El documento describe las características principales de los paquetes y librerías en Python, incluyendo Numpy. Numpy es una librería popular para computación científica que permite trabajar con matrices de forma optimizada, integrar código C/C++/Fortran, y convertir listas de Python a tipos inferidos. Otras librerías comunes incluyen Pandas, Scipy, Matplotlib, Scikit-Learn, TensorFlow y Keras.

1. www.cleformacion.com
Python
Paquetes

2. Paquetes
⚫ Vamos a ver en qué consiste un paquete: un
directorio que contiene varios ficheros con nuestro
código, se considera un paquete, siempre y cuando
uno de esos ficheros se llame _init_.py.
⚫ Podemos cargar un fichero (llamado modulo) que
esté dentro de nuestro paquete, si escribimos:
import package.module.

3. Context managers
⚫ Como ya sabemos guardar nuestro código en
paquetes, podemos especificar que el bloque de
código se ejecuta bajo la supervisión de un context
manager, usamos la palabra clave reservada with
⚫ El ejemplo clásico es leer o escribir en un fichero:

4. Veamos ahora las librerías, una de las
principales es: Numpy
⚫ NumPy es la librería de computación científica más
popular en Python. Entre sus principales
características, citamos:
⚫ Optimización para trabajar con matrices, como
Matlab
⚫ Posibilidad de integrar código existente en C/C++
o Fortran

5. Diferencia de Numpy con las listas
de Python
⚫ Mientras que en una lista normal de Python, todos
los elementos conservan su tipo; NumPy ha
convertido todos al tipo inferido más probable:
string:

6. Algunas funciones de Numpy
⚫ Una de las más usadas es la creación de un array
mediante un rango:
⚫ O la de números aleatorios:

7. Numpy se utiliza también en
álgebra lineal
⚫ Mediante dot podemos hacer multiplicación de
matrices
⚫ Otro ejemplo es calcular la inversa:

8. Numpy y analogía con Matlab
⚫ Se pueden almacenar datasets en arrays de Numpy,
igual que hacemos con Matlab.

9. Graficando los resultados
⚫ Usaremos Numpy y Matplotlib para conseguirlo:

10. Vectorizando funciones
⚫ Vectorizando nuestros algoritmos podemos llegar a
conseguir grandes mejoras de rendimiento:

11. Librerías más utilizadas
⚫ Hemos visto Numpy, pero Python tiene muchas más
librerías, entre las que cabe destacar:
⚫ Pandas
⚫ Scipy
⚫ MatPlotLib
⚫ Scikit-Learn
⚫ TensorFlow
⚫ Keras, etc…

12. Para más información
https://cursos.cleformacion.com/curso-programador-python-madrid/

13. www.cleformacion.com
Síguenos en: