Mínimo

Ya sabés crear arrays. Ahora vamos a resumirlos: ¿cuál es el Pokémon más fuerte? ¿el promedio de niveles? ¿cuántos superan el nivel 50?

📊 Agregaciones: de muchos números a uno

Una agregación toma todo el array y devuelve un solo número.

import numpy as np

niveles = np.array([25, 90, 12, 70, 50])
print("suma:", niveles.sum())
print("promedio:", niveles.mean())
print("máximo:", niveles.max())
print("mínimo:", niveles.min())
print("desvío:", niveles.std())

🧭 El eje (axis) en matrices 2D

En una tabla 2D podés agregar por columna (axis=0) o por fila (axis=1).

import numpy as np

# filas = Pokémon, columnas = [ataque, defensa, velocidad]
stats = np.array([[55, 40, 90],
                  [84, 78, 100]])

print(stats.sum(axis=0))   # total por columna -> [139 118 190]
print(stats.sum(axis=1))   # total por fila    -> [185 262]
print(stats.mean(axis=0))  # promedio por columna

P: `niveles = np.array([25, 90, 12, 70, 50])`. ¿Qué devuelve `niveles.mean()`?
- `90`
- `25`
+ `49.4`
> `.mean()` calcula el promedio: (25+90+12+70+50)/5 = 247/5 = 49.4.

🎭 Contar y filtrar con condiciones

Combinás máscaras con agregaciones para contar o medir.

import numpy as np

niveles = np.array([25, 90, 12, 70, 50])
print((niveles > 40).sum())          # cuántos superan 40 -> 3
print(niveles[niveles > 40].mean())  # promedio de los que superan 40

P: `niveles = np.array([25, 90, 12, 70, 50])`. ¿Qué devuelve `(niveles > 40).sum()`?
- `1`
- `2`
+ `3`
> `niveles > 40` da `[False True False True True]`. Sumar booleanos cuenta los `True`: hay 3 (90, 70 y 50).

🔀 np.where: elegir según una condición

np.where(condición, si_cumple, si_no) arma un array nuevo decidiendo valor por valor.

import numpy as np

hp = np.array([100, -5, 30, -20, 80])
sano = np.where(hp < 0, 0, hp)   # los negativos pasan a 0
print(sano)   # [100   0  30   0  80]

📏 Normalizar: llevar todo a la misma escala

Una técnica clásica: escalar los valores al rango 0 a 1 para poder compararlos.

import numpy as np

niveles = np.array([10, 50, 100])
norm = (niveles - niveles.min()) / (niveles.max() - niveles.min())
print(norm)   # [0.  0.444  1. ]

📝 Resumen

Cosa	Para qué
arr.sum()/mean()/max()/min()/std()	resumir todo el array en un número
arr.sum(axis=0/1)	resumir por columna / por fila
(arr > x).sum()	contar cuántos cumplen
np.where(cond, a, b)	elegir valor según condición
(x - min) / (max - min)	normalizar a 0..1

➡️ ¿Y ahora qué?

Practicá con los ejercicios de este tema. 💪