• 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
  • Laboratorio
    • Estadística
      • Calculadora del Tamaño Muestral en Encuestas
      • Calculadora de estadísticos descriptivos
      • Test de normalidad
      • Calculadora de contrastes de hipotesis
      • Calculadora de tamano del efecto
      • Simulador de Regresión Lineal con Ruido
      • Visualizador de PCA
      • Visualizador de Series Temporales
      • Simulador de Regresión Logística
      • Simulador de K-Means
      • Simulador de DBSCAN
      • Detector de la Ley de Benford
    • Probabilidad
      • Calculadora de Probabilidad de Distribuciones
      • Calculadora de Probabilidades de Lotería
      • Simulador del Problema de Monty Hall
      • Simulador de la Estrategia Martingala
    • Finanzas
      • Calculadora de Préstamos e Hipotecas
      • Conversor TIN ↔ TAE
      • Calculadora DCA con ajuste por inflación
      • Calculadora XIRR con Flujos Irregulares
      • Simulador FIRE (Financial Independence, Retire Early)
    • Negocios
      • CLV
      • Scoring
    • Herramientas
      • Formateador / Minificador de JSON
      • Conversor CSV ↔ JSON
      • Comparador y Formateador de Texto y JSON
      • Formateador y Tester de Expresiones Regulares
      • Inspector de JWT
      • Generador y verificador de hashes
      • Codificador / Decodificador Base64 y URL
      • Conversor de bases numericas
      • Conversor de Timestamp Unix
      • Conversor de colores
      • Generador de UUIDs
    • Juegos
      • Tres en Raya
      • Nim con Q-Learning
    • Más
      • Método D’Hondt
      • Generador de Contraseñas Seguras
  • Noticias
  • Boletín
  • Contacto
  • Tienda
    • Libros
    • Equipamiento de oficina
    • Equipamiento en movilidad

Analytics Lane

Ciencia e ingeniería de datos aplicada

  • Ciencia de datos
  • Machine Learning
  • IA Generativa
  • Python
  • Pandas
  • NumPy
  • R
  • Excel

Python

Python es un lenguaje de programación interpretado con una filosofía basada en la legibilidad del código. Un lenguaje que gracias posee un gran ecosistema de librerías para la ciencia de datos. Por lo que es uno de los más populares en la actualidad entre los científicos de datos. Además, es uno de los lenguajes más deseados y adorados por los programadores según las encuestas de Stack Overflow.

Python es un lenguaje de programación interpretado de propósito general que obliga al uso de una sintaxis clara, gracias a la cual el código es altamente legible. Siendo un lenguaje potente y fácil de aprender. Además, permite utilizar múltiples paradigmas de programación. Lo que permite usar desde programación orientada a objetos, pasando por programación imperativa o funcional.

Los paquetes de Python más utilizados por los científicos son:

  • NumPy: permite el tratamiento de datos basados en matrices,
  • Pandas: ideal para la manipulación de datos heterogéneos mediante objetos DataFrame,
  • SciPy: implementa tareas habituales en computación científica,
  • Matplotlib: facilita la visualización de datos y scikit-learn creación de modelos de aprendizaje automático.

Las publicaciones de esta sección versan sobre estas librerías y las bases del lenguaje.

Agregar etiquetas a los puntos en Matplotlib

agosto 18, 2022 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 3 minutos

En los gráficos de dispersión una manera de ayudar a los lectores a identificar valores especiales es incluir una etiqueta. Asignando un nombre a ese punto específico. La forma más sencilla para agregar etiquetas a los puntos en Matplotlib es mediante el uso de la función annotate(). Una función sencilla que solamente requiere la cadena de texto con el mensaje y la posición en … [Leer más...] acerca de Agregar etiquetas a los puntos en Matplotlib

Invertir los ejes en Matplotlib

agosto 16, 2022 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 3 minutos

En las gráficas es habitual que los valores representados en el eje de abscisas crezcan al desplazarse en este de izquierda a derecha. Mientras que los valores mostrados en el eje de ordenadas crecen al moverse de abajo a arriba. Aunque esta es la convención que se sigue habitualmente a la hora de crear figuras, en ciertas ocasiones puede ser mejor no adoptarla. Para conseguir … [Leer más...] acerca de Invertir los ejes en Matplotlib

Gráficos Boxplot con Matplotlib en Python

agosto 11, 2022 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 4 minutos

Los diagramas de caja o Boxplot son una excelente herramienta para analizar de forma gráfica la dispersión de los conjuntos de datos. Simplemente representando la mediana, los cuartiles y el rango intercuartílico. La función para crear un gráfico tipo Boxplot con Matplotlib es boxplot(), veamos a continuación las opciones que nos ofrece este método.Creación de un Boxplot … [Leer más...] acerca de Gráficos Boxplot con Matplotlib en Python

Generar líneas y áreas arbitrarias en Matplotlib

agosto 9, 2022 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 5 minutos

Al crear una gráfica con Matplotlib puede surgir la necesidad de dibujar líneas o áreas arbitrarias para realizar anotaciones. Aunque no es una herramienta de dibujo, esta no es una tarea complicada. Veamos en este tutorial los pasos para poder incluir líneas y áreas arbitrarias en Matplotlib.Creación de una líneaUna opción para dibujar líneas en las figuras de … [Leer más...] acerca de Generar líneas y áreas arbitrarias en Matplotlib

Uso de múltiples ejes en Matplotlib

agosto 4, 2022 Por Daniel Rodríguez 1 comentario
Tiempo de lectura: 4 minutos

En algunas situaciones puede ser interesante incluir más de una serie de datos en una gráfica, facilitando así la comparación de los patrones existentes en ambas. Cuando las dos series comparten las mismas unidades es posible representarlas en el mismo eje, pero no así cuando son diferentes. Siendo necesario en estos casos usar un eje diferente para cada una de las series. Algo … [Leer más...] acerca de Uso de múltiples ejes en Matplotlib

Combinar histogramas en Matplotlib

agosto 2, 2022 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 4 minutos

Una de las grandes ventajas de trabajar con Matplotlib es la facilidad con la que se pueden combinar múltiples gráficas en una única figura. Permitiendo simplificar las tareas de comparación de datos. Algo que no es una excepción en el caso de los histogramas, en una figura se puede mostrar varios, credos a partir de diferentes conjuntos de datos, y analizar de una forma fácil … [Leer más...] acerca de Combinar histogramas en Matplotlib

Conectar puntos en gráficas de dispersión en Matplotlib

julio 28, 2022 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 4 minutos

En una gráfica de dispersión donde existe un patrón en los datos que se desea mostrar al lector, si solamente se usan los puntos, puede ser complicado para este identificarlo. Siendo aconsejable en estos casos unir estos mediante líneas, para lo que existen múltiples opciones en Matplotlib. Veamos a continuación algunas de los métodos para conectar los puntos en gráficas de … [Leer más...] acerca de Conectar puntos en gráficas de dispersión en Matplotlib

Generar figuras de alta resolución en Matplotlib

julio 26, 2022 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 3 minutos

Por defecto la resolución con la que se crean las figuras en Matplotlib es de 72 puntos por pulgada (ppp), el valor estándar de las pantallas tradicionales. Aunque esta configuración es insuficiente en el caso de que se desee imprimir la gráfica o esta se visualice en una pantalla HiDPI o Retina. A la hora de trabajar con Jupyter se puede cambiar la configuración para doblar la … [Leer más...] acerca de Generar figuras de alta resolución en Matplotlib

Incluir líneas de división en Matplotlib

julio 21, 2022 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 4 minutos

Las gráficas que cuentan con líneas de división generalmente son más fáciles de leer, especialmente cuando se necesita comprender de una manera precisa la relación existente entre los diferentes valores que se muestran. Por eso incluir este elemento puede ser de gran ayuda. Incluir líneas de división en Matplotlib no es una tarea compleja, pero es necesario conocer las … [Leer más...] acerca de Incluir líneas de división en Matplotlib

Inclusión de texto en Matplotlib

julio 19, 2022 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 4 minutos

En las figuras de Matplotlib es posible incluir texto en cualquier posición. Una característica que puede ser de gran utilidad cuando es necesario incluir comentarios relacionados con algunos valores. La función para crear anotaciones de texto en Matplotlib es plt.text() y su uso es tremendamente sencillo.La función plt.text()En Matplotlib, la forma de la función … [Leer más...] acerca de Inclusión de texto en Matplotlib

Mostrar marcas de división secundarias en Matplotlib

julio 14, 2022 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 3 minutos

Habitualmente en las gráficas solamente se muestran las marcas de división principales, aquellas que se corresponden con un valor que se muestra en el eje, pero las marcas de división secundarias también son de gran ayuda para la lectura e interpretación de los gráficos. Unas marcas que por defecto no se muestran en las figuras creadas con Matplotlib. Veamos los pasos para … [Leer más...] acerca de Mostrar marcas de división secundarias en Matplotlib

Uso de LaTeX en Matplotlib

julio 12, 2022 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 3 minutos

Cuando es necesario incluir ecuaciones u otros símbolos matemáticos en los cuadernos de Jupyter lo habitual es usar las expresiones de LaTeX. Algo que también se puede usar en las figuras de Matplotlib. Aunque su uso es algo más complicado. A diferencia de Jupyter, para poder usar LaTeX en Matplotlib es necesario tener instalado previamente una distribución de este sistema de … [Leer más...] acerca de Uso de LaTeX en Matplotlib

  • « Ir a la página anterior
  • Página 1
  • Páginas intermedias omitidas …
  • Página 12
  • Página 13
  • Página 14
  • Página 15
  • Página 16
  • Páginas intermedias omitidas …
  • Página 34
  • Ir a la página siguiente »

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
  • Bluesky
  • Facebook
  • GitHub
  • Instagram
  • Mastodon
  • Pinterest
  • RSS
  • Telegram
  • Tumblr
  • Twitter
  • YouTube

Publicidad

Entradas recientes

Síndrome del objeto brillante en ciencia de datos: el error simétrico a los costes hundidos

mayo 21, 2026 Por Daniel Rodríguez

De la Regresión Logística al Scorecard: La Transformación Matemática

mayo 19, 2026 Por Daniel Rodríguez

Noticias

Analytics Lane lanza la versión 1.1 del laboratorio con nuevas suites de CLV y Scoring

mayo 18, 2026 Por Daniel Rodríguez

Publicidad

Es tendencia

  • Copiar y pegar Activar copiar y pegar en VirtualBox publicado el mayo 1, 2019 | en Herramientas
  • El índice de Davies-Bouldinen para estimar los clústeres en k-means e implementación en Python publicado el junio 30, 2023 | en Ciencia de datos
  • Creación de gráficos de barras y gráficos de columnas con Seaborn publicado el julio 18, 2023 | en Python
  • Número óptimo de clústeres con Silhouette e implementación en Python publicado el junio 23, 2023 | en Ciencia de datos
  • Excel en Python Guardar y leer archivos Excel en Python publicado el julio 30, 2018 | en Python

Publicidad

Lo mejor valorado

4.9 (24)

Seleccionar filas y columnas en Pandas con iloc y loc

4.6 (16)

Archivos JSON con Python: lectura y escritura

4.4 (14)

Ordenación de diccionarios en Python mediante clave o valor

4.7 (13)

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

4.1 (11)

Aplicar el método D’Hondt en Excel

Comentarios recientes

  • bif en JSON en bases de datos: cuándo es buena idea y cuándo no
  • bif en Cómo desinstalar Oracle Database 19c en Windows
  • M. Pilar en Cómo eliminar las noticias en Windows 11 y recuperar tu concentración
  • Daniel Rodríguez en Probabilidad básica: cómo entender el azar en nuestra vida diaria
  • Pepe en Probabilidad básica: cómo entender el azar en nuestra vida diaria

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 © 2018-2026 Analytics Lane ·Términos y condiciones ·Política de Cookies ·Política de Privacidad ·Herramientas de privacidad ·Contacto