Me pareció muy interesante este desafío porque nos permite trabajar con un dataset real (precios de manzanas en cinco ciudades rusas durante más de siete años). Aunque el conjunto de datos no es enorme, es suficiente para aplicar los conceptos de NumPy y entender cómo los arrays hacen que las operaciones matemáticas sean mucho más rápidas y eficientes que las listas en Python. También aprendí que muchas bibliotecas de ciencia de datos como Pandas, SciPy, Matplotlib o Seaborn se fundamentan en NumPy, lo que demuestra su importancia en el análisis científico.
