Scribd
Cargar
33 vistas2 páginas

GUIA Python

Este documento describe varias librerías de Python utilizadas para el análisis de datos, incluyendo Pandas, NumPy, Matplotlib y Datetime. Pandas es una librería especializada en el manejo y análisis de datos estructurados en series y dataframes. NumPy proporciona soporte para vectores y matrices multidimensionales. Matplotlib genera gráficos a partir de datos. Datetime facilita el trabajo con fechas y horas.

Cargado por

Lizeth Tapia
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd
33 vistas2 páginas

GUIA Python

Este documento describe varias librerías de Python utilizadas para el análisis de datos, incluyendo Pandas, NumPy, Matplotlib y Datetime. Pandas es una librería especializada en el manejo y análisis de datos estructurados en series y dataframes. NumPy proporciona soporte para vectores y matrices multidimensionales. Matplotlib genera gráficos a partir de datos. Datetime facilita el trabajo con fechas y horas.

Cargado por

Lizeth Tapia
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd
Está en la página 1/ 2

LIBRERÍAS DE PAYTON

PYTHON: Pandas es una librería Python que también se emplea para matplotlib para la
manipulación y el análisis de datos. Lenguaje de programación ampliamente utilizado en las
aplicaciones web, el desarrollo de software, la ciencia de datos y el machine learning (ML).
Los desarrolladores utilizan Python porque es eficiente y fácil de aprender, además de que
se puede ejecutar en muchas plataformas diferentes.
NUMPY, PANDAS: Es una biblioteca para el lenguaje de programación Python que da
soporte para crear vectores y matrices grandes multidimensionales, junto con una gran
colección de funciones matemáticas de alto nivel para operar con ellas.

DATETIME: Facilita el trabajo con fechas y horas. Puedes mostrar fechas en distintos
formatos y crear objetos de fecha con solo unas líneas de código. Si bien la implementación
permite operaciones aritméticas con fechas y horas, su principal objetivo es poder extraer
campos de forma eficiente para su posterior manipulación o formateo.

MATPLOLIB: Es una biblioteca para la generación de gráficos en dos dimensiones, a partir


de datos contenidos en listas o arrays en el lenguaje de programación Python. Proporciona
una API, pylab, diseñada para recordar a la de MATLAB. Cear visualizaciones de datos.

ARRAYS: Permite representar arreglos de valores de tipos básicos: enteros, caracteres o


puntos flotantes. Para agregar más de un elemento usar extend, fromlist o fromstring. La
palabra reservada def se usa para definir funciones. Debe seguirle el nombre de la función
y la lista de parámetros entre paréntesis. variables estructuradas, donde cada elemento se
almacena de forma consecutiva en memoria. Las cadenas de caracteres son declaradas en
C como arrays de caracteres y permiten la utilización de un cierto número de notaciones y
de funciones especiales.
SERIES: Permite almacenar información de diversa tipología; sea por medio de cadena de
texto, flotante o enteros, dtype, entre otros. Podemos aplicar un elemento index para
caracterizar mejor los valores que almacenamos en nuestro arreglo.
DATAFRAME: Es una serie de Series Pandas indexadas por un valor. El formato de estas
estructuras puede compararse con los diccionarios de Python. Efectivamente, las claves son
los nombres de las columnas y los valores son las Series. Su estructura puede considerarse
similar a la de una hoja de cálculo de Excel. Cada fila contiene datos específicos de varias
columnas, que son variables. El nombre de las filas de un DataFrame se llama «index» que,
por defecto, empieza siempre por 0. Se puede indexar las filas de un DataFrame por
cualquier valor.
COMO SE HABILITA LA BIBLIOTECA DE PANDAS EN PAYTON: abrir el símbolo del sistema y
escribir el siguiente comando: "pip freeze".
CUAL ES EL COMANDO CORTO QUE SE UTILIZA PARA IMPORTAR PANDAS: -IMPORT
PANDAS
CUALES SON LOS DATOS QUE CALCULA PANDA: media moda desviacion estandar
COMO SE IMPORTA UN ARCHIVO CSV EN PANDAS- pandas.read_csv(“nombre.csv)
CÓMO SE CREA UN DATA FRAME EN PANDAS: ~pandas.DataFrame(data)
CÓMO SE CALCULA LAS ESTADÍSTICAS DESCRITAS PARA CADA COLUMNA ~ df.describe()
CUÁL ES LA SINTAXIS DE PANDAS PARA ELIMINAR FILAS QUE CONTIENEN CELDAS VACÍAS:
~ dropna()
CUÁL ES LA SINTAXIS DE PANDAS PARA LLENAR CELDAS VACÍAS CON UN NUEVO VALOR:
~ fillna()
CUÁL ES LA SINTAXIS PARA DIBUJAR DIAGRAMAS: ~ df.plot()
ARCHIVOS QUE PUEDE LEER PANDAS: JSON, EXCEL, HTML, CSV
CUÁLES SON LOS TIPOS DE DATOS QUE PUEDE LEER PANDAS : float, string, integer
CÓMO SE OBTIENE LA CANTIDAD DE RENGLONES Y COLUMNAS DE UN DATAFRAME EN
PANDAS: dataframe.shape
ES UNA LIBRERÍA DE PAYTON ESPECIALIZADA EN EL MANEJO DE ANÁLISIS Y ESTRUCTURAS
pandas
NUMPY: manejo de grandes volumenes de datos
LIBRERÍA DE PANDAS MANEJA DOS ESTRUCTURAS: series y dataframe y son sus elementos
ARCHIVOS CSV- archivos de excel en donde sus iniciales son “comman separed values”
texto simple , almacenan datos separados por coma, letras y numero, formato

También podría gustarte