• 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.

Numpy básico: como invertir arrays de Numpy

diciembre 11, 2019 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 2 minutos

Una de las tareas básicas que más me preguntan es cómo invertir vectores o matrices. En esta entrada vamos a ver diferentes métodos para invertir arrays de Numpy. Para lo que usaremos el operador [] y el método np.flip().Invertir vectores en NumpyComo siempre lo primero que tenemos que hacer para invertir un vector en Numpy es importar la librería y un vector para … [Leer más...] acerca de Numpy básico: como invertir arrays de Numpy

Numpy básico: inicializar arrays de Numpy con un valor

diciembre 4, 2019 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 2 minutos

En algunas situaciones puede ser necesario inicializar un array o matriz de Numpy de tamaño arbitrario con un mismo valor. Para lo que se puede utilizar el método np.full(). Un método relativamente desconocido pero que puede ser de gran utilidad cuando se necesario inicializar arrays de Numpy con un valor dado.El método np.full()La forma de llamar el método np.full() … [Leer más...] acerca de Numpy básico: inicializar arrays de Numpy con un valor

Usar Python desde Matlab

noviembre 29, 2019 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 2 minutos

Una de las capacidades menos conocidas de Matlab es la posibilidad de ejecutar directamente código Python desde la consola o un script. Accediendo a ellas de una forma completamente transparente. Lo que permite ampliar rápidamente las capacidades de Matlab con todas las funciones o librerías que existen en Python. En esta entrada se va a mostrar cómo hacer para llamar funciones … [Leer más...] acerca de Usar Python desde Matlab

Numpy básico: como añadir elementos en arrays de Numpy con np.append()

noviembre 27, 2019 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 3 minutos

np.append() es uno de los métodos básicos de Numpy, con el que es posible agregar nuevos elementos al final de los arrays de Numpy. A pesar de se un método básico tiene múltiples opciones y usos que es importante conocer. En esta entrada se va a ver como añadir elementos en arrays de Numpy con np.append().El método np.append()El método que ofrece el módulo Numpy de … [Leer más...] acerca de Numpy básico: como añadir elementos en arrays de Numpy con np.append()

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

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

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()

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

Subplots en Matplotlib: cómo organizar múltiples gráficos en una sola figura

mayo 26, 2026 Por Daniel Rodríguez

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

Publicidad

Es tendencia

  • Creación de gráficos de barras y gráficos de columnas con Seaborn publicado el julio 18, 2023 | en Python
  • Copiar y pegar Activar copiar y pegar en VirtualBox publicado el mayo 1, 2019 | en Herramientas
  • Prueba de independencia de Chi-cuadrado publicado el mayo 6, 2020 | en Ciencia de datos
  • Muestreo de Thompson y BayesUCB para un problema Bandido Multibrazo (Multi-Armed Bandit) publicado el abril 30, 2021 | 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