Lección 10 del curso NumPy para Ciencia de Datos y Machine Learning.
Además de los operadores, métodos y funciones universales vistos anteriormente, un elemento básico en la manipulación de arreglos de NumPy es la posibilidad de operar sobre elementos específicos o porciones del arreglo.
Así que en esta lección hablaremos de la indexación y del «slicing» que permiten realizar este tipo de manipulación sobre los arreglos de NumPy:
Contenido exclusivo para suscriptores
Si eres suscriptor accede en este enlace ó suscríbete a la Academia Online y accede a todo el contenido (lecciones en video, código fuente, sets de datos y descargas) de todos los cursos, proyectos y tutoriales.
Muy bien, ya tenemos claras las reglas básicas de indexación y slicing de arreglos en Numpy.
Pero en ocasiones cuando hacemos por ejemplo «slicing» de un arreglo para generar un arreglo resultante, debemos ser cuidadosos con los cambios que hagamos sobre dicho arreglo resultante, pues éstos pueden terminar afectando al arreglo original.
Esto quiere decir que el arreglo resultante está de alguna forma “conectado” al arreglo original, lo que puede llevar a que nuestro código se comporte de manera inesperada generando errores muchas veces difíciles de detectar.
Y es acá donde resultan importantes los conceptos de copias “shallow” y “deep” que resultan fundamentales cuando estamos haciendo indexación o slicing de arreglos en NumPy. En la próxima lección veremos entonces en detalle estos dos conceptos.
Todas las lecciones del curso NumPy para Ciencia de Datos y Machine Learning