Con la ayuda del Numpy matrix.transpose()método, podemos encontrar la transpuesta de la array usando el matrix.transpose()método. Sintaxis : matrix.transpose()Retorno : Retorna array transpuesta Ejemplo #1: En este ejemplo, podemos ver que al usar el matrix.transpose()método podemos encontrar la transpuesta de la array dada. # import the important module in python import numpy as np … Continue reading «Python | Numpy matrix.transponer()»
Veamos el programa para saber cómo obtener los n valores más grandes de una array usando la biblioteca NumPy. Para obtener n valores más grandes de una array NumPy, primero debemos ordenar la array NumPy usando la función numpy.argsort() de NumPy y luego aplicar el concepto de división con indexación negativa. Sintaxis: numpy.argsort(arr, axis=-1, kind=’quicksort’, … Continue reading «¿Cómo obtener los valores n más grandes de una array usando NumPy?»
numpy.nancumsum()La función se usa cuando queremos calcular la suma acumulada de los elementos de la array en un eje dado, tratando No es un número (NaNs) como cero. La suma acumulativa no cambia cuando se encuentran NaN y los NaN principales se reemplazan por ceros. Se devuelven ceros para los sectores que son todos NaN … Continue reading «numpy.nancumsum() en Python»
numpy.log2(arr, out = None, *, where = True, casting = ‘same_kind’, order = ‘K’, dtype = None, ufunc ‘log1p’): esta función matemática ayuda al usuario a calcular el logaritmo de Base-2 de x donde x pertenece a todos los elementos del arreglo de entrada. Parámetros: array : [array_like]Input array or object. out : [ndarray, optional]Output … Continue reading «numpy.log2() en Python»
El numpy.greater() comprueba si x1 es mayor que x2 o no. Sintaxis: numpy.greater(x1, x2[, out]) Parámetros: x1, x2 : [array_like]Input arrays. If x1.shape != x2.shape, they must be broadcastable to a common shape out : [ndarray, boolean]Array of bools, or a single bool if x1 and x2 are scalars. Devolver : Boolean array indicating results, … Continue reading «numpy.greater() en Python»
En este artículo, discutiremos la relación entre la covarianza y la correlación y programaremos nuestra propia función para calcular la covarianza y la correlación usando python. Covarianza: Nos dice cómo se relacionan dos cantidades entre sí, digamos que queremos calcular la covarianza entre x e y, entonces el resultado puede ser uno de estos. where are … Continue reading «Convierta la array de covarianza en array de correlación usando Python»
Tenemos dos formas similares de convertir un ndarray en un arreglo 1D: Flatten() y Ravel() import numpy as np a = np.array( [ (1,7,3,4),(3,2,4,1) ] ) #OUTPUT: print( a.flatten() ) # [ 1,7,3,4,3,2,4,1 ] print ( a.ravel() ) # [ 1,7,3,4,3,2,4,1 ] Aquí surge la pregunta, ¿por qué hay dos funciones numpy para hacer la … Continue reading «Diferencias entre las funciones Numpy Flatten() y Ravel()»
numpy.packbits()es otra función para realizar operaciones binarias en numpy. Se usa para empaquetar los elementos de una array con valores binarios en bits en una array uint8. El resultado se rellena con bytes completos insertando cero bits al final. Sintaxis: numpy.packbits(arr, eje=Ninguno) Parámetros: arr: [array_like] Una array de números enteros o booleanos cuyos elementos deben … Continue reading «numpy.packbits() en Python»
La función numpy.reshape() da forma a una array sin cambiar los datos de la array. Sintaxis: numpy.reshape(array, shape, order = ‘C’) Parámetros: array : [array_like]Input array shape : [int or tuples of int] e.g. if we are arranging an array with 10 elements then shaping it like numpy.reshape(4, 8) is wrong; we can do numpy.reshape(2, … Continue reading «numpy.reshape() en Python»
En el aprendizaje automático y el análisis de datos, la visualización de datos es uno de los pasos más importantes. La limpieza y organización de los datos se realiza mediante diferentes algoritmos. A veces, en conjuntos de datos, obtenemos valores NaN (no un número) que no son posibles de usar para la visualización de datos. … Continue reading «Python | Reemplace los valores de NaN con el promedio de las columnas»