Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 0 vistas

    A1 Erj

    Cargado por

    Elihu Ramirez

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd

    A1 Erj

    Cargado por

    Elihu Ramirez
    0 vistas3 páginas

    Título original

    A1_ERJ

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    0 vistas3 páginas

    A1 Erj

    Cargado por

    Elihu Ramirez

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    Está en la página 1de 3

    Actividad 1. Reporte.

    Fundamentos de
    programación para ciencia de datos

    TALLER DE FORTALECIMIENTO AL
    EGRESO I CIENCIA DE DATOS PARA LA
    TOMA DE DECISIONES
    Elihu Ramírez Juárez

    Profesor: Dr. Erik Leal Enríquez

    Fecha de entrega: 1 de abril de 2024


    Introducción
    Python se ha establecido como un lenguaje fundamental en el ámbito de la ciencia de datos.
    A continuación, exploraremos los fundamentos de la programación para ciencia de datos
    utilizando Python, centrándonos en el modelado de datos, la lógica de programación y las
    funciones para estructuras de datos. Estos conceptos son esenciales para comprender
    cómo Python se utiliza en el análisis y manipulación de datos, lo que nos permitirá
    adentrarnos en el emocionante mundo de la ciencia de datos de manera más profunda y
    efectiva.
    1. Modelado de datos en Python:
    Características: Python ofrece una variedad de herramientas y bibliotecas para el modelado
    de datos en ciencia de datos. Una de las bibliotecas más utilizadas es Pandas, que
    proporciona estructuras de datos flexibles y eficientes para trabajar con datos tabulares,
    como DataFrames. Además, NumPy es ampliamente utilizado para operaciones numéricas
    y manipulación de matrices, lo que es fundamental para el modelado de datos en ciencia
    de datos.
    Elementos: El modelado de datos en Python implica la creación, manipulación, limpieza y
    análisis de conjuntos de datos. Se utilizan estructuras de datos como DataFrames (de
    Pandas) y matrices (de NumPy) para representar y operar con los datos. Además, se
    pueden aplicar técnicas de visualización de datos utilizando bibliotecas como Matplotlib y
    Seaborn.
    Forma de trabajarlos: Para modelar datos en Python, se importan las bibliotecas relevantes
    (como Pandas y NumPy), se cargan los conjuntos de datos, se realizan operaciones de
    limpieza y preprocesamiento, y luego se aplican técnicas de análisis de datos según los
    requisitos del proyecto. Esto implica utilizar funciones proporcionadas por estas bibliotecas
    para realizar operaciones como filtrado, agregación, agrupación, y cálculo de estadísticas
    descriptivas.
    2. Lógica de Programación:
    Características: La lógica de programación en Python se basa en una sintaxis clara y legible
    que hace énfasis en la legibilidad del código. Python sigue un enfoque de programación
    imperativa, donde las instrucciones se ejecutan en secuencia, y también admite
    programación orientada a objetos y funcional.
    Elementos: Los elementos fundamentales de la lógica de programación en Python incluyen
    estructuras de control de flujo como condicionales (if, else), bucles (for, while), y manejo de
    excepciones. Además, la programación modular se fomenta mediante el uso de funciones
    y módulos, lo que permite organizar el código de manera eficiente y reutilizable.
    Forma de trabajarlos: En Python, se utiliza la sintaxis específica de cada estructura de
    control de flujo para implementar la lógica de un programa. Esto implica escribir
    condicionales para tomar decisiones, bucles para repetir instrucciones, y manejar
    excepciones para gestionar errores de manera elegante. Además, se definen y utilizan
    funciones para encapsular la lógica y modularizar el código, lo que facilita el mantenimiento
    y la reutilización.
    3. Funciones para estructura de datos:
    Modelo utilizado por Python: Python proporciona una variedad de funciones integradas y
    bibliotecas para trabajar con estructuras de datos. Las funciones incorporadas como len(),
    range(), y zip() son ampliamente utilizadas para operaciones básicas en estructuras de
    datos como listas, tuplas y diccionarios. Además, las bibliotecas externas como Pandas y
    NumPy ofrecen funciones especializadas para manipular DataFrames y matrices,
    respectivamente.

    • Funciones básicas en Python para programar: Algunas de las funciones básicas que
    se utilizan en Python para programar con estructuras de datos incluyen:
    • Funciones de lista: append(), extend(), pop(), insert().
    • Funciones de diccionario: keys(), values(), items(), get().
    • Funciones de tupla: count(), index().
    • Funciones de Pandas: read_csv(), head(), describe(), groupby().
    Forma de trabajarlas:
    Para utilizar funciones para estructuras de datos en Python, se importan las bibliotecas
    necesarias, se crean o cargan las estructuras de datos correspondientes, y luego se aplican
    las funciones según sea necesario para realizar operaciones específicas. Esto implica
    llamar a las funciones con los argumentos adecuados y gestionar los resultados devueltos
    según los requisitos del programa.
    Python ofrece una poderosa combinación de herramientas y sintaxis que facilitan el
    desarrollo de aplicaciones y análisis de datos en el campo de la ciencia de datos.

    Conclusión
    Python ofrece una amplia gama de herramientas y bibliotecas especializadas, como
    Pandas, NumPy y Matplotlib, que facilitan el trabajo con datos y la implementación de
    algoritmos de manera eficiente. Además, su sintaxis clara y legible, junto con su comunidad
    activa y en constante crecimiento, hacen de Python una opción ideal para aquellos que
    desean incursionar en el emocionante mundo de la ciencia de datos.
    Referencias
    • Hostgator. (S/F). Lógica de programación [Archivo PDF]. Recuperado de logica-de-
    programacion.pdf (hostgator.com).
    • Instituro de nuevas Tecnologías. (S/F). Guía teórica de lógica de programación UVEWEB
    [Archivo PDF].
    • UnADM. (2019). Funciones y estructuras de datos [ Archivo PDF]. Recuperado de
    https://es.scribd.com/document/472309108/Unidad-3-Funciones-y-estructuras-de-datos-pdf
    • Rafa Gonzalez Gouveia [Productor]. (2020). Qué es PYTHON para DATA SCIENCE
    [Archivo de video]. Recuperado de https://youtu.be/fYZsuJb5VqE

    • BitBoss. (2021). Estructuras de datos con Python en 8 minutos: Listas, Tuplas, Conjuntos y
    Diccionarios [Archivo de video]. Recuperado de https://youtu.be/v25-m1LOUiU

    También podría gustarte