Ejemplo uso numpy

Aquí tienes un ejemplo de un problema que utiliza NumPy para resolverlo, combinando varias operaciones y métodos. En este caso, trabajaremos con un conjunto de datos que representa las calificaciones de estudiantes en diferentes asignaturas y realizaremos algunas operaciones de análisis de datos.

Problema: Análisis de Calificaciones de Estudiantes

Supongamos que tenemos un conjunto de datos que representa las calificaciones de 5 estudiantes en 4 asignaturas (Matemáticas, Ciencias, Historia, y Literatura). Queremos realizar las siguientes tareas:

1. Calcular la media de las calificaciones para cada asignatura.
2. Calcular la calificación promedio de cada estudiante.
3. Identificar al estudiante con la calificación más alta en cada asignatura.
4. Calcular la desviación estándar de las calificaciones por asignatura.
5. Visualizar los resultados utilizando gráficos.

Paso 1: Importar las Bibliotecas Necesarias

import numpy as np
import matplotlib.pyplot as plt

Paso 2: Crear el Conjunto de Datos

# Calificaciones de 5 estudiantes en 4 asignaturas
calificaciones = np.array([[85, 90, 78, 92],  # Estudiante 1
                           [88, 76, 90, 85],  # Estudiante 2
                           [95, 89, 84, 91],  # Estudiante 3
                           [70, 80, 75, 68],  # Estudiante 4
                           [80, 85, 82, 86]]) # Estudiante 5

asignaturas = ['Matemáticas', 'Ciencias', 'Historia', 'Literatura']

Paso 3: Calcular la Media de las Calificaciones por Asignatura

media_asignaturas = np.mean(calificaciones, axis=0)
print("Media de calificaciones por asignatura:")
for asignatura, media in zip(asignaturas, media_asignaturas):
    print(f"{asignatura}: {media:.2f}")

Paso 4: Calcular la Calificación Promedio de Cada Estudiante

media_estudiantes = np.mean(calificaciones, axis=1)
print("\nCalificación promedio de cada estudiante:")
for i, media in enumerate(media_estudiantes, start=1):
    print(f"Estudiante {i}: {media:.2f}")

Paso 5: Identificar al Estudiante con la Calificación Más Alta en Cada Asignatura

indices_maximos = np.argmax(calificaciones, axis=0)
print("\nEstudiante con la calificación más alta en cada asignatura:")
for i, index in enumerate(indices_maximos):
    print(f"{asignaturas[i]}: Estudiante {index + 1} con {calificaciones[index, i]}")

Paso 6: Calcular la Desviación Estándar de las Calificaciones por Asignatura

desviacion_estandar = np.std(calificaciones, axis=0)
print("\nDesviación estándar de calificaciones por asignatura:")
for asignatura, std in zip(asignaturas, desviacion_estandar):
    print(f"{asignatura}: {std:.2f}")

Paso 7: Visualizar los Resultados

# Graficar las calificaciones de los estudiantes
plt.figure(figsize=(10, 6))
x = np.arange(len(asignaturas))  # las posiciones en el eje x

# Crear un gráfico de barras para cada estudiante
for i in range(calificaciones.shape[0]):
    plt.bar(x + i * 0.15, calificaciones[i], width=0.15, label=f'Estudiante {i + 1}')

plt.xticks(x + 0.15, asignaturas)
plt.xlabel('Asignaturas')
plt.ylabel('Calificaciones')
plt.title('Calificaciones de Estudiantes por Asignatura')
plt.legend()
plt.tight_layout()
plt.show()

Resultados

Al ejecutar el código anterior, se generarán los siguientes resultados en la consola:

1. Media de calificaciones por asignatura.
2. Calificación promedio de cada estudiante.
3. Estudiante con la calificación más alta en cada asignatura.
4. Desviación estándar de calificaciones por asignatura.

Además, se mostrará un gráfico de barras que ilustra las calificaciones de cada estudiante en cada asignatura, permitiendo una comparación visual clara.