Promedio:", promedio)
print("Mediana:", mediana)
print("Desviación Estándar:", desviacion_estandar)
Promedio: 25.0 Mediana: 25.0 Desviación Estándar: 10.0
Ejercicio 3: Calcula el producto punto de dos arreglos NumPy 1D a y b.
a = np.array([1, 2, 3])
b = np.array([4, 5, 6])
producto_punto = np.dot(a, b)
print("Producto Punto:", producto_punto)
Producto Punto: 32
Ejercicio 4: Encuentra el valor mínimo y máximo en un arreglo NumPy 1D valores.
valores = np.array([5, 8, 2, 10, 3])
minimo = np.min(valores)
maximo = np.max(valores)
print("Valor Mínimo:", minimo)
print("Valor Máximo:", maximo)
Valor Mínimo: 2 Valor Máximo: 10
Ejercicio 5: Calcula la suma acumulativa de un arreglo NumPy 1D serie.
serie = np.array([1, 2, 3, 4, 5])
suma_acumulativa = np.cumsum(serie)
print("Suma Acumulativa:", suma_acumulativa)
Suma Acumulativa: [ 1 3 6 10 15]
Ejercicio 6: Calcula el promedio de cada fila y cada columna en un arreglo NumPy 2D matriz.
matriz = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
promedio_filas = np.mean(matriz, axis=1)
promedio_columnas = np.mean(matriz, axis=0)
print("Promedio por Filas:", promedio_filas)
print("Promedio por Columnas:", promedio_columnas)
Promedio por Filas: [2. 5. 8.] Promedio por Columnas: [4. 5. 6.]
Ejercicio 7: Calcula la potencia de un arreglo NumPy 1D numeros al cuadrado.
numeros = np.array([2, 3, 4, 5, 6])
cuadrado = np.power(numeros, 2)
print("Cuadrado:", cuadrado)
Cuadrado: [ 4 9 16 25 36]
Ejercicio 8: Encuentra el valor absoluto de un arreglo NumPy 1D valores
valores = np.array([-3, 5, -7, 8, -2])
valor_absoluto = np.abs(valores)
print("Valor Absoluto:", valor_absoluto)
Valor Absoluto: [3 5 7 8 2]
Ejercicio 9: Calcula la media ponderada de un arreglo NumPy 1D datos con pesos correspondientes en el arreglo pesos.
datos = np.array([10, 15, 20, 25, 30])
pesos = np.array([0.1, 0.2, 0.3, 0.2, 0.2])
media_ponderada = np.average(datos, weights=pesos)
print("Media Ponderada:", media_ponderada)
Media Ponderada: 21.0
Ejercicio 10: Calcula el producto de matrices de dos arreglos NumPy 2D matriz_a y matriz_b.
matriz_a = np.array([[1, 2], [3, 4]])
matriz_b = np.array([[5, 6], [7, 8]])
producto_matrices = np.dot(matriz_a, matriz_b)
print("Producto de Matrices:")
print(producto_matrices)
Producto de Matrices: [[19 22] [43 50]]
Indexación¶
Ejercicio 1: Extraer el tercer elemento de un arreglo NumPy 1D arr.
Ejercicio 2: Extraer una subserie de un arreglo NumPy 1D arr que contenga elementos desde el segundo al cuarto (inclusive).
Ejercicio 3: Extraer los elementos pares de un arreglo NumPy 1D numeros.
Ejercicio 4: En un arreglo NumPy 2D matriz, extraer la segunda fila y la tercera columna.
Ejercicio 5: En un arreglo NumPy 2D matriz, extraer todos los elementos que sean mayores que 5.
Ejercicio 6: Crear una vista de un arreglo NumPy 1D original que contenga solo los elementos desde el segundo al quinto (inclusive).
Ejercicio 7: En un arreglo NumPy 2D matriz, extraer los elementos de la segunda fila que sean mayores que 3.
Ejercicio 8: Crear una vista de un arreglo NumPy 2D original que contenga solo la primera y la última fila.
Ejercicio 9: En un arreglo NumPy 2D matriz, extraer las filas pares.
Ejercicio 10: En un arreglo NumPy 2D matriz, reemplazar todos los elementos mayores que 5 por el valor 0.