lightbulb_outline

Axes numpy

Lees en 2 Min.

2116 visitas

06/04/20

Toca el turno de hablar de Axis, o ejés por su traducción al español. Tengo que ser muy sincero, en su momento este fue, desde mi punto de vista, el tema más difícil de comprender de Numpy. Una gran cantidad de funciones y métodos reciben como argumento un eje, y si no sabemos exactamente a que se refiere, difícilmente podremos sacarle el máximo provecho a esta librería. Es por ello que, en esta ocasión, me gustaría explicarte exactamente que es un ejé en Numpy, que, deja te adelanto, resulta más fácil de comprender de lo que uno puede llegar a pensar.

Bien, una vez dicho esto comencemos.

Axes

Imaginemos un arreglo bidimensional de 2x3. 2 Filas y 3 columnas. Podemos decir que la matriz posee 2 dimensiones. El primer eje tiene por nombre axi 0, y representa a las filas de la matriz, y por otro lado, el segundo eje, tiene por nombre axi 1 y representa las columnas de la matriz.

Al igual que los índices los ejes (axes) comienzan en 0.

Como puedes observar será el axi 0 quien nos permitirá desplazarnos de "Arriba a abajo" y el axi 1 quien nos permita desplazarnos de "Derecha a izquieda".

Si por ejemplo, tuvieramos que obtener el último elemento de la segunda fila la sentencia debería quedar así.

array[1, 2]

Si estuviéramos trabajando con una matriz de 3 dimensiones (3D) hablariamos de 3 ejes/axis (0, 1, 2).

Entonces ¿Un ejes es lo mismo que una dimensión? pues deja decirte que, según la documentación oficial de Numpy, Sí. Los Axes representan las dimensiones en un arreglo.

Podemos definir la palabra dimensión como el número mínimo de coordenadas para representar un punto en un espacio. Una definición, si me permiten decirlo, muy acertada.

Utilizados los axes/ejés podremos hacer cálculos muy puntuales sobre las dimensiones de nuestro arreglo. Veamos un par de ejemplos.

En este caso sumamos todos los elementos del arreglo con respecto a el axis 0, la primera dimensión.

En este segundo ejemplo, nuevamente sumamos los elementos, pero ahora utilizando el axis 1, las columnas.

Conclusión

Entonces recordemos, en Numpy los ejes, axes y dimensiones son sinonimos, representa la cantidad de coordenadas mínimas para representar un punto dentro de un espacio. Utilizando los ejes seremos capaces de realizar operaciones muy puntuales sobre cada una de las dimensiones en nuestro arreglo. Pudiendo así tanto obtener como editar los elementos dentro de arreglos, matrices o dataframes.

Otros artículos del blog

Comentarios