A lo largo de las entregas anteriores, hemos explorado diversas métricas de centralidad fundamentales para el análisis de redes complejas. Desde métricas básicas como la centralidad de grado hasta algoritmos más sofisticados como PageRank y HITS, cada enfoque ofrece una perspectiva distinta sobre la relevancia y el rol de los nodos dentro de una red.En esta última entrega … [Leer más...] acerca de Introducción a igraph en R (Parte 10): Resumen y comparativa de centralidades
¿Cómo puedo encontrar el índice de un elemento dado en una lista en Python?
Encontrar el índice de un elemento en una lista es una de las operaciones más comunes cuando trabajamos con estructuras de datos en Python. Aunque puede parecer algo trivial, detrás de esta tarea se esconden múltiples detalles que pueden ser fundamentales para escribir código eficiente, claro y robusto.En esta entrada, te explicaremos en detalle cómo puedes encontrar el … [Leer más...] acerca de ¿Cómo puedo encontrar el índice de un elemento dado en una lista en Python?
Media, mediana y moda: Descubre cómo interpretar las medidas de tendencia central con ejemplos claros y sin complicaciones
Vivimos en una era de datos. Cada día, tomamos decisiones basadas en cifras: el promedio de notas de una clase, el salario típico en una ciudad, el alquiler promedio, hasta el número de pasos que caminamos según nuestro reloj inteligente. Pero ¿cómo podemos entender y resumir toda esa información de manera clara y útil? Aquí es donde entran las medidas de tendencia central: … [Leer más...] acerca de Media, mediana y moda: Descubre cómo interpretar las medidas de tendencia central con ejemplos claros y sin complicaciones
Introducción a igraph en R (Parte 9): Centralidad de Prestigio y Autoridad (modelo HITS, Hyperlink-Induced Topic Search)
En el análisis de redes, no es suficiente identificar únicamente los nodos más conectados. A menudo, es igual o mas importante reconocer aquellos que ocupan posiciones estratégicas como fuentes confiables de información o como nodos intermediarios clave. Es decir, identificar aquellos que poseen una posición de prestigio o autoridad dentro de la red. En este contexto, el modelo … [Leer más...] acerca de Introducción a igraph en R (Parte 9): Centralidad de Prestigio y Autoridad (modelo HITS, Hyperlink-Induced Topic Search)
Variables globales en Python: Problemas y cómo evitarlos
Las variables globales pueden ser útiles en algunas situaciones, pero un excesivo o inadecuado de estas generan problemas. Desde un código difícil de mantener, pasado por efectos secundarios inesperados o errores de los programas en tiempo de ejecución. En esta entrada veremos qué son las variables globales en Python, los principales problemas de sus uso excesivo y cómo … [Leer más...] acerca de Variables globales en Python: Problemas y cómo evitarlos
Los valores numéricos en los ordenadores: Entendiendo enteros, flotantes y más
Los valores numéricos están en el corazón de los ordenadores. Desde los cálculos más simples hasta los modelos más complejos de inteligencia artificial, todo depende de la representación y manipulación de datos numéricos. Sin embargo, lo que a simple vista parece una cuestión trivial es, en realidad, el resultado de décadas de evolución y estandarización.¿Por qué los … [Leer más...] acerca de Los valores numéricos en los ordenadores: Entendiendo enteros, flotantes y más
Introducción a igraph en R (Parte 8): PageRank
En el análisis de redes, identificar los nodos más influyentes es clave para comprender cómo se organiza y se comporta un sistema. Uno de los algoritmos más importantes en este ámbito es PageRank, desarrollado originalmente por Larry Page y Sergey Brin en 1998. Este algoritmo sería la base del motor de búsqueda de Google, revolucionando la forma en que se clasifican las páginas … [Leer más...] acerca de Introducción a igraph en R (Parte 8): PageRank
Sincronizar múltiples ejes con twinx(): Comparación de datos con diferentes escalas en un solo gráfico con Matplotlib
Al realizar un análisis de datos, a menudo necesitamos comparar la evolución de dos series de datos relacionadas entre sí, pero con escalas completamente diferentes. Por ejemplo:Un gráfico tradicional con un solo eje Y no puede mostrar correctamente ambos conjuntos de datos debido a las diferencias existentes en las escalas de los mismos. Por ejemplo, mientras la … [Leer más...] acerca de Sincronizar múltiples ejes con twinx(): Comparación de datos con diferentes escalas en un solo gráfico con Matplotlib
Tutorial de Mypy para Principiantes
Mypy es una herramienta de verificación de tipos estáticos para Python. A diferencia de lenguajes como Java o C++, Python es un lenguaje con tipado dinámico, lo que significa que las variables pueden cambiar de tipo en tiempo de ejecución sin ninguna restricción. Sin embargo, esta práctica puede llevar a errores en tiempo de ejecución difíciles de detectar y solucionar. Mypy … [Leer más...] acerca de Tutorial de Mypy para Principiantes
¡Analytics Lane cumple siete años!
Hoy, 2 de mayo de 2025, se cumplen exactamente siete años desde que vio la luz Analytics Lane, con sus dos primeras publicaciones: una presentación del blog y un tutorial sobre cómo trabajar con archivos CSV comprimidos en R. Desde entonces, este blog ha recorrido un apasionante camino repleto de publicaciones, análisis y aprendizaje.En este séptimo aniversario, es un buen … [Leer más...] acerca de ¡Analytics Lane cumple siete años!
Introducción a igraph en R (Parte 7): Centralidad de Bonacich
En el estudio de redes complejas, la centralidad es un concepto fundamental para entender la relevancia estructural de los nodos dentro de un sistema. En entregas anteriores de esta serie, hemos explorado medidas como la centralidad de autovector y la centralidad de Katz. En esta séptima parte, nos adentramos en la centralidad de Bonacich, una métrica que introduce la noción de … [Leer más...] acerca de Introducción a igraph en R (Parte 7): Centralidad de Bonacich
Optimización de memoria en Pandas: Usar tipos de datos personalizados para manejar grandes conjuntos de datos
El análisis de datos con Pandas es una tarea diaria para muchos usuarios, pero al trabajar con grandes conjuntos de datos, el consumo de memoria puede convertirse en un problema crítico. Esto sucede porque, de forma predeterminada, Pandas asigna tipos de datos generales, como float64 o int64, que pueden ocupar mucha más memoria de la estrictamente necesaria. Por … [Leer más...] acerca de Optimización de memoria en Pandas: Usar tipos de datos personalizados para manejar grandes conjuntos de datos