Indexación y rebanado

import numpy as np

lecturas = np.genfromtxt("numpy_sensores.csv", delimiter=",",
                         skip_header=1, usecols=range(2, 26))
print("lecturas:", lecturas.shape, " (10 sensores, 24 horas)")

s01 = lecturas[0]
print()
print("EN UNA DIMENSION es igual que una lista de Python:")
print("   s01        :", np.round(s01[:8], 1), "...")
print("   s01[0]     :", s01[0])
print("   s01[-1]    :", s01[-1], "  <- el ultimo")
print("   s01[2:5]   :", s01[2:5], "  <- desde 2 INCLUIDO hasta 5 EXCLUIDO")
print("   s01[:3]    :", s01[:3])
print("   s01[20:]   :", s01[20:])
print("   s01[::6]   :", s01[::6], "  <- de a 6")
print("   s01[::-1]  :", np.round(s01[::-1][:4], 1), "... <- al reves")

print()
print("EN DOS DIMENSIONES se indexa con UNA coma, no con dos corchetes:")
print("   lecturas[0, 0]  ->", lecturas[0, 0], " (sensor 0, hora 0)")
print("   lecturas[0][0]  ->", lecturas[0][0], " (funciona, pero es mas lento:")
print("                        arma la fila entera y despues busca)")
print("   lecturas[4, 11] ->", lecturas[4, 11], " <- la lectura imposible")

print()
print("Fila entera, columna entera, y un rectangulo:")
print("   lecturas[2]        -> shape", lecturas[2].shape, " (el sensor S03)")
print("   lecturas[:, 0]     -> shape", lecturas[:, 0].shape,
      " (la hora h00 de los 10)")
print("   lecturas[:3, :4]   -> shape", lecturas[:3, :4].shape)
print(np.round(lecturas[:3, :4], 1))

print()
print("Los dos puntos solos significan 'todo este eje':")
print("   lecturas[:, 8:12] -> shape", lecturas[:, 8:12].shape,
      " (todas las filas, 4 horas)")
print("   lecturas[3:5, :]  -> shape", lecturas[3:5, :].shape,
      " (2 filas, todas las horas)")

print()
print("Y la diferencia que cuesta ver: un indice REDUCE la dimension,")
print("un rebanado NO.")
print("   lecturas[0]      -> shape", lecturas[0].shape, " (1 dimension)")
print("   lecturas[0:1]    -> shape", lecturas[0:1].shape, " (sigue en 2)")
print("   lecturas[:, 0]   -> shape", lecturas[:, 0].shape)
print("   lecturas[:, 0:1] -> shape", lecturas[:, 0:1].shape)
print("   Los dos tienen los mismos numeros. La diferencia importa cuando")
print("   despues hay que operar con otro array (leccion 3.5).")

print()
print("Ojo con el limite superior: NumPy lo excluye, como Python.")
print("   s01[0:3] son 3 elementos, no 4:", s01[0:3])
print("   pandas es la excepcion: loc['a':'c'] SI incluye 'c' (leccion 4.4)")

import numpy as np

original = np.arange(10)
print("original:", original)

rebanada = original[2:6]
print("rebanada = original[2:6] ->", rebanada)
print("¿es una vista?", rebanada.base is not None)

rebanada[0] = 999
print()
print("toque rebanada[0] = 999")
print("   rebanada:", rebanada)
print("   original:", original, "  <- CAMBIO TAMBIEN")

print()
print("En una lista de Python esto no pasa: el slice copia.")
lista = list(range(10))
trozo = lista[2:6]
trozo[0] = 999
print("   lista :", lista, "  <- intacta")
print("   trozo :", trozo)
print()
print("Es la diferencia mas importante entre las dos, y la que produce los")
print("bugs mas dificiles de encontrar: el cambio aparece en otro lado.")

print()
print("Como saber si un array es dueno de sus datos:")
copia = original[2:6].copy()
for nombre, array in (("original", original), ("rebanada", rebanada),
                      ("copia", copia)):
    print(f"   {nombre:<9} .base is None -> {array.base is None}"
          f"   {'(dueno)' if array.base is None else '(vista)'}")

print()
print("QUE DEVUELVE UNA VISTA y que devuelve una copia:")
print(f"   {'a[2:6]':<24} vista")
print(f"   {'a[:, 0]':<24} vista")
print(f"   {'a.reshape(2, 5)':<24} vista")
print(f"   {'a.T':<24} vista")
print(f"   {'a.ravel()':<24} vista si se puede")
print(f"   {'a.flatten()':<24} COPIA, siempre")
print(f"   {'a.copy()':<24} COPIA, siempre")
print(f"   {'a[[0, 2, 4]]':<24} COPIA (indexado por lista)")
print(f"   {'a[a > 3]':<24} COPIA (indexado booleano)")
print(f"   {'a.astype(float)':<24} COPIA, siempre")

grilla = np.arange(12).reshape(3, 4)
print()
print("Se comprueba en dos lineas:")
print("   grilla[:, 1].base is None      ->", grilla[:, 1].base is None)
print("   grilla[grilla > 5].base is None ->", grilla[grilla > 5].base is None)

print()
print("La regla practica: si vas a MODIFICAR, pedi .copy() explicito.")
print("Cuesta una linea y evita el bug que aparece tres funciones despues.")
print("En pandas la misma idea produce el ChainedAssignmentError de la")
print("leccion 4.7, y por el mismo motivo.")

import numpy as np

lecturas = np.genfromtxt("numpy_sensores.csv", delimiter=",",
                         skip_header=1, usecols=range(2, 26)).copy()

print("Se puede asignar a un rebanado entero, no solo a una celda:")
prueba = np.zeros((3, 4))
print(prueba)
prueba[1] = 5
print()
print("prueba[1] = 5 ->")
print(prueba)
prueba[:, 0] = [1, 2, 3]
print()
print("prueba[:, 0] = [1, 2, 3] ->")
print(prueba)
print()
print("El lado derecho tiene que ENTRAR en la forma del izquierdo, y si no:")
try:
    prueba[:, 0] = [1, 2]
except ValueError as error:
    print("   prueba[:, 0] = [1, 2] ->", type(error).__name__ + ":", error)

print()
print("=" * 62)
print("El indexado por LISTA de posiciones (fancy indexing)")
print("=" * 62)
s01 = lecturas[0]
print("   s01[[0, 6, 12, 18]] ->", s01[[0, 6, 12, 18]])
print("   Toma esas cuatro posiciones, en ESE orden, y devuelve una COPIA.")
print("   s01[[18, 0]]        ->", s01[[18, 0]], " <- el orden lo elegis vos")
print("   s01[[0, 0, 0]]      ->", s01[[0, 0, 0]], " <- se puede repetir")

print()
print("En dos dimensiones toma los PARES, no el rectangulo:")
print("   lecturas[[0, 1], [5, 6]] ->", lecturas[[0, 1], [5, 6]])
print("   que es [lecturas[0, 5], lecturas[1, 6]], dos numeros.")
print("   Para el rectangulo hay que separarlo en dos pasos:")
print("   lecturas[[0, 1]][:, [5, 6]] ->")
print(lecturas[[0, 1]][:, [5, 6]])
print("   O usar np.ix_, que arma la grilla:")
print("   lecturas[np.ix_([0, 1], [5, 6])] ->")
print(lecturas[np.ix_([0, 1], [5, 6])])

print()
print("Como devuelve una copia, asignarle NO modifica el original...")
copia = s01[[0, 1, 2]]
copia[0] = -1
print("   toque copia[0] = -1 -> s01[0] sigue en", s01[0])
print("...pero asignar DIRECTAMENTE sobre el indexado, si:")
s01[[0, 1, 2]] = -1
print("   s01[[0, 1, 2]] = -1 -> s01[:4] =", s01[:4])
print("   La diferencia: en el segundo caso NumPy nunca crea la copia,")
print("   escribe en el original. Es la misma distincion que en pandas")
print("   entre df[mask]['col'] = 0 y df.loc[mask, 'col'] = 0.")

print()
print("Y el ultimo, el mas util de todos: ordenar por otra cosa.")
# Se relee el archivo: arriba le escribimos -1 a las tres primeras horas
# de S01, y ese promedio ya no seria el del archivo.
intactas = np.genfromtxt("numpy_sensores.csv", delimiter=",",
                         skip_header=1, usecols=range(2, 26))
promedios = np.nanmean(intactas, axis=1)
orden = np.argsort(promedios)
print("   promedios     :", np.round(promedios, 1))
print("   np.argsort()  :", orden, " <- las POSICIONES ordenadas")
print("   promedios[orden]:", np.round(promedios[orden], 1))
print("   Y con esas posiciones se reordena cualquier otro array:")
nombres = np.array([f"S{i:02d}" for i in range(1, 11)])
print("   nombres[orden]:", nombres[orden])