Para ilustrar el impacto de Numpy, compartimos historias de cómo ha sido utilizado en proyectos reales, desde la optimización de algoritmos financieros hasta el análisis de grandes conjuntos de datos astronómicos. Estas historias no solo muestran la capacidad de Numpy para resolver problemas complejos, sino también cómo ha inspirado innovación y progreso en diversas áreas del conocimiento.

Conclusión

Al final de este capítulo, no solo comprenderás qué es Numpy y por qué es tan valorado en la ciencia de datos, sino que también te sentirás inspirado por las posibilidades que abre para explorar, analizar y descubrir patrones en los datos. Numpy no es solo una herramienta; es una ventana a un mundo de datos que espera ser descubierto.

Métodos Para Crear Array

import numpy as np ventas = np.array([[15, 20, 10, 17, 22], [5, 8, 2, 10, 3], [12, 15, 8, 15, 7]])

import numpy as np ventas = np.array([[15, 20, 10, 17, 22], [5, 8, 2, 10, 3], [12, 15, 8, 15, 7]]) np.sum(ventas, axis=1)

para verlo mejor puedes guiarte de esto:

import numpy as np ventas = np.array([[15, 20, 10, 17, 22], [5, 8, 2, 10, 3], [12, 15, 8, 15, 7]]) np.sum(ventas, axis=0)