La manipulación de datos es un aspecto clave dentro de la ciencia de datos. Aunque la biblioteca Pandas ofrece múltiples herramientas para procesar datos tabulares, puede que en algunos casos sea más adecuado el uso de lenguaje SQL para realizar análisis complejos. Ya que SQL es un lenguaje diseñado para la manipulación de bases de datos. Aquí es donde entra en juego la … [Leer más...] acerca de Ejecutar consultas SQL en Pandas
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.
Optimizar el uso de memoria en Pandas con memory_usage
Al trabajar con grandes conjuntos de datos conocer el espacio ocupa en memoria cada una de las características es clave. Especialmente cuando es necesario eliminar características para reducir el tamaño ocupado. La forma para obtener esta información en los DataFrame de Python es mediante el método memory_usage(), el cual permite evaluar y optimizar el uso de memoria en Pandas. … [Leer más...] acerca de Optimizar el uso de memoria en Pandas con memory_usage
Análisis de datos con GPT en Pandas
La biblioteca Pandas de Python permite realizar análisis de datos complejos de una manera relativamente sencilla. Pero su uso requiere unos conocimientos básicos de programación y los métodos necesarios para realizar una operación compleja que no está al alcance de todo el mundo. Lo ideal, para que cualquier usuario pudiese realizar los análisis, sería poder usar lenguaje … [Leer más...] acerca de Análisis de datos con GPT en Pandas
Ver el código de cualquier función en Python
Una característica bastante interesante de R es la posibilidad de ver el código de una función simplemente escribiendo el nombre de estas sin paréntesis. Lo que permite ver y comprender el funcionamiento de estas. Independientemente de que sea una función creada por nosotros o una que se hubiese importado de un paquete. Esta característica no existe como tal en Python, pero es … [Leer más...] acerca de Ver el código de cualquier función en Python
Diferencia entre at y loc en Pandas
En Pandas existen dos opciones para seleccionar los elementos de un DataFrame: at y loc. Aparentemente las dos alternativas hacen lo mismo, pero no es así. Existe una sutil diferencia entre at y loc en Pandas que se debe tener en cuenta a la hora de elegir una u otra opción.La diferencia entre at y loc en PandasLa sutil diferencia que existe entre los dos métodos es la … [Leer más...] acerca de Diferencia entre at y loc en Pandas
Comparar cadenas con espacios en Pandas
Los DataFrame de Pandas son una excelente herramienta para procesar los conjuntos de datos. Con ellos es posible seleccionar los registros en base a los valores de las diferentes columnas o eliminar aquellos que no cumplan una condición. Algo que se puede hacer con valores numéricos, fechas y cadenas de texto. Pero ¿qué pasa cuando los registros de texto no son iguales? Por … [Leer más...] acerca de Comparar cadenas con espacios en Pandas
Segmentar datos numéricos en Pandas con la función cut()
Al trabajar con datos numéricos, para facilitar su análisis e interpretación, puede ser necesario agrupar estos en intervalos de valores discretos. Lo que permite convertir datos numéricos en categorías o clases. La función cut permite segmentar datos numéricos en Pandas de una manera sencilla.Descripción de la función cut() de PandasLa función cut() de Pandas permite … [Leer más...] acerca de Segmentar datos numéricos en Pandas con la función cut()
Acelera el código mediante vectorización en Python: elimina los bucles para aumentar el rendimiento hasta 1800 veces
La primera opción que suele venir a la cabeza cuando se necesita realizar una misma operación sobre diferentes valores es mediante el uso de un bucle. Lo que en Python se puede hacer mediante el uso de for o while. Esta es una forma natural de operar, primero se ejecuta la instrucción sobre el primer elemento, después sobre el segundo y así hasta que se termina. Si se conoce el … [Leer más...] acerca de Acelera el código mediante vectorización en Python: elimina los bucles para aumentar el rendimiento hasta 1800 veces
Ordenar valores en Pandas
En los DataFrames de Pandas se pueden ordenar los registros en base a los valores es estos utilizando el método sort_values(). Este método permite ordenar en base a una o varias columnas, tanto de forma ascendente como descendente, e indicar cómo se deben tratar los valores nulos. Veamos cómo se puede usar este método para ordenar valores en Pandas, para ello primero se … [Leer más...] acerca de Ordenar valores en Pandas
Por qué no usar cadenas de texto para representar rutas en Python
El trabajo con archivos es algo habitual y necesario en casi cualquier leguaje de programación. Los archivos son uno de los métodos más utilizados para la importación y exportación de datos en los programas informáticos. Lo más probable, cuando se comienza a trabajar en Python, la forma de guardar y gestionar las rutas es mediante el uso de cadenas de texto, pero esta no es la … [Leer más...] acerca de Por qué no usar cadenas de texto para representar rutas en Python
Extender con métodos propios los DataFrame de Pandas
Los DataFrames de Pandas son una fantástica herramienta para analizar datos en Python. No solamente pueden almacenar datos en formato tabular, sino que también disponen de una amplia variedad de métodos para seleccionar, procesar y analizar los datos de una forma altamente eficiente. Sin embargo, en algunas ocasiones, puede ser que no exista un método que permita solucionar de … [Leer más...] acerca de Extender con métodos propios los DataFrame de Pandas
Uso de decoradores en Python para simplificar el código
Los decoradores en Python son una opción del lenguaje para modificar o extender el comportamiento de las funciones o métodos sin cambiar el código. Con lo que se puede crear código más sencillo y legible. Veamos qué son los decoradores en Python y cómo se puede utilizar.Fundamentos de los decoradores en PythonEn Python, las funciones son objetos de primera clase como … [Leer más...] acerca de Uso de decoradores en Python para simplificar el código