• 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
  • Herramientas
    • Método D’Hondt – Atribución de escaños
  • 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
  • Excel
  • IA Generativa

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.

Numpy básico: seleccionar elementos condicionalmente en Numpy

noviembre 20, 2019 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 2 minutos

Una tarea que se realiza casi a diario con Numpy es seleccionar elementos de un vector. Lo que se puede hacer en base a índices o, más interesante y productivo todavía, en base a una o varias condiciones. Como que los elementos a seleccionar sean menores que un valor o se encuentre en un rango. Esto es lo que se mostrará a continuación: cómo seleccionar elementos … [Leer más...] acerca de Numpy básico: seleccionar elementos condicionalmente en Numpy

Numpy básico: crear vectores con valores equiespaciados en Numpy

noviembre 13, 2019 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 2 minutos

En esta entrada se va a explicar como utilizar la función np.arrange() para crear vectores y matrices de valores equiespaciados en Numpy. Una función bastante importante ya que permite automatizar la creación de series en las que se conoce el paso entre valores. Lo que puede ser de ayuda en muchas tareas diarias.La función np.arrange()Para crear elementos de valores … [Leer más...] acerca de Numpy básico: crear vectores con valores equiespaciados en Numpy

Numpy básico: seleccionar filas y columnas en matrices Numpy

noviembre 6, 2019 Por Daniel Rodríguez 2 comentarios
Tiempo de lectura: 3 minutos

A la hora de trabajar con matrices una tarea clave es saber cómo seleccionar filas y columnas de una forma eficiente. Por eso es importante conocer las opciones de Numpy para ello. En esta entrada se explicará cómo seleccionar filas y columnas en matrices Numpy.Creación de una matriz de ejemploAntes de explicar cómo seleccionar filas y columnas en matrices Numpy es … [Leer más...] acerca de Numpy básico: seleccionar filas y columnas en matrices Numpy

Publicidad


Numpy básico: eliminar elementos en arrays de Numpy

octubre 30, 2019 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 3 minutos

Para eliminar eliminar elementos en arrays de Numpy se puede utilizar la función de la librería np.delete(). Esta función permite eliminar tanto valores como filas o columnas utilizando la posición del elemento a eliminar. Lo que la convierte en una función realmente interesante.np.delete() de NumpyLa función np.delete() es realmente sencilla ya que solamente necesita … [Leer más...] acerca de Numpy básico: eliminar elementos en arrays de Numpy

Numpy básico: valores mínimos y máximos en arrays Numpy

octubre 23, 2019 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 2 minutos

Localizar los valores extremos de un array de Numpy es una tarea que es necesario realizar de forma habitual. Para ello Numpy cuenta con dos funciones amin() y amax(). Las cuales, respectivamente, devuelven los valores mínimos y máximos en arrays Numpy.Las funciones amin() y amax()La función amin() de Numpy tiene la siguiente forma:dondearr: es array de Numpy … [Leer más...] acerca de Numpy básico: valores mínimos y máximos en arrays Numpy

Numpy básico: localizar valores únicos en arrays Numpy

octubre 16, 2019 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 3 minutos

Una de las tareas más habituales con los conjuntos de datos es la identificación de los valores únicos. Por eso Numpy cuenta con una función para ello: unique(). En esta entrada se verá como utilizar esta función.La función unique()La función de Numpy que permite localizar valores únicos en arrays es unique(), la cual se puede utilizar de la siguiente … [Leer más...] acerca de Numpy básico: localizar valores únicos en arrays Numpy

Publicidad


Numpy básico: inicialización de arrays en Numpy

octubre 9, 2019 Por Daniel Rodríguez 1 comentario
Tiempo de lectura: 2 minutos

En esta entrada se va a ver como hacer una tarea básica, la inicialización de arrays en Numpy con diferentes valores. Una tarea que puede ser tediosa si no se conocen y utilizan las herramientas que provee Numpy para ello. Además, estas son operaciones necesarias antes de comenzar con diferentes análisis de datos.Inicialización de arrays con ceros con np.zeros()Numpy … [Leer más...] acerca de Numpy básico: inicialización de arrays en Numpy

Numpy básico: el método numpy.where()

octubre 2, 2019 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 2 minutos

En esta entrada se va a explicar el funcionamiento del método numpy.where() con el que se puede seleccionar elementos en base a una condición. Simplemente en una línea de código. El método numpy.where() puede evitar la necesidad de crear un bucle para crear un nuevo vector en base a una condición. Permitiendo así crear código más compacto.Uso básico de numpy.where()La … [Leer más...] acerca de Numpy básico: el método numpy.where()

Aumentar el rendimiento de Python con Cython

septiembre 30, 2019 Por Daniel Rodríguez 3 comentarios
Tiempo de lectura: 4 minutos

Python es uno de los lenguajes de programación más populares de la actualidad. Lo que se puede apreciar es los diferentes tipos de desarrollos en los que se suele utilizar: la inteligencia artificial, el análisis de datos o la creación de páginas web. Pero tiene un problema, el código Python es lento en comparación con lenguajes compilados como C. Un problema que se puede … [Leer más...] acerca de Aumentar el rendimiento de Python con Cython

Publicidad


Diferencia entre listas y tuplas en Python

septiembre 27, 2019 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 2 minutos

A la hora de comenzar con Python es habitual utilizar las listas y las tuplas de forma prácticamente indiferente. Aparentemente ambas son dos estructuras de datos que sirven para lo mismo. Pero esto no es así, existen importantes diferencias entre listas y tuplas en Python que es necesario conocer.La principal diferencia entre listas y tuplas en PythonLa principal … [Leer más...] acerca de Diferencia entre listas y tuplas en Python

Numpy básico: aplicar una función sobre una fila o columna de una Array de Numpy

septiembre 25, 2019 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 3 minutos

Al tener una matriz de Numpy en memoria puede darse la situación de que sea necesario calcular una función sobre los elementos de una fila o columnas. Por ejemplo, algo tan básico como sumar todos los elementos por columna. En estas situaciones se puede utilizar la función np.apply_along_axis() , con la que se puede aplicar una función sobre una fila o columna de una Array de … [Leer más...] acerca de Numpy básico: aplicar una función sobre una fila o columna de una Array de Numpy

Listas por comprensión en Python

septiembre 23, 2019 Por Daniel Rodríguez 5 comentarios
Tiempo de lectura: 3 minutos

Las listas por comprensión es una construcción sintáctica disponible en Python con la que se pueden crear lista a partir de otros elementos iterables. Siendo una de las contracciones más elegantes del lenguaje. A continuación, se mostrará la sintaxis básica para trabajar con las listas por comprensión.Sintaxis de las listas por comprensión en PythonLas sintaxis básicas … [Leer más...] acerca de Listas por comprensión en Python

  • « Ir a la página anterior
  • Página 1
  • Páginas intermedias omitidas …
  • Página 26
  • Página 27
  • Página 28
  • Página 29
  • Página 30
  • Páginas intermedias omitidas …
  • Página 33
  • 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

¡Nuevo video! Gráficos de barras en Matplotlib sin complicarte

julio 17, 2025 Por Daniel Rodríguez

¡Nuevo video! Iterar filas en Pandas sin romperte la cabeza

julio 15, 2025 Por Daniel Rodríguez

¡Nuevo video! Encuentra la posición en listas como un PRO

julio 10, 2025 Por Daniel Rodríguez

Publicidad

Es tendencia

  • Obtención de valores únicos de una columna con Pandas publicado el mayo 8, 2019 | en Python
  • pandas Pandas: Cómo iterar sobre las filas de un DataFrame en Pandas publicado el septiembre 13, 2021 | en Python
  • Cómo encontrar la posición de elementos en una lista de Python publicado el abril 12, 2021 | en Python
  • Codificación JSON Archivos JSON con Python: lectura y escritura publicado el julio 16, 2018 | en Python
  • La tabla de la web finalmente importada en Excel Importar tablas desde la web en Excel publicado el octubre 21, 2020 | en Herramientas

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

4.5 (10)

Diferencias entre var y let en JavaScript

Publicidad

Comentarios recientes

  • Piera en Ecuaciones multilínea en Markdown
  • Daniel Rodríguez en Tutorial de Mypy para Principiantes
  • Javier en Tutorial de Mypy para Principiantes
  • javier en Problemas con listas mutables en Python: Cómo evitar efectos inesperados
  • soldado en Numpy básico: encontrar la posición de un elemento en un Array de Numpy

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 © 2018-2025 Analytics Lane ·Términos y condiciones ·Política de Cookies ·Política de Privacidad ·Herramientas de privacidad ·Contacto