• 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

Vuelven las publicaciones regulares

septiembre 7, 2020 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 4 minutos

Analytics Lane

Esta semana vuelven las publicaciones regulares de los lunes, miércoles y viernes a Analytics Lane. Aunque, debido a que la serie sobre Julia no ha finalizado, sus entradas se continuarán publicando los martes y jueves como hasta ahora durante las próximas dos semanas. Por lo que en lo que queda de septiembre habrá publicaciones prácticamente a diario.Temas tratados en los … [Leer más...] acerca de Vuelven las publicaciones regulares

Combinar DataFrames en Julia (16ª parte – ¡Hola Julia!)

septiembre 3, 2020 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 11 minutos

Al trabajar con diferentes conjuntos de datos puede que estos no se encuentren un único DataFrame. Por ejemplo, si lo importamos de una base de datos en el que tengamos una tabla de clientes y otra de factura. En tal caso se puede usar SQL para crear una consulta en la que unir las tablas e importar el resultado. Aunque sí queremos tener un mayor control sobre las operaciones … [Leer más...] acerca de Combinar DataFrames en Julia (16ª parte – ¡Hola Julia!)

Filas en DataFrames de Julia (15ª parte – ¡Hola Julia!)

septiembre 1, 2020 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 11 minutos

En la entrada anterior hemos visto cómo trabajar con las columnas de un DataFrame, en esta ocasión vamos a ver cómo manejar las filas en DataFrames de Julia.Creación de un conjunto de datosPara poder acceder a las filas de un DataFrame es necesario tener uno en la sesión de Julia. Debido a que, en esta ocasión, los datos concretos no son importantes, vamos a crear un … [Leer más...] acerca de Filas en DataFrames de Julia (15ª parte – ¡Hola Julia!)

Columnas en DataFrames de Julia (14ª parte – ¡Hola Julia!)

agosto 27, 2020 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 8 minutos

A la hora de trabajar con objetos tipo DataFrame es importante conocer el funcionamiento de las columnas. Los objetos que hacen referencia a las características de los datos. Algo que no es una excepción en Julia. Por eso en esta entrada se mostrará algunos métodos para seleccionar el contenido, cambiar el nombre o el símbolo, comprobar el tipo de dato y otras operaciones … [Leer más...] acerca de Columnas en DataFrames de Julia (14ª parte – ¡Hola Julia!)

El tipo de dato Missing de Julia (13ª parte – ¡Hola Julia!)

agosto 25, 2020 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 6 minutos

En Julia existe un tipo de dato especial que se usa para indicar que no existe un valor para el registro: Missing. No es un tipo que se usa para reemplazar a NaN, ya que este valor también existe, sino que indica explícitamente la falta de un dato. El tipo de dato Missing de Julia es especial como podemos ver a continuación.Crear un registro de tipo MissingPara crea un … [Leer más...] acerca de El tipo de dato Missing de Julia (13ª parte – ¡Hola Julia!)

Obtener información básica de los DataFrames de Julia (12ª parte – ¡Hola Julia!)

agosto 20, 2020 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 6 minutos

En la entrada anterior hemos visto el funcionamiento básico de los DataFrames en Julia. Una herramienta que es clave para trabajar con datos de forma eficiente. Algo que pueden confirma los usuarios acostumbrados a trabajar tanto en R como con la librería Pandas, donde estos objetos son clave para el trabajo diario. En esta entrada vamos a ver cómo obtener alguna información … [Leer más...] acerca de Obtener información básica de los DataFrames de Julia (12ª parte – ¡Hola Julia!)

Introducción a los DataFrames en Julia (11ª parte – ¡Hola Julia!)

agosto 18, 2020 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 5 minutos

Hasta ahora hemos visto las bases del lenguaje con las que se puede realizar muchas tareas. Pero tanto en R como en Python un elemento básico para el tratamiento de los datos es el DataFrame. Algo que no es diferente en Julia. Por lo que en esta entrada vamos a realizar una introducción a los DataFrames en Julia.Importación de DataFramesPara trabajar con los DataFrames … [Leer más...] acerca de Introducción a los DataFrames en Julia (11ª parte – ¡Hola Julia!)

Tipos y funciones paramétricos en Julia (10ª parte – ¡Hola Julia!)

agosto 13, 2020 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 5 minutos

Los vectores pueden ser de tipo entero Array{Int64,1}, real Array{Float64,1} o cadenas de texto Array{String,1} entre otros. Esto es así porque los Array son tipos paramétricos. Los tipos y funciones paramétricos en Julia son una herramienta con la que se puede simplificar el código que tenemos que escribir, ya que no es necesaria una versión para cada uno de los tipos de … [Leer más...] acerca de Tipos y funciones paramétricos en Julia (10ª parte – ¡Hola Julia!)

Tipos de datos en Julia (9ª parte – ¡Hola Julia!)

agosto 11, 2020 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 7 minutos

En esta entrada y la siguiente nos vamos a para un momento en conceptos teóricos sobre los tipos de datos en Julia. Creo que es importante conocer cómo funcionan los tipos de datos para poder sacar un mayor provecho de las posibilidades que nos ofrece el lenguaje.Comprobar el tipo de una variableSi tenemos una variable en nuestro espacio de trabajo podemos comprobar el … [Leer más...] acerca de Tipos de datos en Julia (9ª parte – ¡Hola Julia!)

Utilizar los tipos en Julia (8ª parte – ¡Hola Julia!)

agosto 6, 2020 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 4 minutos

Una de las características que posiblemente menos se destaque de Julia es que es un lenguaje con tipado de datos. Lo que nos permite indicarle al lenguaje que las variables solamente pueden ser de un tipo. Lo que hemos usado en una entrada anterior para sobrecargar los métodos y llamar a uno y otro en función del tipo de dato que nos llega. Pero esta es una característica, que, … [Leer más...] acerca de Utilizar los tipos en Julia (8ª parte – ¡Hola Julia!)

Estructuras en Julia (7ª parte – ¡Hola Julia!)

agosto 4, 2020 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 6 minutos

Hasta este momento en todas las entradas solamente se han utilizado los tipos de datos disponibles de forma nativa en Julia. A pesar de existir una gran calidad de tipos, no son suficientes para subir cualquier situación. Por lo que puede ser necesario crear tipos de datos personalizados. Algo que se puede conseguir mediante el uso de las estructuras en Julia.Creación de … [Leer más...] acerca de Estructuras en Julia (7ª parte – ¡Hola Julia!)

Vectores, tuplas y diccionarios en Julia (6ª parte – ¡Hola Julia!)

julio 30, 2020 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 7 minutos

En muchos programas es necesario poder trabajar con secuencias de datos, que pueden estar ordenados o no. Para estos casos contamos con vectores, tuplas y diccionarios en Julia. Estructuras de datos que vamos a ver a continuación.Vectores en JuliaLos vectores son posiblemente la estructura de datos más utilizada. Los cuales son una secuencia ordenada de elementos, que … [Leer más...] acerca de Vectores, tuplas y diccionarios en Julia (6ª parte – ¡Hola Julia!)

  • « Ir a la página anterior
  • Página 1
  • Páginas intermedias omitidas …
  • Página 70
  • Página 71
  • Página 72
  • Página 73
  • Página 74
  • Páginas intermedias omitidas …
  • Página 102
  • 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

Interés compuesto: la fuerza que multiplica tu dinero (y los errores que la anulan)

mayo 14, 2026 Por Daniel Rodríguez

Cómo comparar datos con barras en Matplotlib: agrupadas, apiladas y porcentuales

mayo 12, 2026 Por Daniel Rodríguez

Costes hundidos en ciencia de datos: cuándo mantener un modelo y cuándo migrar

mayo 7, 2026 Por Daniel Rodríguez

Publicidad

Es tendencia

  • Análisis de datos en Python al estilo Excel con Mito publicado el noviembre 15, 2021 | en Python
  • Instalar Rocky Linux 9 en VirtualBox publicado el octubre 20, 2023 | en Herramientas
  • Probabilidad básica: cómo entender el azar en nuestra vida diaria publicado el junio 24, 2025 | en Ciencia de datos, Opinión
  • Cómo Interpretar las Métricas de Fondos de Inversión y ETFs: Guía Completa para Tomar Decisiones Informadas publicado el noviembre 25, 2025 | en Ciencia de datos
  • Noticias Traducción al castellano de “Python for Data Analysis” de Wes McKinney publicado el febrero 28, 2023 | en Noticias

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

4.9 (11)

Pandas: Cambiar los tipos de datos en los DataFrames

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