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)

Aplicacion cifrado de textos con Python

En el siguiente video vemos como construir una aplicacion de cifrado descifrado de textos usando el metodo de cifrado Cesar, tambien usaremos la libreria pickle para guardar el dato.