🚀 DÍA 13/30: Coordenadas precisas en tus tablas bidimensionales.

Acceder a datos en una tabla plana (Filas x Columnas) requiere dos claves. Así se hace en NumPy.

import numpy as np

tabla = np.array([[1, 2, 3],

[4, 5, 6]])

# 📍 [Fila, Columna] (Recuerda: empezamos en 0)

dato = tabla[1, 2]

print("Dato extraído:", dato) # 6

📌 GUARDA este esquema mental: Primero Filas (Y), luego Columnas (X).

👇 ¿Qué código usarías para extraer el número 2? ¡A ver quién acierta primero!

🚀 DÍA 12/30: Extrayendo porciones de datos sin romper la matriz.

¿Solo quieres los primeros 3 registros de una base de datos gigante? Usa "Slicing" (Rebanado).

import numpy as np

historial = np.array([10, 20, 30, 40, 50])

# 🔪 Cortar desde el inicio hasta el índice 3 (sin incluir)

top_tres = historial[0:3]

print(top_tres) # [10, 20, 30]

📌 GUARDA el post para cuando necesites procesar lotes de datos pequeños.

👇 Comenta "CODIGO" y te envío el link a mis proyectos en YouTube por DM.

#DataScienceLife #CodingNinja #PythonBackend #NumPyTutorial #LearnToCode

🚀 DÍA 11/30: Cómo acceder a tus datos exactamente donde quieres.

Los arrays en Python empiezan a contar desde el cero. Si olvidas esto, borrarás el dato equivocado en producción.

import numpy as np datos = np.array([10, 20, 30, 40]) print(datos[0]) # Primer elemento (10) print(datos[-1]) # Último elemento (40)

📌 GUARDA el truco del -1. Es la forma más rápida de obtener el dato más reciente sin saber la longitud del array. 👇 ¿Qué número obtienes si escribes datos[2]?