{
 "cells": [
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": "# 00 · Formas y normalización con NumPy — inicio para completar\n\nNormalizar por columna, preservar formas y resolver una columna constante sin dividir por cero.\n\n**Ideas que aparecen:** funciones, listas, media y desviación (cápsulas 1 y 4). Puedes consultar las cápsulas\nopcionales de `ruta/Puentes de entrada.md` cuando alguna te haga falta.\n\nDatos **sintéticos educativos**, creados en este repositorio y dedicados a\nCC0-1.0. No representan personas ni un rendimiento oficial IOAI.\nTodo el ejercicio usa CPU y archivos locales; no requiere cuentas ni red.\n\nEl inicio ya corre. Las celdas de experimentación son lugares para cambiar una idea y observar qué ocurre; la solución está en otro archivo si quieres contrastarla.\nPuedes recorrerlo en una o varias sesiones. No hay límite de juez ni\nobligación de completar todos los experimentos para abrir el siguiente cuaderno.\n",
   "id": "00-i-00"
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "metadata": {},
   "outputs": [],
   "source": "from pathlib import Path\nimport json\nimport numpy as np\nimport pandas as pd\nimport matplotlib.pyplot as plt\n\nplt.rcParams.update({\"figure.figsize\": (10, 4), \"axes.spines.top\": False,\n                     \"axes.spines.right\": False, \"font.size\": 11})\n\nDATOS = Path(\"datos\")\nassert DATOS.is_dir(), \"Abre el notebook desde su carpeta: deben existir datos/ e inicio.ipynb.\"\nSEMILLA = 17\n",
   "id": "00-i-01"
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": "## Antes de escribir\nUna fila es un ejemplo y una columna una variable. Para `(n, d)`,\n`mean(axis=0)` tiene forma `(d,)`. Estandarizar aquí significa restar\nla media de **cada columna** y dividir por su desviación poblacional\n(`ddof=0`). Una columna constante se transforma en ceros: su media\nserá cero y su desviación también, no uno.\n\nEste laboratorio es una operación sobre una matriz. Cuando haya\nentrenamiento y validación, aprende esas estadísticas solo en\nentrenamiento y reutilízalas (laboratorio 04).\n",
   "id": "00-i-02"
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "metadata": {},
   "outputs": [],
   "source": "from time import perf_counter\nX = np.loadtxt(DATOS / \"matriz.csv\", delimiter=\",\", skiprows=1)\nassert X.shape == (12, 3)\nprint(\"Forma:\", X.shape, \"media por columna:\", X.mean(axis=0))\n\ndef normalizar_lento(X):\n    X = np.asarray(X, dtype=float)\n    salida = np.empty_like(X)\n    for j in range(X.shape[1]):\n        media = sum(float(v) for v in X[:, j]) / len(X)\n        desv = (sum((float(v) - media) ** 2 for v in X[:, j]) / len(X)) ** 0.5\n        for i in range(len(X)):\n            salida[i, j] = (X[i, j] - media) / desv if desv > 0 else 0.0\n    return salida\n",
   "id": "00-i-03"
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": "## Zona de experimentación\nSustituye el cuerpo de `normalizar` por operaciones sobre arreglos,\nsin ciclos. Antes de ejecutar, anota las formas de media, desviación\ny salida. El inicio delega en el baseline correcto y permite correr\nel notebook entero; todavía no has hecho la vectorización.\n",
   "id": "00-i-04"
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "metadata": {},
   "outputs": [],
   "source": "def normalizar(X):\n    # TRABAJO: reemplaza esta delegación por operaciones de NumPy.\n    return normalizar_lento(X)\n",
   "id": "00-i-05"
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": "## Comparación en las mismas condiciones\nCompara ambas funciones sobre exactamente la misma matriz. La solución de referencia conserva forma, produce valores finitos y coincide hasta error ≤ 1e-10; la velocidad es una observación del equipo, no una nota ni una garantía de 20×.\n",
   "id": "00-i-06"
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "metadata": {},
   "outputs": [],
   "source": "esperado = normalizar_lento(X)\nobtenido = normalizar(X)\nerror = float(np.max(np.abs(esperado - obtenido)))\nassert obtenido.shape == X.shape and np.isfinite(obtenido).all()\n# Matriz pequeña suficiente para medir sin convertirlo en una espera larga.\ngrande = np.tile(X, (300, 1))\ntiempos = {}\nfor nombre, funcion in [(\"baseline\", normalizar_lento), (\"propuesta\", normalizar)]:\n    funcion(grande)  # calentamiento\n    mediciones = []\n    for _ in range(3):\n        inicio_reloj = perf_counter()\n        funcion(grande)\n        mediciones.append(perf_counter() - inicio_reloj)\n    tiempos[nombre] = float(np.median(mediciones))\nresultado = {\"baseline\": 0.0, \"validacion\": error, \"tiempos_segundos\": tiempos}\nprint(\"Error máximo:\", error, \"tiempos:\", tiempos)\n",
   "id": "00-i-07"
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": "<details><summary>Idea · eje</summary>Al reducir el eje 0 desaparecen las filas; queda una estadística por columna.</details>\n<details><summary>Idea · constantes</summary>Usa un divisor de 1 donde la desviación sea 0. El numerador ya es 0.</details>\n<details><summary>Idea · copia</summary>Devuelve un arreglo nuevo. Comprueba que la entrada no cambió.</details>\n",
   "id": "00-i-08"
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": "## Transferencia: decide antes de mirar el resultado\nLa segunda matriz tiene dos columnas y una es constante. Predice su forma y desviaciones antes de correr. Prueba además una sola fila. Explica por qué pedir desviación uno para la constante sería imposible.\n",
   "id": "00-i-09"
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "metadata": {},
   "outputs": [],
   "source": "nuevo = np.loadtxt(DATOS / \"transferencia.csv\", delimiter=\",\", skiprows=1)\ncopia = nuevo.copy()\nsalida = normalizar(nuevo)\nerror_transferencia = float(np.max(np.abs(salida - normalizar_lento(nuevo))))\nassert salida.shape == nuevo.shape and np.isfinite(salida).all()\nassert np.array_equal(nuevo, copia), \"No debes modificar la entrada.\"\nassert np.allclose(normalizar(np.array([[3., 7.]])), 0)\nresultado[\"transferencia\"] = error_transferencia\nresultado[\"desviacion_constante\"] = float(salida[:, 1].std())\n",
   "id": "00-i-10"
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": "## Mirar la idea\nCompara el dibujo con lo que esperabas antes de ejecutar.\n",
   "id": "00-i-11"
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "metadata": {},
   "outputs": [],
   "source": "fig, ejes = plt.subplots(1, 2, figsize=(11, 4))\nfor j in range(X.shape[1]):\n    ejes[0].plot(X[:, j], marker=\"o\", label=f\"columna {j}\")\n    ejes[1].plot(obtenido[:, j], marker=\"o\", label=f\"columna {j}\")\nejes[0].set(title=\"Antes: unidades y escalas distintas\", xlabel=\"fila\", ylabel=\"valor\")\nejes[1].set(title=\"Después: media 0, desviación 1 si varía\", xlabel=\"fila\", ylabel=\"valor estandarizado\")\nfor eje in ejes:\n    eje.legend()\n    eje.grid(alpha=0.15)\nfig.tight_layout()\nplt.show()\n",
   "id": "00-i-12"
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": "## Para seguir explorando\n¿Qué información conserva normalizar una columna y cuál cambia? Prueba una columna constante, una sola fila o unidades cien veces mayores. Predice el resultado antes de ejecutarlo. Compara los tiempos por curiosidad; el factor depende del equipo.\n",
   "id": "00-i-13"
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": "## Comprobaciones del ejemplo\nEstas aserciones detectan errores técnicos en el cuaderno y en su solución de referencia. No son un examen ni una escala de capacidad.\n",
   "id": "00-i-14"
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "metadata": {},
   "outputs": [],
   "source": "assert isinstance(resultado, dict)\n",
   "id": "00-i-15"
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": "## Resultado reproducible\nEsta celda guarda automáticamente las medidas para comprobar el material. Puedes conservar una copia de tu notebook y tus propias notas; no hay un formulario que rellenar.\n",
   "id": "00-i-16"
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "metadata": {},
   "outputs": [],
   "source": "resultado.update({\"laboratorio\": '00_numpy', \"version\": 'inicio para completar',\n                  \"datos\": \"sintéticos CC0-1.0\",\n                  \"metrica\": 'error absoluto máximo frente al baseline correcto (menor es mejor)', \"split\": 'sin entrenamiento; desarrollo y transferencia son matrices separadas'})\nPath(\"resultado.json\").write_text(json.dumps(resultado, ensure_ascii=False, indent=2, allow_nan=False) + \"\\n\", encoding=\"utf-8\")\nprint(json.dumps(resultado, ensure_ascii=False, indent=2))\n",
   "id": "00-i-17"
  }
 ],
 "metadata": {
  "kernelspec": {
   "display_name": "Python 3",
   "language": "python",
   "name": "python3"
  },
  "language_info": {
   "name": "python",
   "version": "3.11"
  }
 },
 "nbformat": 4,
 "nbformat_minor": 5
}
