Ciencia de datos: Librerías Python

NumPy es una librería de Python que proporciona soporte para arreglos multidimensionales y funciones matemáticas avanzadas. Es muy útil para trabajar con grandes conjuntos de datos numéricos. Algunos ejemplos de uso de NumPy son:

import numpy as np # Crear un arreglo de unos de 3x3 ones = np.ones((3, 3)) print(ones) # Crear un arreglo de ceros de 3x3 zeros = np.zeros((3, 3)) print(zeros) # Crear un arreglo de números consecutivos de 3x3 arange = np.arange(9).reshape(3, 3) print(arange) # Crear un arreglo con valores aleatorios de 3x3 random = np.random.random((3, 3)) print(random) # Realizar operaciones aritméticas con arreglos a = np.array([1, 2, 3]) b = np.array([4, 5, 6]) # Suma print(a + b) # Resta print(a - b) # Producto print(a * b) # División print(a / b)

pandas es una librería de Python que proporciona estructuras de datos y herramientas de análisis de datos. Es muy útil para trabajar con datos tabulares y estadísticas. Algunos ejemplos de uso de pandas son:

import pandas as pd # Leer un archivo de datos en un dataframe df = pd.read_csv('data.csv') # Mostrar las primeras filas del dataframe print(df.head()) # Seleccionar una columna del dataframe col = df['Nombre de la columna'] # Filtrar el dataframe por una condición filtered_df = df[df['Nombre de la columna'] > 5] # Agrupar el dataframe por una columna y obtener la media de otra columna grouped_df = df.groupby('Nombre de la columna').mean() # Realizar una pivot table pivot_table = df.pivot_table(index='Nombre de la columna', values='Otra columna', aggfunc='mean')

matplotlib es una librería de Python que proporciona funcionalidades para crear gráficos y visualizaciones. Algunos ejemplos de uso de matplotlib son:

import matplotlib.pyplot as plt

# Crear un gráfico de líneas x = [1, 2, 3, 4] y = [1, 4, 9, 16] plt.plot(x, y) # Añadir títulos y etiquetas a los ejes plt.xlabel('Eje x') plt.ylabel('Eje y') plt.title('Gráfico de líneas') # Mostrar el gráfico plt.show() # Crear un gráfico de barras x = [1, 2, 3, 4] y = [1, 4, 9, 16] plt.bar(x, y) # Añadir títulos y etiquetas a los ejes plt.xlabel('Eje x') plt.ylabel('Eje y') plt.title('Gráfico de barras') # Mostrar el gráfico plt.show() # Crear un gráfico de dispersión x = [1, 2, 3, 4] y = [1, 4, 9, 16] plt.scatter(x, y) # Añadir títulos y etiquetas a los ejes plt.xlabel('Eje x') plt.ylabel('Eje y') plt.title('Gráfico de dispersión') # Mostrar el gráfico plt.show()

Espero que estos ejemplos te den una idea de cómo usar matplotlib para crear diferentes tipos de gráficos y visualizaciones. Si quieres ver más opciones y personalizaciones, puedes consultar la documentación de matplotlib.