Horario del curso

Tutoriales de Python

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

Procesamiento de archivos

• Abrir archivo en Python
• Leer archivo en Python
• Escribir/Crear archivo 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
• Aleatoriedad en NumPy
• ufuncs en NumPy

Python NumPy

• Aprendizaje automático
• Entrada
• Modo promedio mediana
• Percentil
• Desviación estándar
• Distribución de Datos Normales
• Distribución de datos
• Gráficos de dispersión
• Regresión lineal
• Regresión polinómica
• Escalado
• Entrenamiento / prueba
• Árbol de decisión

Python MySQL

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

Python MongoDB

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

Manual de Referencia de Python

• Resumen de referencia de Python
• Funciones integradas de Python
• Métodos de cadena de Python
• Métodos de lista de Python
• Métodos de diccionario de Python
• Métodos de tupla de Python
• Métodos de conjunto de Python
• Métodos de archivo de Python
• Palabras clave de Python

Manual de referencia de módulos

• Módulo aleatorio
• Módulo de solicitud

Python How To

• Eliminar elementos repetidos de la lista
• Invertir cadena

Ejemplo de Python

• Ejemplo de Python
• Prueba de Python

Cursos optativos

Recomendaciones del curso:

• Caja de Herramientas de CodeW3C.com

Distribución de datos (Data Distribution)

En el tutorial anterior, solo usamos una cantidad muy pequeña de datos en los ejemplos, con el objetivo de entender diferentes conceptos.

En el mundo real, los conjuntos de datos son mucho más grandes, pero al menos en las etapas iniciales del proyecto, es difícil recopilar datos del mundo real.

¿Cómo obtenemos grandes conjuntos de datos?

Para crear un gran conjunto de datos para pruebas, utilizamos el módulo NumPy de Python, que viene con muchos métodos para crear conjuntos de datos aleatorios de cualquier tamaño.

Ejemplo

Crear un array que contenga 250 números flotantes aleatorios entre 0 y 5:

import numpy
x = numpy.random.uniform(0.0, 5.0, 250)
print(x)

Ejecutar Ejemplo

Histograma

Para visualizar el conjunto de datos, podemos dibujar un histograma de los datos recopilados.

Vamos a usar el módulo Matplotlib de Python para dibujar histogramas:

Ejemplo

Dibujar histograma：

import numpy
import matplotlib.pyplot as plt
x = numpy.random.uniform(0.0, 5.0, 250)
plt.hist(x, 5)
plt.show()

Resultados:

Ejecutar Ejemplo

Explicación del Histograma

Usamos el array del ejemplo anterior para dibujar 5 gráficos de barras.

La primera columna representa cuántos valores están entre 0 y 1 en el array.

La segunda columna representa cuántos valores están entre 1 y 2.

etc.

Los resultados que obtenemos son:

52 valores están entre 0 y 1
48 valores están entre 1 y 2
49 valores están entre 2 y 3
51 valores están entre 3 y 4
50 valores están entre 4 y 5

Notas:Los valores del array son números aleatorios y los resultados no se mostrarán completamente igual en su computadora.

Distribución de Grandes Datos

Un array con 250 valores no se considera grande, pero ahora sabe cómo crear un conjunto de valores aleatorios y, cambiando los parámetros, puede crear un conjunto de datos del tamaño deseado.

Ejemplo

Crear un array con 100000 números aleatorios y mostrarlos con un histograma de 100 columnas:

import numpy
import matplotlib.pyplot as plt
x = numpy.random.uniform(0.0, 5.0, 100000)
plt.hist(x, 100)
plt.show()

Ejecutar Ejemplo

Caja de Herramientas

Manual de Referencia de Python

Ejemplo de Python

Prueba de Python

Enlaces de Patrocinadores