import numpy as np35 Slicing y fancy indexing en NumPy
¿Listes para sumergirse en las técnicas de slicing y fancy slicing en NumPy? En esta sesión, descubriremos cómo el slicing nos permite acceder a segmentos específicos de arreglos de forma eficiente y cómo el fancy slicing nos abre las puertas a patrones más elaborados y complejos dentro de los arreglos. Estas técnicas son esenciales para la extracción flexible de datos, cruciales en campos como análisis de datos, ciencia de datos y machine learning.
Exploraremos cómo el slicing facilita la selección de segmentos de arreglos de manera intuitiva y eficaz, mientras que el fancy slicing nos equipa para manejar patrones más intrincados. Te guiaremos a través de estas técnicas avanzadas, que te empoderarán para extraer información valiosa de tus arreglos con gran flexibilidad y precisión.
f = "../data/m10x10_int.txt"
m = np.loadtxt(f)
marray([[6., 0., 8., 5., 2., 0., 5., 7., 9., 3.],
[7., 3., 1., 8., 6., 0., 6., 2., 7., 2.],
[7., 6., 3., 5., 5., 0., 5., 8., 5., 5.],
[7., 3., 3., 9., 3., 3., 8., 1., 9., 7.],
[0., 3., 0., 7., 0., 4., 3., 7., 4., 9.],
[4., 8., 8., 3., 7., 4., 5., 7., 4., 3.],
[2., 6., 6., 8., 9., 9., 7., 9., 6., 5.],
[4., 9., 9., 9., 1., 8., 6., 9., 8., 9.],
[5., 8., 6., 8., 4., 8., 2., 7., 8., 7.],
[5., 8., 5., 7., 7., 3., 4., 3., 5., 6.]])m.shape(10, 10)
m[:2]array([[6., 0., 8., 5., 2., 0., 5., 7., 9., 3.],
[7., 3., 1., 8., 6., 0., 6., 2., 7., 2.]])
m[:8,:]array([[6., 0., 8., 5., 2., 0., 5., 7., 9., 3.],
[7., 3., 1., 8., 6., 0., 6., 2., 7., 2.],
[7., 6., 3., 5., 5., 0., 5., 8., 5., 5.],
[7., 3., 3., 9., 3., 3., 8., 1., 9., 7.],
[0., 3., 0., 7., 0., 4., 3., 7., 4., 9.],
[4., 8., 8., 3., 7., 4., 5., 7., 4., 3.],
[2., 6., 6., 8., 9., 9., 7., 9., 6., 5.],
[4., 9., 9., 9., 1., 8., 6., 9., 8., 9.]])m[:8,4:-1]array([[2., 0., 5., 7., 9.],
[6., 0., 6., 2., 7.],
[5., 0., 5., 8., 5.],
[3., 3., 8., 1., 9.],
[0., 4., 3., 7., 4.],
[7., 4., 5., 7., 4.],
[9., 9., 7., 9., 6.],
[1., 8., 6., 9., 8.]])m[:8,4:9]array([[2., 0., 5., 7., 9.],
[6., 0., 6., 2., 7.],
[5., 0., 5., 8., 5.],
[3., 3., 8., 1., 9.],
[0., 4., 3., 7., 4.],
[7., 4., 5., 7., 4.],
[9., 9., 7., 9., 6.],
[1., 8., 6., 9., 8.]])m333 = np.random.randint(0,10,(3,3,3))
m333array([[[7, 8, 2],
[3, 6, 1],
[4, 4, 5]],
[[4, 9, 4],
[3, 0, 9],
[2, 6, 3]],
[[9, 9, 5],
[9, 8, 2],
[2, 2, 2]]])m333[:,:,:]array([[[7, 8, 2],
[3, 6, 1],
[4, 4, 5]],
[[4, 9, 4],
[3, 0, 9],
[2, 6, 3]],
[[9, 9, 5],
[9, 8, 2],
[2, 2, 2]]])m333[:,:,0]array([[7, 3, 4],
[4, 3, 2],
[9, 9, 2]])m = np.random.randint(0,10,(15,15))
marray([[4, 3, 7, 2, 8, 8, 3, 9, 8, 9, 5, 4, 0, 2, 5],
[8, 4, 7, 8, 6, 6, 1, 3, 8, 8, 0, 5, 4, 4, 9],
[7, 9, 1, 6, 9, 1, 4, 6, 5, 3, 9, 1, 2, 9, 3],
[0, 4, 6, 7, 7, 6, 1, 0, 7, 6, 4, 1, 7, 2, 7],
[9, 4, 0, 2, 1, 3, 2, 0, 7, 0, 2, 0, 8, 4, 4],
[5, 1, 0, 2, 6, 5, 0, 0, 7, 1, 2, 3, 5, 6, 4],
[9, 4, 6, 6, 0, 1, 4, 9, 3, 6, 6, 4, 6, 0, 4],
[2, 6, 5, 5, 8, 0, 2, 5, 3, 3, 9, 6, 6, 3, 6],
[8, 3, 2, 2, 3, 8, 1, 8, 6, 4, 7, 1, 7, 4, 5],
[5, 5, 6, 5, 0, 5, 8, 1, 7, 7, 1, 3, 2, 0, 5],
[0, 3, 5, 1, 4, 0, 7, 1, 9, 6, 6, 2, 2, 4, 4],
[5, 6, 3, 8, 1, 8, 4, 9, 3, 5, 8, 7, 0, 3, 1],
[1, 9, 7, 2, 6, 6, 1, 2, 7, 2, 8, 8, 7, 6, 9],
[4, 1, 0, 1, 4, 8, 2, 7, 3, 6, 8, 9, 8, 3, 4],
[2, 5, 9, 4, 0, 0, 7, 5, 1, 5, 2, 9, 7, 1, 5]])m[1:10:3,::3]array([[8, 8, 1, 8, 4],
[9, 2, 2, 0, 8],
[2, 5, 2, 3, 6]])36 Fancy slicing
marray([[4, 3, 7, 2, 8, 8, 3, 9, 8, 9, 5, 4, 0, 2, 5],
[8, 4, 7, 8, 6, 6, 1, 3, 8, 8, 0, 5, 4, 4, 9],
[7, 9, 1, 6, 9, 1, 4, 6, 5, 3, 9, 1, 2, 9, 3],
[0, 4, 6, 7, 7, 6, 1, 0, 7, 6, 4, 1, 7, 2, 7],
[9, 4, 0, 2, 1, 3, 2, 0, 7, 0, 2, 0, 8, 4, 4],
[5, 1, 0, 2, 6, 5, 0, 0, 7, 1, 2, 3, 5, 6, 4],
[9, 4, 6, 6, 0, 1, 4, 9, 3, 6, 6, 4, 6, 0, 4],
[2, 6, 5, 5, 8, 0, 2, 5, 3, 3, 9, 6, 6, 3, 6],
[8, 3, 2, 2, 3, 8, 1, 8, 6, 4, 7, 1, 7, 4, 5],
[5, 5, 6, 5, 0, 5, 8, 1, 7, 7, 1, 3, 2, 0, 5],
[0, 3, 5, 1, 4, 0, 7, 1, 9, 6, 6, 2, 2, 4, 4],
[5, 6, 3, 8, 1, 8, 4, 9, 3, 5, 8, 7, 0, 3, 1],
[1, 9, 7, 2, 6, 6, 1, 2, 7, 2, 8, 8, 7, 6, 9],
[4, 1, 0, 1, 4, 8, 2, 7, 3, 6, 8, 9, 8, 3, 4],
[2, 5, 9, 4, 0, 0, 7, 5, 1, 5, 2, 9, 7, 1, 5]])m[[0,3]]array([[4, 3, 7, 2, 8, 8, 3, 9, 8, 9, 5, 4, 0, 2, 5],
[0, 4, 6, 7, 7, 6, 1, 0, 7, 6, 4, 1, 7, 2, 7]])m[m<=2]array([2, 0, 2, 1, 0, 1, 1, 1, 2, 0, 1, 0, 1, 2, 0, 2, 1, 2, 0, 0, 2, 0,
1, 0, 2, 0, 0, 1, 2, 0, 1, 0, 2, 0, 2, 2, 2, 1, 1, 0, 1, 1, 2, 0,
0, 1, 0, 1, 2, 2, 1, 0, 1, 1, 2, 1, 2, 2, 1, 0, 1, 2, 2, 0, 0, 1,
2, 1])m[:,[0,2]]array([[4, 7],
[8, 7],
[7, 1],
[0, 6],
[9, 0],
[5, 0],
[9, 6],
[2, 5],
[8, 2],
[5, 6],
[0, 5],
[5, 3],
[1, 7],
[4, 0],
[2, 9]])