Leccion Libreria Numpy

Multiple Choice

¿Por qué es importante utilizar una librería como Numpy en el análisis de datos numéricos?

• Porque permite representar y manipular grandes volúmenes de datos de manera eficiente.

• Porque es la única librería disponible en Python.

• Porque no requiere importar nada adicional.

• Porque solo sirve para gráficos.

Open Ended

¿Qué ventajas ofrecen los arreglos de Numpy frente a las listas tradicionales de Python en el manejo de datos numéricos?

Multiple Choice

¿Cuál es la principal diferencia entre un array de una dimensión, uno de dos dimensiones y uno de tres dimensiones según la imagen?

• El número de ejes o dimensiones que tienen

• El tipo de datos que almacenan

• La velocidad de acceso a los datos

• La cantidad de memoria que usan

Multiple Select

¿Cuáles de las siguientes características son ventajas de los arrays de NumPy según la presentación?

• Eficiencia al estar implementados en C

• Permiten almacenar diferentes tipos de datos en un mismo array

• Optimización de memoria

• Operaciones vectorizadas

Open Ended

Explica por qué las listas de Python no son eficientes para operaciones numéricas masivas y cómo los arrays de NumPy resuelven este problema.

Multiple Choice

¿Qué determina el número de dimensiones de un array creado con np.array(lista)?

• La cantidad de elementos en la lista principal

• El tipo de datos de los elementos

• El número de listas o tuplas anidadas

• La versión de NumPy

Multiple Select

¿Qué funciones de NumPy permiten crear arrays con valores iniciales específicos?

• np.empty()

• np.zeros()

• np.ones()

• np.full()

Multiple Choice

¿Cuál es la diferencia principal entre las funciones np.arange() y np.linspace() para generar arrays en NumPy?

• np.arange() genera valores equidistantes, np.linspace() no.

• np.arange() permite definir el paso, np.linspace() genera un número fijo de valores equidistantes.

• np.linspace() solo genera números enteros, np.arange() solo decimales.

• Ambas funciones generan arrays aleatorios.

Multiple Choice

¿Qué resultado se obtiene al ejecutar np.arange(1, 6, 2, dtype=int)?

• [1, 2, 3, 4, 5]

• [1, 3, 5]

• [1, 2, 4, 6]

• [1, 2, 3, 5]

Open Ended

Explica cómo se puede crear un array de una dimensión en NumPy a partir de una lista de Python y cómo se puede crear un array de ceros.

Multiple Select

¿Cuáles de las siguientes funciones permiten crear arrays multidimensionales en NumPy?

• np.array()

• np.arange()

• np.linspace()

• np.full()

Multiple Choice

¿Cuál es la función de ndarray.astype(dtype) en NumPy?

• Devuelve una copia del array convertida al tipo de dato especificado.

• Elimina elementos del array.

• Cambia el tamaño del array.

• Convierte el array en una lista.

Multiple Choice

¿Qué atributo de un ndarray te permite conocer el número total de elementos en el array?

• .shape

• .ndim

• .size

• .dtype

Open Ended

Explica la diferencia entre indexación y slicing en arrays de NumPy, proporcionando un ejemplo de cada uno.

Multiple Choice

¿Qué operaciones matemáticas se pueden realizar directamente entre arrays de igual tamaño en NumPy?

• Suma, resta, multiplicación y división.

• Solo suma y resta.

• Solo multiplicación y división.

• Solo suma.

Multiple Select

Selecciona todas las funciones de agregación que devuelven un solo valor a partir de un array en NumPy.

• np.sum()

• np.max()

• np.array()

• np.mean()

Multiple Choice

¿Cuál es la diferencia principal entre axis=0 y axis=1 en las funciones de agregación de NumPy?

• axis=0 opera a lo largo de las columnas, axis=1 a lo largo de las filas

• axis=0 opera a lo largo de las filas, axis=1 a lo largo de las columnas

• axis=0 suma todos los elementos, axis=1 los multiplica

• axis=0 y axis=1 son equivalentes

Multiple Select

¿Cuáles de las siguientes funciones de NumPy devuelven los índices de los elementos mínimo y máximo de un array?

• np.argmin()

• np.argmax()

• np.min()

• np.max()

Multiple Choice

¿Qué sucede si intentas usar reshape() para cambiar un array a una forma cuyo número total de elementos no coincide con el original?

• Genera un error

• Rellena con ceros los elementos faltantes

• Elimina los elementos sobrantes

• No ocurre nada, simplemente cambia la forma

Open Ended

Explica cómo la función reshape() puede ser útil al trabajar con datos en NumPy.

Open Ended

Describe el concepto de broadcasting en NumPy y da un ejemplo de cómo se utiliza.

Open Ended

¿Qué aspecto de la librería Numpy te gustaría explorar más o qué duda te quedó después de la sesión?

Multiple Choice

¿Cuál es la principal diferencia entre un arreglo de Numpy y una lista en Python?

• Los arreglos de Numpy solo almacenan elementos del mismo tipo, mientras que las listas pueden almacenar diferentes tipos.

• Los arreglos de Numpy pueden almacenar diferentes tipos de datos, mientras que las listas no.

• Las listas solo almacenan números, mientras que los arreglos de Numpy almacenan cualquier tipo de dato.

• No hay ninguna diferencia.