Horario de cursos

Tutoriales de Python

• Tutoriales de Python
• Introducción a Python
• Introducción a Python
• Sintaxis de Python
• Comentarios de Python
• Variables de Python
• Tipos de datos de Python
• Números de Python
• Casting en Python
• Cadenas de Python
• Booleans de Python
• Operadores de Python
• Listas de Python
• Tuplas de Python
• Conjuntos de Python
• Diccionarios de Python
• If Else de Python
• Bucle While en Python
• Bucle For en Python
• Funciones de Python
• Lambda en Python
• Arreglos de Python
• Clases/Objetos de Python
• Herencia en Python
• Iteración en Python
• Ámbito en Python
• Módulos de Python
• Fechas en Python
• JSON en Python
• RegEx en Python
• PIP en Python
• Try Except en Python
• Entrada de comandos de Python
• Formato de cadena en Python

Procesamiento de archivos

• Abrir archivo en Python
• Leer archivo en Python
• Escribir/Crear archivos de Python
• Eliminar archivo en Python

Python NumPy

• Introducción a NumPy
• Introducción a NumPy
• Creación de arreglos en NumPy
• Índice de arreglos en NumPy
• Corte de arreglos en NumPy
• Tipos de datos en NumPy
• Copias/Visualizaciones en NumPy
• Forma de arreglos en NumPy
• Reestructuración de arreglos en NumPy
• Iteración de arreglos en NumPy
• Conexión de arreglos en NumPy
• División de arreglos en NumPy
• Búsqueda de arreglos en NumPy
• Ordenamiento de arreglos en NumPy
• Filtrado de arreglos en NumPy
• Aleatorio en NumPy
• ufuncs en NumPy

Aprendizaje automático

• Entrada
• Patrón de mediana promedio
• Desviación estándar
• Porcentiles
• Distribución de datos
• Distribución de datos normales
• Gráfico de dispersión
• Regresión lineal
• Regresión polinómica
• Regresión multivariada
• Escalado
• Entrenamiento/Pruebas
• Árbol de decisión

Python MySQL

• Entrada a MySQL
• Crear base de datos MySQL
• Crear tabla MySQL
• Insertar MySQL
• Select de MySQL
• Where de MySQL
• Ordenar por MySQL
• Eliminar MySQL
• Eliminar tabla MySQL
• Actualizar MySQL
• Límite de MySQL
• Join de MySQL

Python MongoDB

• Entrada a MongoDB
• Crear base de datos MongoDB
• Crear colección MongoDB
• Insertar MongoDB
• Buscar MongoDB
• Consulta MongoDB
• Ordenar MongoDB
• Eliminar MongoDB
• Eliminar colección de MongoDB
• Actualizar MongoDB
• Límite de MongoDB

Manual de referencia de Python

• Resumen de referencias de Python
• Funciones integradas de Python
• Métodos de cadenas de Python
• Métodos de listas de Python
• Métodos de diccionarios de Python
• Métodos de tuplas de Python
• Métodos de conjuntos de Python
• Métodos de archivos de Python
• Palabras clave de Python

Manual de referencias de módulos

• Módulo aleatorio
• Módulo de solicitudes

Python How To

• Eliminar elementos repetidos de una lista
• Invertir una cadena

Ejemplo de Python

• Ejemplo de Python
• Prueba de Python

Cursos optativos

Recomendaciones de curso:

• Caja de herramientas de CodeW3C.com

¿Qué es NumPy?

NumPy es una biblioteca de python para procesar arrays.

También tiene funciones que trabajan en el ámbito de la álgebra lineal, la transformada de Fourier y los matrices.

NumPy fue creado por Travis Oliphant en 2005. Es un proyecto de código abierto, puedes usarlo libremente.

NumPy se refiere a Python numérico (Numerical Python).

¿Por qué usar NumPy?

En Python, tenemos listas que cumplen con la función de arrays, pero son lentas de manejar.

NumPy está diseñado para proporcionar un objeto de array que sea 50 veces más rápido que las listas tradicionales de Python.

Los objetos de array en NumPy se llaman ndarrayque proporciona muchas funciones de apoyo, lo que permite ndarray Muy fácil.

Los arreglos se utilizan muy comúnmente en la ciencia de datos, ya que la velocidad y los recursos son muy importantes.

Ciencia de datos:Una rama de la ciencia de la computación que estudia cómo almacenar, usar y analizar datos para obtener información de ellos.

¿Por qué NumPy es más rápido que las listas?

Diferente de las listas, los arreglos de NumPy se almacenan en una posición continua en la memoria, por lo que los procesos pueden acceder y manipularlos de manera muy eficiente.

Este comportamiento se conoce en la ciencia de la computación como localidad de referencias.

Esta es la razón principal por la que NumPy es más rápido que las listas. También se ha optimizado para usar con las últimas arquitecturas de CPU.

¿En qué lenguaje se escribe NumPy?

NumPy es una biblioteca de Python, parte de la cual se escribe en Python, pero la mayoría de las partes que requieren cálculos rápidos se escriben en C o C++.

¿Dónde está el repositorio de NumPy?

El código fuente de NumPy se encuentra en este repositorio de github:https://github.com/numpy/numpy

github: permite que muchas personas trabajen en el mismo repositorio de código.

Caja de herramientas

Manual de referencia de Python

Ejemplo de Python

Prueba de Python

Enlaces de patrocinadores