Análisis de datos con Python
2Python● Lenguaje de programación– Interpretado.– De propósito general.– Orientado a objetos.– Fácil de usar.● Se usa en l...
Python>>> 1 + 10001001>>> 4 * 25100>>> 3**29>>> range(5)[0, 1, 2, 3, 4]>>> [x**2 for x in range(5)][0, 1, 4, 9, 16]
NumPy● Biblioteca para cálculos numéricos con Python.● Proporciona vectores multidimensionales y operacionessobre ellos.● ...
NumPy>>> import numpy as np>>> x = np.linspace(0, 1, 10)>>> xarray([ 0. , 0.11111111, 0.22222222, 0.33333333, 0.44444444,0...
Matplotlib● Biblioteca para la generación de gráficos con Python.● Interfaz funcional estilo Matlab.● Interfaz orientada a...
7Matplotlib>>> import numpy as np>>> import matplotlib.pyplot as plt>>> x = np.linspace(0, 1, 200)>>> y = 2 * x + 1 + np.r...
Matplotlib
Cuaderno de IPython (notebook)● Interfaz web para el uso interactivo de Python.● Inspirado en los notebooks de Mathematica...
Pandas● Biblioteca para el análisis de datos con Python.● Proporciona estructuras tabulares de datos.● Hace más amigable e...
windng● Biblioteca para el análisis de datos de viento.● Medias (mensuales, diarias...) y disponibilidad.● Periodos de ref...
windng● Poco madura:– Escasa funcionalidad implementada hasta ahora.– Interfaz inestable.● Ejemplos.● Perfil vertical.
Para saber más● Python● NumPy● Matplotlib● IPython● Pandas● windng
Próxima SlideShare
Cargando en…5
×

Análisis de datos con Python

439 visualizaciones

Publicado el

Publicado en: Tecnología
0 comentarios
0 recomendaciones
Estadísticas
Notas
  • Sé el primero en comentar

  • Sé el primero en recomendar esto

Sin descargas
Visualizaciones
Visualizaciones totales
439
En SlideShare
0
De insertados
0
Número de insertados
2
Acciones
Compartido
0
Descargas
20
Comentarios
0
Recomendaciones
0
Insertados 0
No insertados

No hay notas en la diapositiva.

Análisis de datos con Python

  1. 1. Análisis de datos con Python
  2. 2. 2Python● Lenguaje de programación– Interpretado.– De propósito general.– Orientado a objetos.– Fácil de usar.● Se usa en la NASA.● Pero no es necesario dominar la tecnología espacialpara usarlo.
  3. 3. Python>>> 1 + 10001001>>> 4 * 25100>>> 3**29>>> range(5)[0, 1, 2, 3, 4]>>> [x**2 for x in range(5)][0, 1, 4, 9, 16]
  4. 4. NumPy● Biblioteca para cálculos numéricos con Python.● Proporciona vectores multidimensionales y operacionessobre ellos.● Funcionalidad semejante a la de Matlab (según dicen).
  5. 5. NumPy>>> import numpy as np>>> x = np.linspace(0, 1, 10)>>> xarray([ 0. , 0.11111111, 0.22222222, 0.33333333, 0.44444444,0.55555556, 0.66666667, 0.77777778, 0.88888889, 1. ])>>> y = 2 * x + 1 + np.random.normal(0, 0.1, 10)>>> yarray([ 0.88954082, 1.25512384, 1.3863797 , 1.77321241, 2.06216476,2.19758795, 2.29706792, 2.53780433, 2.90609934, 3.12747582])>>> slope, offset = np.polyfit(x, y, 1)>>> slope, offset(2.1361285263597183, 0.9751814266462937)
  6. 6. Matplotlib● Biblioteca para la generación de gráficos con Python.● Interfaz funcional estilo Matlab.● Interfaz orientada a objetos para un control más precisodel resultado.● Ejemplos.● Artículos en Pybonacci.
  7. 7. 7Matplotlib>>> import numpy as np>>> import matplotlib.pyplot as plt>>> x = np.linspace(0, 1, 200)>>> y = 2 * x + 1 + np.random.normal(0, 0.1, 200)>>> slope, offset = np.polyfit(x, y, 1)>>> plt.plot(x, y, x)[<matplotlib.lines.Line2D object at 0x273b6d0>]>>> xline = np.array(plt.xlim())>>> yline = slope * xline + offset>>> plt.plot(xline, yline)[<matplotlib.lines.Line2D object at 0x273b310>]>>> plt.show()
  8. 8. Matplotlib
  9. 9. Cuaderno de IPython (notebook)● Interfaz web para el uso interactivo de Python.● Inspirado en los notebooks de Mathematica y SAGE.● Permite integrar en un navegador documentos queintercalan fragmentos de código y su salida (incluyendográficos).● Ejemplos.● Articulo en Pybonacci (con vídeo).
  10. 10. Pandas● Biblioteca para el análisis de datos con Python.● Proporciona estructuras tabulares de datos.● Hace más amigable el uso de NumPy.● Facilita el manejo de series temporales.● Gráficos con Matplotlib.● Buena integración con el cuaderno de IPython.● Tutorial.● Tutorial en video.
  11. 11. windng● Biblioteca para el análisis de datos de viento.● Medias (mensuales, diarias...) y disponibilidad.● Periodos de referencia.● Rosas de frecuencias y energía.● Perfil vertical.● Análisis de largo plazo.● Intensidad de turbulencia.● Creación de archivos .tab de WasP y .csv de openWind.
  12. 12. windng● Poco madura:– Escasa funcionalidad implementada hasta ahora.– Interfaz inestable.● Ejemplos.● Perfil vertical.
  13. 13. Para saber más● Python● NumPy● Matplotlib● IPython● Pandas● windng

×