Cuando necesitamos unir el contenido de varias matrices en NumPy se puede recurrir a la función np.concatenate(). Una función con la que es posible concatenar matrices en NumPy tanto por filas como por columnas.La función np.concatenate()En el caso de que necesitemos concatenar dos o más vectores o matrices de NumPy se puede recurrir a la función np.concatenate(). Una … [Leer más...] acerca de NumPy: Concatenar matrices en NumPy con np.concatenate()
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.
Pandas: Contar los valores nulos en DataFrame
Es posible que al importar un conjunto de datos en un DataFrame de Pandas este tenga algunos valores nulos, generalmente representados por NaN. La existencia de este tipo de valores en los datos es un problema. Cualquier operación en la que se usen estos valores da como resultado NaN, salvo cuando es posible indicar que se ignoren. Por eso es aconsejable saber cómo contar los … [Leer más...] acerca de Pandas: Contar los valores nulos en DataFrame
NumPy: Contar valores diferentes de cero con la función np.count_nonzero()
Al trabajar con vectores muchas veces queremos contar cuántos valores cumplen una condición, para lo que en NumPy se puede recurrir a la función np.count_nonzero(). Una función que cuenta cuántos de los valores son diferentes de cero, o falso en el caso de matrices con valores booleanos, de una manera fácil.La función np.count_nonzero()En NumPy es posible encontrar la … [Leer más...] acerca de NumPy: Contar valores diferentes de cero con la función np.count_nonzero()
Pandas: Convertir el índice en una columna en un DataFrame
La semana pasada hemos visto cómo transformar una columna el índice de un DataFrame, en esta ocasión vamos a ver como se puede hacer el proceso: convertir el índice en una columna. Para lo que se usará el método reset_index() presente en los objetos DataFrame de Pandas.El método reset_index()En los objetos DataFrame de Pandas se encuentra el método reset_index() que … [Leer más...] acerca de Pandas: Convertir el índice en una columna en un DataFrame
NumPy: ¿Qué es una matriz estructurada de NumPy y cómo trabajar con ellas en Python?
A la hora de crear una matriz de NumPy es posible definir el tipo de dato mediante la propiedad dtype, evitando de esta forma que este sea deducido a partir de los datos. Aunque inicialmente se pueda pensar en el uso de los tipos primitivos: enteros, reales o cadenas de texto, también es posible emplear estructuras definidas por el usuario. Creando en este último caso lo que se … [Leer más...] acerca de NumPy: ¿Qué es una matriz estructurada de NumPy y cómo trabajar con ellas en Python?
Pandas: Convertir una columna en el índice
Los DataFrame de Pandas contienen una propiedad especial que son los índices, unos valores inmutables que se asignan a cada una de las filas del conjunto de datos. Al ser inmutables no es posible cambiar un valor específico, pero sí que es posible modificar todos los índices. En esta entrada vamos a ver cómo se pueden convertir una columna en el índice mediante el uso del … [Leer más...] acerca de Pandas: Convertir una columna en el índice
NumPy: ¿Cómo acceder al i-ésimo elemento de una matriz multidimensional de NumPy?
Una pregunta que me suele hacer de forma habitual los usuarios que comienzan con NumPy es cómo se puede acceder a un elemento en concreto. Pudiendo hacer referencia tanto a un escalar, una columna como una fila. Algo que es relativamente sencillo en cuanto se entiende el funcionamiento de las matrices multidimensionales de NumPy. Así que comprendamos estos objetos para saber … [Leer más...] acerca de NumPy: ¿Cómo acceder al i-ésimo elemento de una matriz multidimensional de NumPy?
Pandas: Conversion de texto a fecha
La librería NumPy de Python define el tipo de dato datetime64 para trabajar con fechas y diferencias entre fechas. Un tipo con el que es realmente fácil trabajar con este tipo de información tan complejo, haciendo fáciles operaciones que de otra manera serían complicadas. Por lo que es el tipo de dato que se suele usar en los DataFrames de Pandas. A la hora de importar fechas … [Leer más...] acerca de Pandas: Conversion de texto a fecha
NumPy: Ordenar en base a la suma de las columnas o filas de matrices NumPy
El año pasado publiqué una entrada en la que se enseñaba a ordenar las matrices de NumPy en base a los valores de una fila o columna. Para lo que se usaba el método argsort(). En esta ocasión veremos otro problema similar y bastante habitual: ordenar en base a la suma de las columnas o de las filas.Obtener la suma de las columnas o filas en NumPyPara continuar es … [Leer más...] acerca de NumPy: Ordenar en base a la suma de las columnas o filas de matrices NumPy
Pandas: Cambiar los tipos de datos en los DataFrames
Al trabajar con DataFrames de Pandas se puede observar que cada una de las series contiene un tipo de dato diferentes, como puede ser cadenas de caracteres, fechas, enteros o reales. En esta entrada, vamos a ver como se puede cambiar los tipos de datos en los DataFrames. Usando para ello el método astype(). Una operación que se puede realizar tanto sobre una única serie del … [Leer más...] acerca de Pandas: Cambiar los tipos de datos en los DataFrames
NumPy: Convertir matrices de NumPy en vectores
Existen diferentes opciones para transformar las matrices de NumPy en vectores: el método flatten() o la función ravel(). Veamos a continuación la forma de trabajar con ambos.El método flatten()En los objetos ndarray de NumPy existe el método flatten() con el cual se puede aplacar el contenido de los objetos, es decir, convertir una matriz de cualquier dimensión en una … [Leer más...] acerca de NumPy: Convertir matrices de NumPy en vectores
Pandas: Seleccionar elementos aleatorios en DataFrames Pandas
Los objetos DataFrame de Pandas cuenta con el método sample() mediante el cual es posible seleccionar un subconjunto aleatorio de elementos. Algo que es de gran utilidad para realizar muestreo de datos. Veamos a continuación cómo se puede usar este método para seleccionar elementos aleatorios en DataFrames.El método sample() de los DataFramesLa forma en la que se puede … [Leer más...] acerca de Pandas: Seleccionar elementos aleatorios en DataFrames Pandas