• 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

Ordenar una matriz en Matlab en base a una fila o columna

octubre 14, 2019 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 3 minutos

En Matlab existe la función sort() para ordenar los elementos de un vector o matriz. Pero cuando es necesario ordenar una matriz en Matlab en base a los valores de una fila o columna no existe una función análoga. Para solucionar este problema es necesario utilizar el segundo valor que devuelve la función sort() y los métodos para seleccionar elementos en Matlab.La función … [Leer más...] acerca de Ordenar una matriz en Matlab en base a una fila o columna

Tiempo de elección: predicción del número de escaños y ganador

octubre 11, 2019 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 4 minutos

Recientemente hemos presentado un modelo que prededice el porcentaje de voto para el partido en el gobierno en las elecciones generales de España. El cual se basa en el “Time for Change”, un modelo que ha demostrado su precisión en las elecciones presidenciales de los EE. UU. En donde el porcentaje de votos es más importante para conocer al ganador de las elecciones. Pero en … [Leer más...] acerca de Tiempo de elección: predicción del número de escaños y ganador

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

Aprendizaje ensemble por votación mayoritaria

octubre 7, 2019 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 2 minutos

A la hora de crear un modelo de aprendizaje automático para clasificar las clases en una tarea dada existen múltiples familias de algoritmo. Se puede utilizar una regresión logística, unos árboles de decisión, unas máquinas de vectores de soporte (SVM), unos k-vecinos o redes neuronales. Pero no siempre se obtiene los resultados deseosos. En estas situaciones una solución puede … [Leer más...] acerca de Aprendizaje ensemble por votación mayoritaria

Tiempo de elección: predicción de resultados electorales

octubre 4, 2019 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 5 minutos

“Time for Change” es un modelo con el que es posible pronosticar los resultados de las elecciones presidenciales en los Estados Unidos. Llegando a predecir la victoria de Donald Trump en 2016. Siempre me he preguntado qué tan podría funcionar un modelo similar en otros procesos electorales. Por eso he creado un modelo, al que llamaré “Tiempo de elección”, con el que intentaré … [Leer más...] acerca de Tiempo de elección: predicción de resultados electorales

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

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

Julia en Jupyter Notebook

septiembre 20, 2019 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 3 minutos

Jupyter Notebook es un entorno excelente para el desarrollo de análisis y modelado de datos. Así como para su publicación. Ya que es posible integrar en un Notebook código, documentación y otros elementos como gráficas y videos. Por lo que es ampliamente utilizado por los científicos de datos que trabajan con Python. Jupyter Notebook no funciona solamente con Python, sino que … [Leer más...] acerca de Julia en Jupyter Notebook

Numpy básico: seleccionar elementos en un Array de Numpy

septiembre 18, 2019 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 3 minutos

Continuamos la serie de tutoriales básicos sobre Numpy explicando cómo seleccionar elementos en un Array de Numpy. Tanto en vectores unidimensionales como de más dimensiones. Posiblemente la selección de elementos es una de las tareas que se realiza con mayor frecuencia con los objetos de Numpy.Para utilizar como ejemplo durante el resto de la entrada se creará un Array de … [Leer más...] acerca de Numpy básico: seleccionar elementos en un Array de Numpy

  • « Ir a la página anterior
  • Página 1
  • Páginas intermedias omitidas …
  • Página 81
  • Página 82
  • Página 83
  • Página 84
  • Página 85
  • 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

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

Noticias

Analytics Lane lanza la versión 1.1 del laboratorio con nuevas suites de CLV y Scoring

mayo 18, 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
  • Cerca La regresión logística publicado el julio 23, 2018 | en Ciencia de datos
  • Método del codo (Elbow method) para seleccionar el número óptimo de clústeres en K-means publicado el junio 9, 2023 | en Ciencia de datos
  • Matriz definida positiva en Excel Comprobar si una matriz es definida positiva en Excel sin macros publicado el octubre 18, 2023 | en Ciencia de datos, Herramientas
  • Buscar en Excel con dos o más criterios publicado el septiembre 7, 2022 | 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

4.9 (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