Ya estoy inscrito ¿Todavía no tienes acceso? Nuestros Planes
Ya estoy inscrito ¿Todavía no tienes acceso? Nuestros Planes
1
respuesta

[Duda] Duda respecto a actividad

En la actividad sobre el diametro y peso de las naranjas a mi me funciona de la manera contraria a la que veo que todos estan solucionando sus problemas siendo la mayoria de post que veo e incluso la solucion (fila, columnas) o para ejemplificar o para poner un poquito mas de contexto (:5000, 0). Como mencione a mi me funciona al reves, teniendo que incluir primero la columna y despues el numero de filas, obteniendo este resultado: ![imagen de fragmento de mi código](https://cdn1.gnarususercontent.com.br/6/679038/9ca3d7fb-1683-4e41-bc0c-f880afa0b359.png)  

Entonces mi duda es a que se debe esto
1 respuesta

¡Hola Luis!

Parece que estás enfrentando un comportamiento inesperado al trabajar con arrays en NumPy. Normalmente, cuando trabajamos con arrays en NumPy, la convención es acceder a los elementos usando el formato (fila, columna). Por ejemplo, para seleccionar las primeras 5000 filas de la columna 0, se utilizaría algo como array[:5000, 0].

Sin embargo, si estás viendo que necesitas invertir este orden, podría ser debido a cómo se está estructurando tu array o a cómo estás accediendo a los datos. Aquí hay algunas cosas que podrías verificar:

  1. Forma del Array: Asegúrate de que el array que estás utilizando tiene la forma esperada. Puedes verificar la forma de un array con array.shape. Esto debería darte una tupla con el número de filas y columnas, por ejemplo, (n_filas, n_columnas).

  2. Acceso a Datos: Si estás accediendo a los datos de una manera que parece invertir las filas y columnas, verifica cómo estás cargando los datos en el array. Podría ser que la forma en que los datos están siendo leídos o almacenados esté afectando el orden.

  3. Transposición: Si tu array está transpuesto por alguna razón, eso podría explicar el comportamiento. Puedes transponer un array usando array.T.

Aquí tienes un ejemplo práctico para verificar:

import numpy as np

# Supongamos que tienes un array de ejemplo
datos = np.array([[1, 2], [3, 4], [5, 6]])

# Verifica la forma
print(datos.shape)  # Debería mostrar (3, 2)

# Acceso normal
print(datos[:2, 0])  # Debería mostrar [1, 3]

# Si necesitas invertir, podría ser algo relacionado con la transposición

Espero que esto te ayude a identificar el problema. A veces, pequeños detalles en la forma en que los datos son manipulados pueden llevar a confusiones como esta.

¡Espero haber ayudado y buenos estudios!

Si este post te ayudó, por favor, marca como solucionado ✓. Continúa con tus estudios!