
NumPy Beginners Guide, 3rd Edition
Ivan Idris
- Editorial
- Packt
- Año
- 2015
- Páginas
- ~348
- Nivel
- Básico
De qué trata
Tercera edición de la guía para principiantes de Ivan Idris, considerablemente ampliada para ofrecer un recorrido sistemático y accesible por la computación numérica con NumPy (actualizado con NumPy 1.9 sobre entornos Python 2.7 y 3.4). El libro está estructurado pedagógicamente para programadores noveles en la computación científica, ingenieros o analistas que tienen conocimientos básicos de la sintaxis de Python pero carecen de experiencia previa en manipulación de arreglos y álgebra lineal computacional.
El texto desarrolla de manera progresiva el uso del arreglo multidimensional ndarray, definición de dtypes, corte e indexación booleana. A lo largo de sus once capítulos, aborda funciones universales (ufuncs), operaciones de álgebra lineal con numpy.linalg (inversas, determinantes y autovalores), transformadas rápidas de Fourier con numpy.fft, funciones financieras y estadísticas, rutinas de prueba con numpy.testing, y trazado de gráficos 2D y 3D con Matplotlib. Además, enseña a conectar NumPy con herramientas del ecosistema como SciPy (optimización, interpolación e integración) y la librería multimedia Pygame para procesamiento gráfico.
Bajo el formato tutorial "Time for Action", el lector aprende resolviendo casos concretos: procesamiento de cotizaciones bursátiles desde archivos CSV para calcular medias ponderadas por volumen (VWAP) y rentabilidades, trazado de gráficos de velas financieras y manipulación directa de superficies y píxeles en videojuegos mediante pygame.surfarray. Incluye cuestionarios breves y retos al final de los capítulos para afianzar el aprendizaje. Es una obra didáctica y completa para cimentar el uso de NumPy, teniendo en cuenta que algunas utilidades financieras secundarias se trasladaron posteriormente al paquete satélite numpy-financial.
- NumPy
- Álgebra lineal
- Matplotlib
- SciPy
- Pygame
- Vectorización
- Análisis financiero
- IPython
- Pruebas unitarias
¿Cómo enseña?
Teoría + práctica
- ✓ Incluye ejercicios
- ✓ Incluye proyectos
Proyectos
Análisis cuantitativo de cotizaciones bursátiles
Lectura y procesamiento de series financieras desde archivos CSV para calcular medias ponderadas (VWAP), volatilidad y trazar gráficos de velas con Matplotlib.
Manipulación de superficies y animación de videojuegos
Modificación de gráficos y píxeles en tiempo real tratando superficies de Pygame directamente como arrays de NumPy con el módulo surfarray.

