Python es un de los lenguajes más utilizados en el mundo de la ciencia de datos.
Gracias a su simplicidad y la gran variedad de bibliotecas especializadas.
Estas bibliotecas permiten a los científicos de datos.
Realizar tareas complejas de forma eficiente.
Desde el procesamiento y análisis de datos.
Hasta la visualización y la implementación de modelos de aprendizaje automático.
NumPy (Numerical Python)
Biblioteca fundamental para cálculos numéricos en Python.
Ofrece estructuras de datos eficientes.
Arrays multidimensionales y funciones matemáticas de alto rendimiento.
Orientada al cálculo numérico y operaciones.
Con arrays multidimensionales.
NumPy es una biblioteca fundamental para la computación científica en Python.
Fortaleza en el manejo eficiente de arrays y matrices multidimensionales.
Con una amplia colección de funciones matemáticas y estadísticas.
Operan sobre estas estructuras de datos.
Características principales de Numpy
Por qué es tan importante NumPy en ciencia de datos
Rendimiento
Las operaciones en NumPy están escritas en C
Mucho más rápidas que las equivalentes en listas de Python.
Compatibilidad
Muchas otras bibliotecas Pandas, Scikit-learn
TensorFlow o Matplotlib
Construidas sobre NumPy o lo utilizan internamente.
Base del cálculo científico
Es el punto de partida para análisis de datos.
Machine learning, procesamiento de imágenes.
Análisis numérico y mucho más.
Pandas (Python Data Analysis Library)
Herramienta poderosa para manipulación y análisis de datos.
Facilita el trabajo con estructuras como DataFrames.
Limpiar, transformar y explorar datos fácilmente.
Manipulación, limpieza y análisis de grandes conjuntos de datos.
Pandas es una biblioteca flexible diseñada para facilitar la manipulación, limpieza
Transformación y análisis de datos estructurados tabulares.
Fortaleza es el uso de dos estructuras clave: Series y DataFrame.
Estructuras de datos principales de Pandas
Funciones clave de Pandas
Ejemplo practico de Pandas
¿Por qué es tan importante Pandas en ciencia de datos?
Simplifica tareas complejas como limpieza, filtrado.
Combinación y agregación de datos.
Compatible con otras bibliotecas.
NumPy, Matplotlib, Seaborn y Scikit-learn.
Perfecta para preparar datasets antes de visualizarlos.
Entrenar modelos de machine learning.
Matplotlib Visualización de Datos en Python.
Biblioteca de visualización que permite crear gráficos estáticos.
Animados e interactivos.
Útil para representar datos de forma clara y comprensible.
Enfocada en la creación de gráficos y visualizaciones.
Personalizadas para comprender mejor los datos.
Matplotlib es la biblioteca de gráficos por excelencia en Python.
Permite crear visualizaciones estáticas.
Animadas e interactivas de una forma muy flexible y personalizable.
Es especialmente útil en ciencia de datos.
Representar visualmente los datos.
Descubrir patrones y comunicar resultados de manera clara.
Características principales de Matplotlib
Permite crear una gran variedad de gráficos.
Líneas, barras, histogramas, dispersión, pastel, cajas, mapas de calor, etc.
Altamente configurable: control total sobre estilos.
Colores, tamaños, etiquetas y leyendas.
Compatible con otras bibliotecas como Pandas y NumPy.
Admite exportación a múltiples formatos PNG, PDF, SVG, etc.
Estructura básica de Matplotlib
Tipos de gráficos comunes Matplotlib
Elementos personalizables
Título: plt.title(«Mi gráfico»)
Etiquetas de ejes: plt.xlabel(«Eje X»), plt.ylabel(«Eje Y»)
Leyenda: plt.legend()
Colores: plt.plot(x, y, color=’green’)
Estilos de línea y marcador: plt.plot(x, y, linestyle=’–‘, marker=’o’)
Ejemplo práctico con Pandas
¿Por qué es esencial Matplotlib en ciencia de datos?
Visualización exploratoria
Ayuda a identificar patrones, outliers y correlaciones rápidamente.
Comunicación de resultados
Ideal para crear informes, dashboards y presentaciones visualmente atractivas.
Base para otras bibliotecas
Bibliotecas más avanzadas como Seaborn o Plotly están construidas sobre Matplotlib o lo complementan.
Para visualizaciones más estéticas y estadísticas.
Usar Seaborn que se integra con Matplotlib
Ofrece gráficos más pulidos.
Con menos configuración manual.
Scikit-learn: Aprendizaje Automático en Python
Biblioteca clave para el aprendizaje automático.
Ofrece herramientas simples y eficientes.
Clasificación, regresión, clustering y reducción de dimensionalidad.
Diseñada para aplicar técnicas de aprendizaje automático
Clasificación, regresión o clustering de forma sencilla.
Estas herramientas forman la base del ecosistema de Python
Ciencia de datos para cualquier proyecto en este campo.
Scikit-learn sklearnes una biblioteca de Python de código abierto
Proporciona herramientas simples y eficientes.
Minería de datos, análisis predictivo y modelado estadístico.
Ideal tanto para principiantes como para expertos en ciencia de datos.
Características principales de Scikit-learn
Implementa los algoritmos más comunes de machine learning
Clasificación, regresión, clustering, reducción de dimensionalidad, etc.
Incluye herramientas para la preparación de datos
Normalización, escalado, codificación, selección de variables.
Permite la evaluación y validación de modelos fácilmente.
Compatible con NumPy, Pandas y Matplotlib.
Gran comunidad y documentación muy clara.
Flujo típico de trabajo en Scikit-learn
Cargar y preparar datos
Dividir en datos de entrenamiento y prueba
Elegir y entrenar un modelo
Hacer predicciones
Evaluar el modelo
(Opcional) Optimizar hiperparámetros
Ejemplo práctico básico en Scikit-learn
Tipos de algoritmos incluidos
Clasificación
LogisticRegression
KNeighborsClassifier
RandomForestClassifier
SVC (Support Vector Machine)
DecisionTreeClassifier
Regresión
LinearRegression
Ridge, Lasso
RandomForestRegressor
Clustering
KMeans
DBSCAN
AgglomerativeClustering
Reducción de dimensionalidad
PCA (Análisis de componentes principales)
t-SNE
TruncatedSVD
Selección y evaluación de modelos
cross_val_score
GridSearchCV, RandomizedSearchCV
classification_report, confusion_matrix
Preprocesamiento de datos
StandardScaler, MinMaxScaler
OneHotEncoder, LabelEncoder
SimpleImputer, PolynomialFeatures
Ejemplo con regresión lineal en Scikit-learn
Ventajas de Scikit-learn
Simplicidad y coherencia
Todos los modelos siguen una misma estructura fit, predict, score.
Versatilidad
apta para clasificación, regresión, reducción, selección de variables, pipelines, y más.
Comunidad activa
Amplia documentación y muchos ejemplos reales.
Integración fluida con otras bibliotecas del ecosistema científico de Python.
Scikit-learn es la puerta de entrada ideal al aprendizaje automático con Python.
No es apta para deep learning para eso se usan TensorFlow o PyTorch.
Cubre el 80-90% de los casos de uso en ciencia de datos tradicional
Con un enfoque claro, sencillo y potente.
