Por qué este artículo
Hoy configuré un entorno limpio de Python en Ubuntu e hice mis primeras pruebas con NumPy. Anoto cada paso para que puedas repetirlo en minutos y también para mostrar cómo Q2BSTUDIO puede ayudarte a integrar soluciones de datos y machine learning en proyectos reales.
Requisitos previos
Ubuntu compatible con 20.04 22.04 24.04 o superior Terminal y confort básico ejecutando comandos de shell
Instalar Python y pip
Ubuntu incluye Python 3 pero conviene asegurarse de tener las herramientas actualizadas. Ejecuta en la terminal los siguientes comandos tal como aparecen
$ sudo apt update && sudo apt install -y python3 python3-pip python3-venv
$ python3 --version
$ pip3 --version
Crear un entorno virtual
Crea una carpeta dedicada para aprender NumPy y evita que los paquetes contaminen el Python del sistema
$ mkdir -p ~/numpy-learning && cd ~/numpy-learning
$ python3 -m venv numpy-venv
$ source numpy-venv/bin/activate
El prefijo numpy-venv indica que el entorno está activo y which python debería apuntar a la ruta dentro de numpy-venv
Instalar NumPy y Jupyter
Actualiza pip e instala NumPy y Jupyter dentro del entorno virtual
(numpy-venv) $ python -m pip install --upgrade pip
(numpy-venv) $ pip install numpy jupyter
Opcionalmente instala herramientas útiles para análisis y visualización
(numpy-venv) $ pip install matplotlib pandas
Verifica las instalaciones
(numpy-venv) $ python -c import numpy as np; print(np.__version__)
(numpy-venv) $ jupyter --version
Lanzar Jupyter Notebook
Arranca el servidor de Jupyter y abre el navegador o copia la URL con token
(numpy-venv) $ jupyter notebook
En la interfaz de Jupyter crea un nuevo notebook Python 3 y nómbralo numpy_basics.ipynb
Tus primeras operaciones con NumPy
A continuación una guía rápida para ejecutar en celdas de Jupyter sin usar comillas en los comandos presentados aquí
Celda 1 import y versión
import numpy as np print NumPy version y la variable np.__version__ desde Jupyter
Celda 2 crear arrays
a = np.array([1,2,3,4,5])
b = np.array([[1,2,3],[4,5,6]])
Celda 3 propiedades
print a.shape a.dtype print b.shape b.ndim b.size
Celda 4 indexación y slicing
print a[0] print a[-2:] print b[:,1]
Celda 5 operaciones vectorizadas
print a * 2 print a + 10 print a ** 2
Celda 6 broadcasting
row = np.array([10,20,30]) print b + row
Celda 7 agregaciones
arr = np.array([10,20,30,40,50]) print np.sum(arr) print np.mean(arr) print np.std(arr) print np.min(arr) print np.max(arr)
Celda 8 reshape
reshaped = b.reshape(3,2) print reshaped
Cerrar y desactivar
Guarda en Jupyter File Save and Checkpoint luego en la terminal donde corre Jupyter presiona Ctrl C para detener el servidor y desactiva el entorno con
(numpy-venv) $ deactivate
La próxima vez navega a la carpeta activa y vuelve a activar
$ cd ~/numpy-learning $ source numpy-venv/bin/activate (numpy-venv) $ jupyter notebook
Errores comunes y soluciones
pip instala en el lugar equivocado siempre usa python -m pip dentro del venv para ser explícito
(numpy-venv) $ python -m pip install numpy jupyter
jupyter comando no encontrado asegúrate de que el venv esté activo y reinstala pip y jupyter
$ source numpy-venv/bin/activate (numpy-venv) $ python -m pip install --upgrade pip jupyter
comprueba which python para evitar mezclar Python del sistema y el del venv
(numpy-venv) $ which python
evita sudo pip usa venv o actualiza pip desde el entorno virtual
Qué sigue
Prueba JupyterLab para una interfaz más moderna
(numpy-venv) $ pip install jupyterlab (numpy-venv) $ jupyter lab
Explora np.arange np.linspace np.random.rand np.vstack np.hstack añade matplotlib para visualizar y prepara ejercicios sobre boolean masking fancy indexing broadcasting
Acerca de Q2BSTUDIO
Q2BSTUDIO es una empresa de desarrollo de software y aplicaciones a medida especializada en inteligencia artificial ciberseguridad y servicios cloud aws y azure. Ofrecemos software a medida para empresas que necesitan soluciones personalizadas desde aplicaciones web hasta sistemas de datos avanzados. Nuestra experiencia en servicios inteligencia de negocio power bi e ia para empresas permite transformar datos en decisiones accionables.
Servicios destacados de Q2BSTUDIO
Aplicaciones a medida y software a medida desarrollo full stack integración de APIs y microservicios consultoría en inteligencia artificial agentes IA para automatización y chatbots soluciones de ciberseguridad para proteger infraestructuras servicios cloud aws y azure migración y optimización de cargas y proyectos de servicios inteligencia de negocio con Power BI e integración de modelos de IA para empresas.
Por qué elegirnos
Combinamos experiencia en ingeniería de software con conocimiento profundo en inteligencia artificial y ciberseguridad para entregar soluciones seguras escalables y adaptadas a cada cliente. Si buscas aplicaciones a medida software a medida o implantar una estrategia de ia para empresas Q2BSTUDIO acompaña desde la idea hasta la puesta en producción.
Contacto y proyecto piloto
Si este tutorial te ayudó y quieres llevar tus proyectos de análisis y machine learning al siguiente nivel contacta a Q2BSTUDIO para una consultoría inicial y un proyecto piloto que integre NumPy con pipelines de datos visualizaciones Power BI y agentes IA en la nube con servicios cloud aws y azure.
Palabras clave
aplicaciones a medida software a medida inteligencia artificial ciberseguridad servicios cloud aws y azure servicios inteligencia de negocio ia para empresas agentes IA power bi
.jpg)
.jpg)