El desarrollo conjunto de Python y R representan probablemente el factor individual más decisivo en el futuro del análisis de datos y el cómputo numérico.
POWER POINT YUCRAElabore una PRESENTACIÓN CORTA sobre el video película: La C...
Gestión y Análisis de Datos para las Ciencias Económicas con Python y R
1. Gestión y Análisis de
Datos para las Ciencias
Económicas con
Python y R
Emancipando la Economía
Computacional
Francisco Palm
Spiralia :: SoLVe :: ULA
2. ¿Economía
Computacional?
Intersección entre el Análisis
Económico y la Informática
4. ¿De qué hay que
liberarse?
Herramientas inferiores
Enfoques limitados
Formatos cerrados
Obsolencia planificada
Interoperabilidad reducida
5. "...es probable que el
crecimiento conjunto de
Python y R sea el factor más
importante en el futuro de la
estadística computacional".
"The Future of Statistical Computing"
Leland Wilkinson
(TECHNOMETRICS, Vol. 50, Num. 4, Nov. 2008),
7. ¿Qué es Python?
➔ Lenguaje dinámico
➔multiparadigma, multipropósito,
multiplataforma,
multiimplementación... multi*
➔ El único compromiso es la
productividad del programador
➔ Viene con las pilas puestas
9. ¿Qué es R?
➔Entorno para computación
estadística y gráficos
➔ Un amplio rango de técnicas y
utilidades (2000+ Paquetes)
➔ Varios años por delante de sus
contrapartes privativas (SAS, SPSS).
➔ Potentes capacidades gráficas
11. ¿En qué se parecen
Python y R?
Lenguajes interpretados
Libres
"Armas secretas" de Google
Desarrollados por comunidades
internacionales e independientes
Amplia difusión internacional
Modulares y extensibles
13. ¿En qué se diferencian?
Python R
Horizontal, Vertical, análisis
multipropósito estadístico
Diseñado para ser Orientación
sencillo científica
Técnicas Funcional, pero
avanzadas de conservador
programación Hay que instalarlo
Incluido en Linux (incluso en Linux)
17. from scipy import optimize, special
from numpy import *
from pylab import *
x = arange(0,10,0.01)
for k in arange(0.5,5.5):
y = special.jv(k,x)
plot(x,y)
f = lambda x: -special.jv(k,x)
x_max = optimize.fminbound(f,0,6)
plot([x_max], [special.jv(k,x_max)],'ro')
title(u'Funciones Bessel con optimos locales')
show()
19. from mpl_toolkits.mplot3d import Axes3D
from matplotlib import cm
import matplotlib.pyplot as plt
import numpy as np
fig = plt.figure()
ax = Axes3D(fig)
X = np.arange(-5, 5, 0.25)
Y = np.arange(-5, 5, 0.25)
X, Y = np.meshgrid(X, Y)
R = np.sqrt(X**2 + Y**2)
Z = np.sin(R)
ax.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap=cm.jet)
plt.show()