Scribd
Cargar
41 vistas2 páginas

Chuleta Python Completa

El documento proporciona una lista de comandos y funciones en Python, junto con ejemplos de uso y descripciones breves. Incluye estructuras de control, manejo de excepciones, funciones útiles y librerías populares como NumPy, Pandas y Matplotlib. También se mencionan técnicas de visualización y algoritmos de aprendizaje automático.

Cargado por

Tata Mafiosa
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 XLSX, PDF, TXT o lee en línea desde Scribd
41 vistas2 páginas

Chuleta Python Completa

El documento proporciona una lista de comandos y funciones en Python, junto con ejemplos de uso y descripciones breves. Incluye estructuras de control, manejo de excepciones, funciones útiles y librerías populares como NumPy, Pandas y Matplotlib. También se mencionan técnicas de visualización y algoritmos de aprendizaje automático.

Cargado por

Tata Mafiosa
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 XLSX, PDF, TXT o lee en línea desde Scribd
Está en la página 1/ 2

Categoría ComandoDescripción

Ejemplo de Uso
Instalación
Entrada/Saprint() Muestra da- -
Entrada/Sainput() Captura dat- -
Control de if / elif / el Estructura - -
Control de for Itera sobre- -
Control de while Bucle basa- -
Control de break Sale del b - -
Control de continue Salta a la s - -
Funciones def Define una- -
Funciones return Devuelve u- -
Funciones import Importa mód - -
Funciones from ... impImporta fu- -
Estructura list [] Estructura - -
Estructura dict {} Diccionario- -
Estructura set {} Colección - -
Estructura tuple () Estructura - -
Excepcionetry / excepManejo de- -
Excepcionefinally Bloque que- -
Excepcioneraise Lanza una - -
Otros with Manejo cont - -
Otros lambda Función an- -
Otros class Define una- -
Otros is / in / notOperadores- -
Otros pass Indica que - -
Avanzadosmap / filte Funciones - -
AvanzadosenumerateItera con í - -
Avanzadoszip Itera vario - -
Avanzadoslist compr Sintaxis co - -
Funciones Ú len() Devuelve la- -
Funciones Ú range() Genera una- -
Funciones Ú sorted() Devuelve un - -
Funciones Ú open() Abre un arc- -
Funciones Ú type() Devuelve el- -
Funciones Ú isinstance(Comprueba- s -
Funciones Ú sum() Suma todos- -
Funciones Ú any() Devuelve T- -
Funciones Ú all() Devuelve Tr- -
Funciones Ú reversed() Itera una s- -
Funciones Ú enumerate(Itera eleme- -
Funciones Ú zip() Combina var - -
Funciones Ú map() Aplica una - -
Funciones Ú filter() Filtra elem- -
Funciones Ú reduce() Reduce un -i -
Funciones Ú list compr Sintaxis co -import numpy - as np
Librerías y numpy Librería pa arr = np.array([1,
pip install
2, 3])
numpy
import pandas as pd
Librerías y pandas Librería pa df = pd.DataFrame({'A':
pip install pandas
[1, 2]})
Librerías y matplotlib Librería par-import seaborn
- as sns
Librerías y seaborn Librería ba sns.barplot(x=['A',
pip install
from sklearn.neighbors 'B'],
seaborn
y=[1,
import2])KNeighborsClassifier
Librerías y scikit-learnLibrería pa model pip install scikit-learn
model == KNeighborsClassifier(n_neighbors=3)
KNeighborsClassifier(n_neighbors=5)
Librerías y KNN (k-NeaAlgoritmo dmodel.fit(X_train,
pip install scikit-learn
y_train)
from sklearn.model_selection import train_test_split
Librerías y train_test_Función deX_train, pip
X_test, install scikit-learn
y_train,
scaler = StandardScaler() y_test = train_test_split(X, y)
Librerías y StandardScHerramienta X_scaled = pip install scikit-learn
scaler.fit_transform(X)
from sklearn.pipeline import Pipeline
Librerías y Pipeline Objeto de pipe pip install
[4, 5,scikit-learn
= Pipeline([('scaler',
plt.plot([1, 2, 3], 6])StandardScaler()), ('knn', KNeighborsClassifier())])
Visualizaci matplotlib.Módulo para plt.show() pip install matplotlib
fig = px.scatter(x=[1,2,3], y=[4,5,6])
Visualizaci plotly Librería pa fig.show() pip install
import seaborn as sns plotly
Visualizaci seaborn Basada en sns.barplot(x=['A',
m pip install seaborn
'B'], y=[1, 2])

También podría gustarte