Efectos secundarios de NumPy

Como te has dado cuenta, numpy es excelente para hacer aritmética de vectores. Si comparas su funcionalidad con una lista de Python, aun así notarás que algunas cosas han cambiado.

Primero que todo, los arrays numpy no pueden contener elementos de diferentes tipos. Si intentas construir dicha lista, algunos de los elementos serán cambiados para obtener una lista homogenea. Esto es conocido como coherencia de tipos.

Segundo, los operadores aritméticos tipicos como +, -, * y / tienen diferentes significados para listas y arrays numpy.

Por ejemplo, observa la siguiente línea de código:

np.array([True, 1, 2]) + np.array([3, 4, False])

¿Puedes decir cual pedazo de código construye exactamente el mismo objeto Python? El paquete numpy ya se encuentra importado como np, así que puedes comenzar a probar en la consola de Python enseguida.

Possible Answers

np.array([True, 1, 2, 3, 4, False])
np.array([4, 3, 0]) + np.array([0, 2, 2])
np.array([1, 1, 2]) + np.array([3, 4, -1])
np.array([0, 1, 2, 3, 4, 5])

Exercise

Efectos secundarios de NumPy

Instructions

Possible Answers