Ir al contenido principal

Entradas

Mostrando entradas de agosto, 2025

Numpy, una librería para cálculo numérico y análisis de datos

Numpy ayuda con el tratamiento de datos y el cálculo numérico. Es similar a la librería Pandas y la complementa. Es fundamental para el cálculo numérico y el manejo de arrays multidimensionales. Es ampliamente utilizada en ciencia de datos, machine learning, y computación científica. Instalación: $ pip install numpy Verificar instalación: $ pip list Podemos crear un script para verificar que se ha instalado: verify.py import numpy as np print(np.__version__) Ejecutando el script: $ py verify.py Veremos la versión instalada. ¿Qué se puede hacer con Numpy? 1. Estructuras de datos: Arrays Crear arrays multidimensionales (ndarrays) para almacenar datos numéricos. Ejemplo: np . array([ 1 , 2 , 3 ]) np . array([[ 1 , 2 ], [ 3 , 4 ]]) Soporta arrays de cualquier dimensión (1D, 2D, 3D, etc.). Operaciones vectorizadas: cálculos rápidos sin bucles explícitos. 2. Operaciones matemáticas. Aritmética: Suma, resta, multiplicación, división, etc., elem...

Pandas, una librería para manejo de datos en Python

Pandas es una herramienta de análisis y manipulación de datos de código abierto rápida, potente, flexible y fácil de usar, construida sobre el lenguaje de programación Python. Instalando: $ pip install pandas Nota: También puedes instalarlo usando Anacaconda . Verificar instalación: $ pip list Al ejecutar este comando veremos las librerías y paquetes instalados. Otra forma de validar la instalación es entrando al Repl de Python: $ py >>> import pandas as pd >>> >>> exit() Si no sale error, entonces la instalación fue correcta. ¿Qué se puede hacer con Pandas? 1. Estructuras de datos principales. Pandas ofrece dos estructuras fundamentales: Series: Una columna unidimensional, similar a un array, pero con índices personalizables.  DataFrame: Una tabla bidimensional (filas y columnas), como una hoja de cálculo o una tabla SQL. 2. Carga y almacenamiento de datos. Leer datos desde múltiples formatos: CSV: pd.read_csv( 'arc...