• Saltar al contenido principal
  • Skip to secondary menu
  • Saltar a la barra lateral principal
  • Saltar al pie de página
  • Inicio
  • Secciones
    • Ciencia de datos
    • Criptografía
    • Herramientas
    • Machine Learning
    • Noticias
    • Opinión
    • Productividad
    • Programación
      • JavaScript
      • Julia
      • Matlab
      • Python
      • R
  • Programación
    • JavaScript
    • Julia
    • Matlab
    • Python
    • R
  • Noticias
  • Boletín
  • Contacto
  • Tienda
    • Libros
    • Equipamiento de oficina
    • Equipamiento en movilidad
    • Tiendas afiliadas
      • AliExpress
      • Amazon
      • Banggood
      • GeekBuying
      • Lenovo

Analytics Lane

Ciencia e ingeniería de datos aplicada

  • Ciencia de datos
  • Machine Learning
  • Python
  • Pandas
  • NumPy
  • Matlab
  • Julia
  • JavaScript
  • Excel

Utilizar los tipos en Julia (8ª parte – ¡Hola Julia!)

agosto 6, 2020 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 4 minutos

Una de las características que posiblemente menos se destaque de Julia es que es un lenguaje con tipado de datos. Lo que nos permite indicarle al lenguaje que las variables solamente pueden ser de un tipo. Lo que hemos usado en una entrada anterior para sobrecargar los métodos y llamar a uno y otro en función del tipo de dato que nos llega. Pero esta es una característica, que, si la usamos correctamente, nos puede evitar errores en tiempo de ejecución porque llegue un dato de un tipo incorrecto. Por ejemplo, cuando llega una cadena de texto y esperábamos un valor numérico o, incluso, llega un real y el tipo debería de ser entero. Veamos en esta entrada cómo se pueden utilizar los tipos de datos en Julia para evitar algunos problemas habituales.

Definiendo las funciones que admite una función

Supongamos que queremos definir la función de probabilidad de una distribución binomial (función ya se puede enconar implementado paquete Distributions de Julia). Sabemos que esta función tiene dos parámetros, el primero es el número de ensayos y, por lo tanto, tiene que ser necesariamente un número entero. Por otro lado el segundo es la probabilidad de éxito, un número real que ha de estar comprendido entre 0 y 1. Además, el dominio de la función es sobre los datos enteros positivos. Un usuario despistado o una mala implementación del código puede hacer que intercambiemos los valores o sean introducidos de forma incorrecta.

Implementación básica de la función de probabilidad de una distribución binomial

Podemos implementar la función densidad de probabilidad de la distribución normal con el siguiente código

function binomialpdf(k, n, p)
    return binomial(n, k) * p^k * (1 - p)^(n - k)
end

En este caso si un usuario intenta calcular la función con un valor real de k nos aparecerá un error porque binomial no admite más que enteros. Pero si la función es más larga puede que el usuario no sepa lo que pasa. Así que una buena práctica puede ser hacer igual que en la liberia estándar de Julia, indicar los tipos de datos que nuestra función admite.

Así podemos indicar tanto que k como n son enteros y p es un valor real. Algo que es relativamente sencillo. Además, se puede indicar que el tipo de dato que va a devolver la función es Real, lo que nos dará un error si asignamos el resultado a una variable de tipo cadena de texto.

Publicidad


function binomialpdf(k::Integer, n::Integer, p::Real)::Real
    return binomial(n, k) * p^k * (1 - p)^(n - k)
end

Indicar el tipo en nuestra variable

Además de lo anterior también se le puede indicar el tipo a las variables que usemos en nuestras funciones. Pudiendo darnos cuenta de forma rápida si el tipo no es el correcto y, por lo tanto, hay un error en la codificación. Por ejemplo, al usar la siguiente función tendremos un error porque intentamos asignar un valor real a una variable entera. Incluso si el resultado de la función es 0 nos aparecerá el error.

function pdf(k::Integer, n::Integer, p::Real)::Real
    resultado::Integer = binomialpdf(k, n, p)
    return resultado
end

Algo que se puede solucionar simplemente indicando el tipo de dato correcto.

function pdf(k::Integer, n::Integer, p::Real)::Real
    resultado::Real = binomialpdf(k, n, p)
    return resultado
end

Conclusiones

En esta pequeña entrada hemos visto la utilidad de los tipos de datos en Julia. Una característica que no es muy usada, pero permite evitar algunos tipos de errores de en nuestros programas. Es una práctica que no exige mucho trabajo, y nos permite ahorrar tiempo al encontrar algunos problemas de una forma casi automática.

Julia es un lenguaje de programación de tipado dinámico, esto es, no realiza las comprobaciones de un lenguaje de tipado estático como es el caso de C/C++, Java, C# o Swift. Aunque el uso de los tipos nos ofrece algunas de las ventajas de estos lenguajes. Los programas de Julia se pueden ejecutar sin ninguna indicación acerca de los tipos de datos, lo que es muy cómodo en la fase de prototipado. Sin embargo incluir estas indicaciones de tipo puede aumentar el rendimiento al ayudar al compilador en la creación de un código más compacto y optimizado.

Publicaciones de la serie ¡Hola Julia!

  1. ¡Hola Julia!
  2. Primeros pasos con Julia
  3. Cadenas de texto en Julia
  4. Bucles en Julia
  5. Funciones en Julia
  6. Vectores, tuplas y diccionarios en Julia
  7. Estructuras en Julia
  8. Utilizar los tipos en Julia
  9. Tipos de datos en Julia
  10. Tipos y funciones paramétricos en Julia
  11. Introducción a los DataFrames en Julia
  12. Obtener información básica de los DataFrames de Julia
  13. El tipo de dato Missing de Julia
  14. Columnas en DataFrames de Julia
  15. Filas en DataFrames de Julia
  16. Combinar DataFrames en Julia
  17. Guardar y leer archivos CSV en Julia
  18. Guardar y leer archivos Excel en Julia
  19. Introducción a Genie
  20. Libros sobre Julia

¿Te ha parecido de utilidad el contenido?

¡Puntúalo entre una y cinco estrellas!

Puntuación promedio 0 / 5. Votos emitidos: 0

Publicidad


Ya que has encontrado útil este contenido...

¡Síguenos en redes sociales!

¡Siento que este contenido no te haya sido útil!

¡Déjame mejorar este contenido!

Dime, ¿cómo puedo mejorar este contenido?

Publicaciones relacionadas

  • Introducción a los DataFrames en Julia (11ª parte – ¡Hola Julia!)
    Introducción a los DataFrames en Julia (11ª parte – ¡Hola…
  • Guardar y leer archivos CSV en Julia (17ª parte – ¡Hola Julia!)
    Guardar y leer archivos CSV en Julia (17ª parte – ¡Hola…
  • El tipo de dato Missing de Julia (13ª parte – ¡Hola Julia!)
    El tipo de dato Missing de Julia (13ª parte – ¡Hola Julia!)
  • Tipos y funciones paramétricos en Julia (10ª parte – ¡Hola Julia!)
    Tipos y funciones paramétricos en Julia (10ª parte – ¡Hola…
  • Combinar DataFrames en Julia (16ª parte – ¡Hola Julia!)
    Combinar DataFrames en Julia (16ª parte – ¡Hola Julia!)
  • Vectores, tuplas y diccionarios en Julia (6ª parte – ¡Hola Julia!)
    Vectores, tuplas y diccionarios en Julia (6ª parte – ¡Hola…

Publicado en: Julia

Interacciones con los lectores

Deja una respuesta Cancelar la respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

I accept the Terms and Conditions and the Privacy Policy

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.

Publicidad




Barra lateral principal

Suscríbete a nuestro boletín

Suscríbete al boletín semanal para estar al día de todas las publicaciones.

Política de Privacidad

Analytics Lane en redes sociales

  • Amazon
  • Facebook
  • GitHub
  • Instagram
  • Pinterest
  • RSS
  • Twitter
  • Tumblr
  • YouTube

Publicidad

Entradas recientes

El método de Hare-Niemeyer y su implementación en Python

septiembre 29, 2023 Por Daniel Rodríguez

Redimensionar una partición de disco LVM con espacio no asignado en Linux

septiembre 27, 2023 Por Daniel Rodríguez

¿Cómo saber la versión de Pandas o cualquier otra librería en Python?

septiembre 25, 2023 Por Daniel Rodríguez

Publicidad

Es tendencia

  • ¿Cómo eliminar columnas y filas en un dataframe pandas? publicado el marzo 25, 2019 | en Python
  • Operaciones de filtrado de DataFrame con Pandas en base a los valores de las columnas publicado el mayo 10, 2019 | en Python
  • Sistema de ecuaciones Sistemas de ecuaciones lineales con numpy publicado el octubre 29, 2018 | en Python
  • Seleccionar filas y columnas en Pandas con iloc y loc publicado el junio 21, 2019 | en Python
  • pandas Pandas: Cómo crear un DataFrame vacío y agregar datos publicado el noviembre 16, 2020 | en Python

Publicidad

Lo mejor valorado

4.9 (22)

Seleccionar filas y columnas en Pandas con iloc y loc

4.7 (12)

Operaciones de filtrado de DataFrame con Pandas en base a los valores de las columnas

4.6 (15)

Archivos JSON con Python: lectura y escritura

4.5 (10)

Diferencias entre var y let en JavaScript

4.3 (12)

Ordenación de diccionarios en Python mediante clave o valor

Publicidad

Comentarios recientes

  • Daniel Rodríguez en ¿Cómo eliminar columnas y filas en un dataframe pandas?
  • Miguel en ¿Cómo eliminar columnas y filas en un dataframe pandas?
  • alberto en Resolver problema de credenciales en Bitbucket
  • Pablo en Aplicar el método D’Hondt en Excel
  • Agapito en Creación de un EXE desde un archivo Python en Windows

Publicidad

Footer

Analytics Lane

  • Acerca de Analytics Lane
  • Boletín de noticias
  • Contacto
  • Libros
  • Lo más popular
  • Noticias
  • Tienda
  • Tiendas afiliadas

Secciones

  • Ciencia de datos
  • Criptografía
  • Herramientas
  • Machine Learning
  • Opinión
  • Productividad
  • Programación
  • Reseñas

Sobre de Analytics Lane

En Analytics Lane tratamos de explicar los principales conceptos de la ciencia e ingeniería de datos con un enfoque práctico. Los principales temas tratados son ciencia de datos, ingeniería de datos, inteligencia artificial, machine learning, deep learning y criptografía. Además, también se habla de los principales lenguajes de programación y herramientas utilizadas por los científicos e ingenieros de datos.

Copyright © 2018-2023 Analytics Lane ·Términos y condiciones ·Política de Cookies ·Política de Privacidad ·Herramientas de privacidad ·Contacto