6. Selección y filtrado de datos

En análisis de datos no siempre trabajamos con todos los elementos. A menudo necesitamos filtrar o seleccionar valores que cumplen ciertas condiciones. NumPy ofrece herramientas potentes: indexación booleana, máscaras y np.where.

6.1 Indexación booleana

Consiste en aplicar una condición lógica sobre un array. El resultado es otro array con valores True/False que usamos para filtrar.

import numpy as np

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

# Crear un filtro booleano
filtro = arr > 25
print("Filtro booleano:", filtro)

# Aplicar filtro al array
print("Elementos mayores a 25:", arr[filtro])

Salida:

Filtro booleano: [False False  True  True  True]
Elementos mayores a 25: [30 40 50]

👉 Muy útil para aplicar condiciones sin escribir bucles.

6.2 Uso de máscaras

Una máscara es un array booleano que enmascara valores de interés.

a) Máscara simple

arr = np.arange(1, 11)  # [1 2 3 4 5 6 7 8 9 10]

mascara = arr % 2 == 0  # Números pares
print("Máscara:", mascara)

print("Números pares:", arr[mascara])

Salida:

Máscara: [False  True False  True False  True False  True False  True]
Números pares: [ 2  4  6  8 10]

b) Máscara combinada

Podemos combinar condiciones con operadores lógicos: & (AND), | (OR) y ~ (NOT).

# Seleccionar números mayores a 3 y menores a 8
mascara = (arr > 3) & (arr < 8)
print("Condición (3 < arr < 8):", arr[mascara])

Salida:

Condición (3 < arr < 8): [4 5 6 7]

6.3 Filtrado condicional con np.where

La función np.where devuelve los índices donde se cumple una condición. También sirve como un if vectorizado.

a) Obtener índices

arr = np.array([5, 10, 15, 20, 25])

indices = np.where(arr > 12)
print("Índices de elementos > 12:", indices)
print("Elementos:", arr[indices])

Salida:

Índices de elementos > 12: (array([2, 3, 4]),)
Elementos: [15 20 25]

b) If vectorizado

Podemos usar np.where(condición, valor_si_verdadero, valor_si_falso).

arr = np.array([5, 10, 15, 20, 25])

# Si el elemento es mayor a 15  "Alto", si no  "Bajo"
resultado = np.where(arr > 15, "Alto", "Bajo")
print("Clasificación:", resultado)

Salida:

Clasificación: ['Bajo' 'Bajo' 'Bajo' 'Alto' 'Alto']

Resumen

  • Indexación booleana: aplicar una condición directamente como índice.
  • Máscaras: arrays booleanos que seleccionan subconjuntos.
  • np.where: obtener índices o realizar un if vectorizado.

Nota: Con estas técnicas filtrás y seleccionás datos en NumPy de forma flexible, algo clave en cualquier proyecto de ciencia de datos.

Volver al inicio