¡De programador a Científico de Datos! 🚀 Mi nuevo libro de Scikit-Learn ya está disponible.

¿Sientes que el Machine Learning es un mundo de matemáticas imposibles? He publicado "SCIKIT LEARN: Machine Learning Práctico con Python" para demostrarte que no es así. Este libro es el compañero definitivo para mi curso gratuito.

Mientras en los vídeos vemos la implementación en vivo, en el libro tienes la estructura teórica, las fórmulas explicadas y los flujos profesionales (como los Pipelines) para consultar a tu propio ritmo.

¿Cómo aprenderás?

• Teoría y Práctica: Sigue el libro paso a paso.

• Apoyo Visual: Mira los vídeos que acompañan a cada tema en esta lista de reproducción: 👇 ▶️ https://www.youtube.com/playlist?list=PLhr9YdZStgI1Gy0ZCad0DJVwHN7SHrMrv

Consigue tu copia  digital en Amazon: 👉 https://www.amazon.es/dp/B0CW17NBGM

¡Gracias por el apoyo de siempre! @josecodetech 👨‍💻 

Funciones anidadas en Python

 FUNCIONES ANIDADAS

Las funciones anidadas son funciones definidas dentro del cuerpo de otra función. Estas funciones tienen acceso a las variables locales de la función que las contiene y pueden ser útiles para realizar tareas específicas dentro de la función principal.
Un ejemplo de función anidada podría ser el siguiente:

def funcion_principal():
   variable_local = 10
   
   def funcion_anidada():
       nonlocal variable_local
       variable_local += 1
       print(variable_local)       
   funcion_anidada()

En este ejemplo, la función anidada está definida dentro de la función principal y tiene acceso a la variable local. Al llamar a funcion_anidada, se incrementa el valor de variable_local en 1 y se imprime su nuevo valor.
#programando con #josecodetech

Scratch y mBot

 Si te dedicas a la enseñanza o quieres iniciarte en la programacion y robotica, dale un vistazo a este video y comienza con #scratch y #mBot, programando con bloques y #Makeblock.

Empecemos a programar con #josecodetech

Python. Sentencia condicional match (switch)

 

Python, ejercicio generador de contraseñas

 Crea un generador de contraseñas con Python.

Ejercicio variables con Python

Una empresa tiene 3 productos de distinto peso que manda a los clientes a traves de otra empresa de mensajeria, necesita un script que le indique que peso envia a cada cliente para indicarlo a la mensajeria.

Se debe solicitar al usuario la cantidad a enviar de cada producto, conociendo que el peso es el siguiente:

    Producto 1 pesa 1.5 kg

    Producto 2 pesa 1.7 kg

    Producto 3 pesa 2.1 kg

Ejercicio listas con Python

 Solicitar una lista al usuario, ordenarla e indicar con otras listas los numeros pares e impares.

Archivo para instalar librerias de un proyecto a otro

 

Envia emails con Python

 

Ejemplo de cuenta atras con Python

 

Obtener y manipular datos en formato JSON con Python

 

Operaciones con archivos usando Python

Tiempo con Pygame

 Detectar el tiempo para ejecutar tareas con Pygame

Mostrar textos. Pygame

 Mostrar textos en ventana Pygame con Python.

Carga imagen con Pygame

 

Dibuja lineas y figuras geometricas con Pygame

 

Web Scraping Python, guarda datos en csv

Obtener datos de una web y guardarlos en fichero csv usando las librerias requests y beautifulsoup con Python.

Google Colab, ejemplo con dataset

 Ejemplo con dataset usando #googleColab y #Python

Matplotlib

 Realiza graficas con Python, mediante la libreria Matplotlib.

import numpy as np

import pandas as pd

import matplotlib.pyplot as plt

x = np.linspace(1, 150, 200)

y = x + x**2

# print(x)

# print(y)

plt.plot(x, y, 'blue')  # .hist area bar pie scatter box

plt.title('Mi grafica')

plt.xlabel('Valores x')

plt.ylabel('Valores y')

plt.show()

# subplots

plt.subplot(1, 2, 1)

plt.plot(x, y, 'g')

plt.subplot(1, 2, 2)

plt.plot(x, y, 'red')

plt.show()

Pandas

 Libreria Pandas para analisis de datos con Python.

import pandas as pd

import numpy as np

# Series

etiquetas = ['a', 'b', 'c', 'd', 'e']

datos = np.arange(4, 9)

serie = pd.Series(datos, index=etiquetas)

print(serie)

# acceder valor

print(serie['c'])

# datos distinto tipo

datos = ['Jose', 49, 'Mar', 46]

serie = pd.Series(datos)

print(serie)

# datos directos

serie = pd.Series([1000, 500, 1200, 700], ['Emp01', 'Emp02', 'Emp03', 'Emp04'])

print(serie)

# operacion suma

serie1 = pd.Series([1000, 500, 1200, 700], [

                   'Emp01', 'Emp02', 'Emp03', 'Emp04'])

print(serie1)

serie2 = pd.Series([1050, 1500, 2200, 900], [

                   'Emp01', 'Emp02', 'Emp03', 'Emp04'])

print(serie2)

serie3 = serie1 + serie2

print(serie3)

# dataframes

filas = ['tienda1', 'tienda2', 'tienda3', 'tienda4']

columnas = ['articulo1', 'articulo2', 'articulo3']

datos = [[np.nan, 100, 200], [np.nan, 100, 300],

         [300, np.nan, 400], [400, 100, 500]]

dataframe = pd.DataFrame(datos, index=filas, columns=columnas)

print(dataframe)

# seleccion fila

print(dataframe.loc['tienda2'])

print(dataframe.loc[['tienda2', 'tienda3']])

# seleccion columna

print(dataframe['articulo3'])

# valor concreto

print(dataframe.loc['tienda2', 'articulo3'])

# nueva columna

dataframe['articulo4'] = 25

print(dataframe)

dataframe['total'] = dataframe['articulo1']+dataframe['articulo2'] + \

    dataframe['articulo3']+dataframe['articulo4']

print(dataframe)

# eliminar columna

#dataframe = dataframe.drop(['total'], axis=1)

print(dataframe.drop(['total'], axis=1, inplace=True))

print(dataframe)

condicion = dataframe > 200

print(dataframe[condicion])

condicion = (dataframe['articulo1'] >= 200) | (dataframe['articulo2'] >= 100)

print(dataframe[condicion])

nuevaColumna = '1 2 3 4'.split()

dataframe['indices'] = nuevaColumna

print(dataframe)

dataframe = dataframe.set_index('indices')

print(dataframe)

#dataframe.dropna(axis=1, inplace=True)

#dataframe.fillna(value=90, inplace=True)

media = dataframe.mean()

print(f"La media es igual a {media}")

dataframe.fillna(value=media, inplace=True)

print(dataframe)

# union de dataframes

data1 = dataframe.copy()

data2 = dataframe.copy()

print(data1)

print(data2)

dataTotal = pd.concat([data1, data2])

print(dataTotal)

print(dataTotal['articulo3'].unique())

print(dataTotal['articulo3'].value_counts())

dataTotal = dataTotal.apply(lambda x: x*3)

print(dataTotal)

print(dataTotal.columns)

print(dataTotal.index)

print(dataTotal.sort_values(['articulo3']))

print(dataTotal.describe())

# dataTotal.to_csv('dataTotal.csv')

dataframe = pd.read_csv('dataTotal.csv', index_col=0)

print(dataframe)