4. Introducción a NumPy

En Python, una librería (o módulo) es un conjunto de funciones y herramientas adicionales que podemos usar para resolver problemas específicos de forma más eficiente.

A lo largo del curso trabajaremos con varias librerías científicas. La primera que vamos a conocer es NumPy, una herramienta fundamental para el trabajo numérico en Python.

4.1 Motivación: ¿por qué NumPy?

Supongamos que queremos evaluar la función $f(x) = x^2$ para varios valores de $x$, por ejemplo:

valores = [0, 1, 2, 3, 4]

Una posible solución con lo que ya sabemos sería:

cuadrados = []
 
for x in valores:
    cuadrados.append(x ** 2)
 
print(cuadrados)

Este código funciona correctamente, pero es algo largo, y a medida que los problemas se hacen más complejos, esta forma de trabajar puede volverse difícil de mantener y poco eficiente.

Aquí es donde entra NumPy, una librería que permite trabajar con conjuntos de números (llamados arrays) de forma directa, clara y optimizada.

4.2 Primeros pasos con NumPy

Para usar una librería en Python, primero (luego de instalarla) debemos importarla. Por convención, a NumPy se le da el alias np:

import numpy as np

Ahora podemos crear un array con los mismos valores:

x = np.array([0, 1, 2, 3, 4])

Y elevar todos los valores al cuadrado con una sola línea:

y = x ** 2
print(y)

En lugar de usar un ciclo for, NumPy permite aplicar operaciones a todos los elementos del array al mismo tiempo. Esto se conoce como operaciones vectorizadas.

4.3 Generar secuencias de valores con linspace

Una de las funciones más útiles de NumPy es linspace, que permite generar valores numéricos espaciados de forma uniforme:

x = np.linspace(0, 10, 100)  # 100 valores entre 0 y 10

4.4 Otras funciones matemáticas de NumPy

NumPy incluye muchas funciones matemáticas listas para usar:

np.sin(x)     # seno
np.exp(x)     # exponencial
np.sqrt(x)    # raíz cuadrada
np.log(x)     # logaritmo natural

Estas funciones también operan sobre todos los elementos del array al mismo tiempo.

4.5 Ventajas de usar NumPy

• Código más conciso y legible
• Mejor rendimiento para cálculos numéricos grandes
• Amplia colección de funciones matemáticas y científicas
• Es la base de muchas otras librerías de análisis y visualización de datos
• Es bastante utilizada en el mundo científico