Cuando descargas datos de dos servidores distintos, necesitas unirlos para analizarlos. NumPy lo hace con concatenate.
import numpy as np
server_eu = np.array([1, 2, 3])
server_us = np.array([4, 5, 6])
global_data = np.concatenate((server_eu, server_us))
print(global_data)
馃搶 GUARDA el c贸digo. Trabajar con m煤ltiples fuentes de datos es el pan de cada d铆a en backend. 馃憞 ¿Alguna vez has perdido datos intentando unir excels a mano? ¡Cu茅ntame tu drama!
Tienes un sistema de sensores donde a veces se registran valores negativos por error. Con np.where, puedes limpiarlos instant谩neamente.
import numpy as np
sensores = np.array([25, 26, -5, 24, -2])
# 馃洜️ np.where(condici贸n, valor_si_verdadero, valor_si_falso)
sensores_limpios = np.where(sensores < 0, 0, sensores)
print(sensores_limpios) # [25, 26, 0, 24, 0]
馃搶 GUARDA esta funci贸n. Es vital en limpieza de datos para Inteligencia Artificial.
Tienes millones de registros y solo quieres los n煤meros pares o los usuarios mayores de edad. Las m谩scaras booleanas son magia.
import numpy as npedades = np.array([15, 22, 17, 35, 12])# 馃幁 Filtramos directamente poniendo la condici贸n dentromayores = edades[edades >= 18]print(mayores) # [22, 35]
