Horario del curso

Tutoriales de Python

• Tutoriales de Python
• Introducción a Python
• Python para principiantes
• Sintaxis de Python
• Comentarios de Python
• Variables de Python
• Tipos de datos de Python
• Números en Python
• Casting de Python
• Cadenas de Python
• Booleano de Python
• Operadores de Python
• Listas de Python
• Tuplas de Python
• Conjuntos de Python
• Diccionarios de Python
• Python Si No
• Bucle While de Python
• Bucle For de Python
• Funciones de Python
• Lambda de Python
• Arreglos de Python
• Clase / objeto Python
• Herencia de Python
• Iteración de Python
• Alcance de Python
• Módulos de Python
• Fechas de Python
• JSON de Python
• RegEx de Python
• PIP de Python
• Try Except de Python
• Entrada de comandos Python
• Formato de cadena de Python

Manejo de archivos

• Abrir archivo de Python
• Leer archivo de Python
• Escribir / crear archivo Python
• Eliminar archivo de Python

Python NumPy

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

Aprendizaje automático

• Entrada
• Modo media
• Desviación estándar
• Porcentiles
• Distribución de datos
• Distribución de datos normales
• Gráfico de dispersión
• Regresión lineal
• Regresión polinómica
• Regresión múltiple
• Escalado
• Entrenamiento / prueba
• Árbol de decisión

Python MySQL

• Entrada a MySQL
• Crear base de datos MySQL
• Crear tabla MySQL
• Insertar MySQL
• Select MySQL
• Where MySQL
• Ordenar MySQL
• Eliminar MySQL
• Eliminar tabla MySQL
• Actualizar MySQL
• Limitar MySQL
• Unir 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
• Limitar 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 del módulo

• 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

Materia optativa

Recomendación de curso:

• Caja de herramientas de CodeW3C.com

Gráfico de dispersión (Scatter Plot)

El gráfico de dispersión es un gráfico en el que cada valor del conjunto de datos se representa por un punto.

El módulo Matplotlib tiene un método para dibujar gráficos de dispersión, que necesita dos arrays de longitud igual: uno para los valores del eje x y otro para los valores del eje y:

x = [5,7,8,7,2,17,2,9,4,11,12,9,6]
y = [99,86,87,88,111,86,103,87,94,78,77,85,86]

El array x representa la edad de cada coche.

El array y representa la velocidad de cada coche.

Ejemplo

Por favor, use scatter() Método para dibujar un gráfico de dispersión:

import matplotlib.pyplot as plt
x = [5,7,8,7,2,17,2,9,4,11,12,9,6]
y = [99,86,87,88,111,86,103,87,94,78,77,85,86]
plt.scatter(x, y)
plt.show()

Resultados:

Ejecutar ejemplo

Explicación de diagrama de dispersión

El eje x representa la antigüedad del coche, y el eje y representa la velocidad.

Se puede ver en la imagen que los dos coches más rápidos han utilizado 2 años, y el coche más lento ha utilizado 12 años.

Notas:Parece que los autos nuevos van más rápido, pero esto puede ser una coincidencia, después de todo, solo registramos 13 autos.

Distribución de datos aleatorios

En el aprendizaje automático, los conjuntos de datos pueden contener miles e incluso millones de valores.

Cuando prueba algoritmos, es posible que no tenga datos reales y tenga que usar valores generados aleatoriamente.

Como aprendimos en el capítulo anterior, el módulo NumPy nos ayuda!

Vamos a crear dos arreglos que estén llenos de 1000 números aleatorios de distribución de datos normales.

El promedio del primer conjunto de números se establece en 5.0 y la desviación estándar en 1.0.

El promedio del segundo conjunto de números se establece en 10.0 y la desviación estándar en 2.0:

Ejemplo

Gráfico de dispersión con 1000 puntos:

import numpy
import matplotlib.pyplot as plt
x = numpy.random.normal(5.0, 1.0, 1000)
y = numpy.random.normal(10.0, 2.0, 1000)
plt.scatter(x, y)
plt.show()

Resultados:

Ejecutar ejemplo

Explicación de diagrama de dispersión

Podemos ver que los puntos se concentran alrededor de los valores 5 en el eje x y 10 en el eje y.

Podemos ver que la dispersión en el eje y es mayor que en el eje x.

Caja de herramientas

Manual de referencia de Python

Ejemplo de Python

Prueba de Python

Enlaces de patrocinadores