Análisis de datos con Python
-
Upload
goyodiaz -
Category
Technology
-
view
170 -
download
0
Transcript of Análisis de datos con Python
![Page 1: Análisis de datos con Python](https://reader036.fdocuments.ec/reader036/viewer/2022081421/559929e41a28ab4a298b476a/html5/thumbnails/1.jpg)
Análisis de datos con Python
![Page 2: Análisis de datos con Python](https://reader036.fdocuments.ec/reader036/viewer/2022081421/559929e41a28ab4a298b476a/html5/thumbnails/2.jpg)
2
Python
● Lenguaje de programación
– Interpretado.
– De propósito general.
– Orientado a objetos.
– Fácil de usar.● Se usa en la NASA.
● Pero no es necesario dominar la tecnología espacial para usarlo.
![Page 3: Análisis de datos con Python](https://reader036.fdocuments.ec/reader036/viewer/2022081421/559929e41a28ab4a298b476a/html5/thumbnails/3.jpg)
Python
>>> 1 + 1000
1001
>>> 4 * 25
100
>>> 3**2
9
>>> range(5)
[0, 1, 2, 3, 4]
>>> [x**2 for x in range(5)]
[0, 1, 4, 9, 16]
![Page 4: Análisis de datos con Python](https://reader036.fdocuments.ec/reader036/viewer/2022081421/559929e41a28ab4a298b476a/html5/thumbnails/4.jpg)
NumPy
● Biblioteca para cálculos numéricos con Python.
● Proporciona vectores multidimensionales y operaciones sobre ellos.
● Funcionalidad semejante a la de Matlab (según dicen).
![Page 5: Análisis de datos con Python](https://reader036.fdocuments.ec/reader036/viewer/2022081421/559929e41a28ab4a298b476a/html5/thumbnails/5.jpg)
NumPy
>>> import numpy as np
>>> x = np.linspace(0, 1, 10)
>>> x
array([ 0. , 0.11111111, 0.22222222, 0.33333333, 0.44444444,
0.55555556, 0.66666667, 0.77777778, 0.88888889, 1. ])
>>> y = 2 * x + 1 + np.random.normal(0, 0.1, 10)
>>> y
array([ 0.88954082, 1.25512384, 1.3863797 , 1.77321241, 2.06216476,
2.19758795, 2.29706792, 2.53780433, 2.90609934, 3.12747582])
>>> slope, offset = np.polyfit(x, y, 1)
>>> slope, offset
(2.1361285263597183, 0.9751814266462937)
![Page 6: Análisis de datos con Python](https://reader036.fdocuments.ec/reader036/viewer/2022081421/559929e41a28ab4a298b476a/html5/thumbnails/6.jpg)
Matplotlib
● Biblioteca para la generación de gráficos con Python.
● Interfaz funcional estilo Matlab.
● Interfaz orientada a objetos para un control más preciso del resultado.
● Ejemplos.
● Artículos en Pybonacci.
![Page 7: Análisis de datos con Python](https://reader036.fdocuments.ec/reader036/viewer/2022081421/559929e41a28ab4a298b476a/html5/thumbnails/7.jpg)
7
Matplotlib
>>> import numpy as np
>>> import matplotlib.pyplot as plt
>>> x = np.linspace(0, 1, 200)
>>> y = 2 * x + 1 + np.random.normal(0, 0.1, 200)
>>> slope, offset = np.polyfit(x, y, 1)
>>> plt.plot(x, y, 'x')
[<matplotlib.lines.Line2D object at 0x273b6d0>]
>>> xline = np.array(plt.xlim())
>>> yline = slope * xline + offset
>>> plt.plot(xline, yline)
[<matplotlib.lines.Line2D object at 0x273b310>]
>>> plt.show()
![Page 8: Análisis de datos con Python](https://reader036.fdocuments.ec/reader036/viewer/2022081421/559929e41a28ab4a298b476a/html5/thumbnails/8.jpg)
Matplotlib
![Page 9: Análisis de datos con Python](https://reader036.fdocuments.ec/reader036/viewer/2022081421/559929e41a28ab4a298b476a/html5/thumbnails/9.jpg)
Cuaderno de IPython (notebook)
● Interfaz web para el uso interactivo de Python.
● Inspirado en los notebooks de Mathematica y SAGE.
● Permite integrar en un navegador documentos que intercalan fragmentos de código y su salida (incluyendo gráficos).
● Ejemplos.
● Articulo en Pybonacci (con vídeo).
![Page 10: Análisis de datos con Python](https://reader036.fdocuments.ec/reader036/viewer/2022081421/559929e41a28ab4a298b476a/html5/thumbnails/10.jpg)
Pandas
● Biblioteca para el análisis de datos con Python.
● Proporciona estructuras tabulares de datos.
● Hace más amigable el uso de NumPy.
● Facilita el manejo de series temporales.
● Gráficos con Matplotlib.
● Buena integración con el cuaderno de IPython.
● Tutorial.
● Tutorial en video.
![Page 11: Análisis de datos con Python](https://reader036.fdocuments.ec/reader036/viewer/2022081421/559929e41a28ab4a298b476a/html5/thumbnails/11.jpg)
windng
● Biblioteca para el análisis de datos de viento.
● Medias (mensuales, diarias...) y disponibilidad.
● Periodos de referencia.
● Rosas de frecuencias y energía.
● Perfil vertical.
● Análisis de largo plazo.
● Intensidad de turbulencia.
● Creación de archivos .tab de WasP y .csv de openWind.
![Page 12: Análisis de datos con Python](https://reader036.fdocuments.ec/reader036/viewer/2022081421/559929e41a28ab4a298b476a/html5/thumbnails/12.jpg)
windng
● Poco madura:
– Escasa funcionalidad implementada hasta ahora.
– Interfaz inestable.● Ejemplos.
● Perfil vertical.
![Page 13: Análisis de datos con Python](https://reader036.fdocuments.ec/reader036/viewer/2022081421/559929e41a28ab4a298b476a/html5/thumbnails/13.jpg)
Para saber más
● Python
● NumPy
● Matplotlib
● IPython
● Pandas
● windng