🚀 DÍA 5/30: Puntos matemáticamente perfectos.

Si estás graficando funciones o creando interfaces, necesitas números espaciados exactamente igual. linspace hace el cálculo por ti.

import numpy as np

# 📏 5 puntos exactos entre 0 y 100

puntos = np.linspace(0, 100, 5)

print(puntos)

# Output: [ 0. 25. 50. 75. 100.]

📌 GUARDA el snippet para tus futuros proyectos de dashboards.

🚀 DÍA 4/30: Moldeando datos a tu voluntad.

Tienes una lista plana de 12 meses de ventas, pero quieres verla como 4 trimestres de 3 meses. reshape es tu mejor amigo.

import numpy as np

meses = np.arange(1, 13) # Del 1 al 12

# 🔄 Convertir lista 1D a matriz 2D (4x3)

trimestres = meses.reshape(4, 3)

print(trimestres)

📌 GUARDA el post para cuando tus datos no encajen en tu base de datos. 👇 Comenta "MOLDE" si quieres ver cómo conectar esto con bases de datos SQL en mi canal.

🚀 DÍA 3/30: El mapa de tus datos.

Antes de operar con millones de registros, necesitas saber qué forma tienen. ¿Es una línea, una tabla o un cubo?

import numpy as np

tabla = np.array([[1, 2], [3, 4], [5, 6]])

print(tabla.ndim)  # 2 (Dimensiones: filas y columnas)
print(tabla.shape) # (3, 2) -> 3 filas, 2 columnas

📌 GUARDA esto: shape será el comando que más uses para depurar errores en Machine Learning. 👇 ¿Cuántas dimensiones tiene una imagen a color? ¡Déjalo en los comentarios!