10. Integración con otras librerías

NumPy es la base de la mayoría de las librerías de ciencia de datos y machine learning en Python. Aquí vemos cómo se integra con Pandas y Matplotlib, y cómo convertir arrays en listas y viceversa.

10.1 Uso de arrays de NumPy en Pandas

Pandas se apoya en NumPy para manejar Series y DataFrames.

a) Crear una Serie a partir de un array

import numpy as np
import pandas as pd

arr = np.array([10, 20, 30, 40, 50])

serie = pd.Series(arr, index=["a", "b", "c", "d", "e"])
print("Serie de Pandas:\n", serie)

Salida:

Serie de Pandas:
a    10
b    20
c    30
d    40
e    50
dtype: int32

b) Crear un DataFrame a partir de un array

mat = np.array([[1, 2, 3],
                [4, 5, 6],
                [7, 8, 9]])

df = pd.DataFrame(mat, columns=["Col1", "Col2", "Col3"])
print("DataFrame de Pandas:\n", df)

Salida:

DataFrame de Pandas:
   Col1  Col2  Col3
0     1     2     3
1     4     5     6
2     7     8     9

👉 Gracias a NumPy, Pandas manipula grandes volúmenes de datos con eficiencia.

10.2 Uso de arrays de NumPy en Matplotlib

Matplotlib utiliza arrays de NumPy para construir gráficos.

a) Graficar una función matemática

import matplotlib.pyplot as plt

# Generamos datos con NumPy
x = np.linspace(0, 10, 100)
y = np.sin(x)

# Gráfico
plt.plot(x, y, label="sin(x)", color="blue")
plt.title("Ejemplo con NumPy + Matplotlib")
plt.xlabel("x")
plt.ylabel("y")
plt.legend()
plt.show()

👉 Los arrays de NumPy permiten calcular los valores que luego se visualizan.

b) Graficar datos aleatorios

np.random.seed(0)
data = np.random.normal(0, 1, 1000)

plt.hist(data, bins=30, color="orange", edgecolor="black")
plt.title("Histograma de distribución normal")
plt.show()

👉 NumPy genera los datos y Matplotlib los representa.

10.3 Conversión entre arrays y listas

Es común convertir entre arrays de NumPy y listas nativas.

a) De array a lista (.tolist())

arr = np.array([1, 2, 3, 4, 5])
lista = arr.tolist()

print("Array:", arr)
print("Convertido a lista:", lista)

Salida:

Array: [1 2 3 4 5]
Convertido a lista: [1, 2, 3, 4, 5]

b) De lista a array (np.array)

lista = [10, 20, 30, 40]
arr = np.array(lista)

print("Lista:", lista)
print("Convertida a array:", arr)

Salida:

Lista: [10, 20, 30, 40]
Convertida a array: [10 20 30 40]

👉 Esta conversión es clave cuando importamos datos externos (JSON, CSV) que llegan como listas.

Resumen

  • Pandas: los arrays de NumPy son la base de Series y DataFrames.
  • Matplotlib: usa arrays de NumPy para graficar funciones y distribuciones.
  • Conversión: .tolist() (array → lista) y np.array(lista) (lista → array).

Nota: Integrar NumPy con estas librerías es fundamental para flujos de ciencia de datos profesionales.

Volver al inicio