Para usar matrices en Python se pueden obtener las matrices desde archivos, o almacenar las matrices hacia archivos. Así no será necesario tener que escribir los valores de las matrices cada vez que se requiera hacer una operación.

Existen funciones incorporadas en libreria numpy para guardar o abrir una matriz desde un archivo en formato .txt, se muestra su uso a continuación.

Guardar matriz en archivo .txt

Guardar una matriz a un archivo usando: numpy.savetxt('matriz.txt', matriz)

>>> import numpy as np
>>> matriz = np.array([[1,2,3],[4,5,6]])
>>> matriz
array([[1, 2, 3],
       [4, 5, 6]])
>>> np.savetxt('matriz00.txt',matriz)

se puede encontrar en archivo txt en el directorio de trabajo de Python

El archivo puede ser abierto para observar desde el «block de notas»

Abrir archivo.txt de una matriz

Continuando con el ejercicio anterior, para abrir o leer desde un archivo en formato de texto ‘matriz.txt’, se dispone de la instruccion de Numpy: np.loadtxt('matriz.txt',dtype=int)

La instrucción permite indicar el tipo de datos que se usan en el arreglo.

>>> A = np.loadtxt('matriz00.txt',dtype=int)
>>> A
array([[1, 2, 3],
       [4, 5, 6]])

>>> B = np.loadtxt('matriz00.txt')
>>> B
array([[ 1., 2., 3.],
       [ 4., 5., 6.]])

Nota: lo importante es el formato del archivo en tipo texto. Algunas veces los archivos tienen extensión .dat que también pueden ser leidos.

2020-05-212021-07-20

4.2.2 Matrices/Arreglos – Ejercicios

Problemas de aplicación

3Eva_IT2000_T2 Matriz: puntos por goles en campeonato

2Eva_IIT2011_T3 Movimientos del caballo en ajedrez

3Eva_IIT2015_T3 funciones matrices rotar, extraer

3Eva_IIT2015_T4 Orientar código QR (Quick Response Code)

Matrices y Aleatorios

3Eva_IIT2014_T1 Ubicar estudiantes en aula

2Eva_IT2015_T3 Distribuye tortugas en región

2Eva_IT2015_T4 Movilidad de tortugas en región

Matrices en Algebra

2Eva_IIT2009_T2 Transponer una matriz

2Eva_IT2007_T2 Verificar matriz triangular

1Eva_IT2004_T4 Verificar matriz simétrica

2018-05-052021-07-27

4.3 Cadenas de caracteres – vector de letras

El manejo de texto en computador es un tema interesante al conocer que internamente maneja solo números binarios. Se requiere una presentación de los símbolos o letras que representan un idioma.

Cada símbolo, letra o «caracter» que se presenta al escribir en pantalla se convierte en una sucesión ordenada de imágenes, semejante a agrupar las fichas del juego Scrable

Una palabra se puede observar como las casillas de un vector, dando la pauta para el manejo de texto en el computador.

En Python, el texto para los mensajes en las preguntas «input» y las salidas «print» se escriben entre comillas " o apóstrofes '. Cada letra de una palabra se puede identificar por su posición como en un vector.

>>> palabra = 'manzana'
>>> len(palabra)
7
>>> palabra[0]
'm'
>>> palabra[4]
'a'
>>>

Concatenar texto

Al unir palabras se forma una oración, el concepto de concatenar se resume en la union de varias palabras para formar una oración un título o un mensaje.

>>> palabra1 = 'El'
>>> palabra2 = 'saber'
>>> frase = palabra1 + palabra2
>>> frase
'Elsaber'
>>> frase = palabra1 + ' ' + palabra2
>>> frase
'El saber'
>>> cadena1 = 'no ocupa lugar'
>>> frase = frase + ' ' + cadena1
>>> frase
'El saber no ocupa lugar'
>>>

Mayúsculas /Minúsculas

Para convertir una frase o palabra a mayúsculas o viceversa, se usan las instrucciones: palabra.upper() y palabra.lower().

Siguiendo el ejemplo anterior, el ejemplo de uso es:

>>> frase
'El saber no ocupa lugar'
>>> enmayusculas = frase.upper()
>>> enmayusculas
'EL SABER NO OCUPA LUGAR'
>>> enminusculas = frase.lower()
>>> enminusculas
'el saber no ocupa lugar'
>>>

Comparar cadenas

También es posible aplicar operaciones de comparación entre caracteres, o cadenas.
Considere que los caracteres o dibujos de mayúsculas son diferentes a los de minúsculas.

>>> letra1 = 'd'
>>> letra1 > 'a'
True
>>> letra1 > 'g'
False
>>> letra1 == 'D'
False
>>>

ejemplo con cadenas, o palabras:

>>> fruta1 = 'manzana'
>>> fruta2 = 'pera'
>>> fruta3 = 'manzana'
>>> fruta4 = 'MANZANA'
>>> fruta1 == fruta3
True
>>> fruta1 == fruta2
False
>>> fruta1 == fruta4
False
>>>

Segmentar o dividir un texto/cadena

Para segmentar o dividir el texto por algún símbolo se dispone de la instruccion frase.split().

En el ejemplo se muestra como se separa la frase

>>> separa = frase.split()
>>> separa
['El', 'saber', 'no', 'ocupa', 'lugar']
>>> separa[1]
'saber'
>>>

2018-05-052021-06-04

4.2.1 Matrices/Arreglos – Ejemplos

1) 3Eva_IT2002_T1 Triunfos, empates y derrotas por Goles

Solucion propuesta: Videos Tutoriales

2) 3Eva_IT2003_T2 Verificar un cuadrado mágico

Solución propuesta: Sol_py

3) 2Eva_IT2009_T3 Mejores vendedores por categoría

Solución propuesta: Sol_py

4) 1Eva_IIT2003_T3 Personas asignadas a proyectos

Solución propuesta: Sol_py

5) 2Eva_IIT2007_T2 Juego de memotest

Solución propuesta: Sol_py m_pdf

2018-05-052021-06-21

4.2 Matrices – Arreglos de dos dimensiones

Las matrices en programación se manejarán como arreglos de Numpy.

Una forma de matriz muy conocida es la de dos dimensiones, con índices de filas «i» y columnas «j» y puede ser escrita en un arreglo de dos dimensiones

La interpretación de los datos de un arreglo – Matriz puede ser variada, desde un sistema de ecuaciones, una tabla de goles de un campeonato, una hoja de calendario.

Al igual que los vectores, las matrices en arreglos tienen como componentes: «nombre», «índice» y «tamaño». Los valores de tamaño dependen de las dimensiones de la matriz. Para los primeros ejercicios serán rectangulares de nxm.

Los índices a diferencia de el álgebra, inician en cero.

Matrices en programación

Para un mejor manejo de matrices en programación, se usan las funciones de la librería Numpy (Numerical Python) que se incorporan en el bloque de inicio con el alias np.

import numpy as np

Definir una matriz de nxm, con ceros o llena de unos, requiere la instrucción:

>>> import numpy as np
>>> n = 5
>>> m = 7
>>> matriz0 = np.zeros(shape=(n,m), dtype=float)
>>> matriz0
array([[0., 0., 0., 0., 0., 0., 0.],
       [0., 0., 0., 0., 0., 0., 0.],
       [0., 0., 0., 0., 0., 0., 0.],
       [0., 0., 0., 0., 0., 0., 0.],
       [0., 0., 0., 0., 0., 0., 0.]])
>>> matriz1 = np.ones(shape=(n,m), dtype=float)
>>> matriz1
array([[1., 1., 1., 1., 1., 1., 1.],
       [1., 1., 1., 1., 1., 1., 1.],
       [1., 1., 1., 1., 1., 1., 1.],
       [1., 1., 1., 1., 1., 1., 1.],
       [1., 1., 1., 1., 1., 1., 1.]])
>>>

El tipo de matriz (dtype=int) se añade para indicar que la matriz tiene datos tipo entero, la forma predeterminada para los datos es tipo real (dtype=float)

Las dimensiones de la matriz se obtienen mediante la intrucción con Numpy:

>>> np.shape(matriz0)
(5, 7)
>>> tamano = np.shape(matriz0)
>>> tamano
(5, 7)
>>> tamano[0]
5
>>> tamano[1]
7
>>> dimension = np.ndim(matriz0)
>>> dimension
2
>>>

entre otras operaciones en Numpy que reflejan las operaciones de matrices de algebra.