acastillom24/python-avanzado

Modulo 2: iPython

#3 Comandos mágicos

Todos los comandos mágicos empiezan con un %.

• Directorio actual de trabajo

%pwd

• Navegar entre directorios

%cd

• Listar objetos en un directorio

%ls

• Almacenar directorios para facilitar su acceso

%pwd
%bookmark {NAME_BOOKMARK}
%bookmark -l
%cd -b {NAME_BOOKMARK}

• Almacenar variables

cody = 'Cody'
%store {NAME_VARIABLE}
%store -r

• Listar todos los comandos magicos disponibles

%lsmagic

Instrospección de código

Permite conocer mas en profundidad un objeto, puede ser, una clase, un método, una función, una variable, etc.

{OBJETO}?

Para conocer el código que almacena la función:

{OBJETO}??

Manipulación de archivos

• Conocer el contenido del archivo

%cat {NAME_FILE}

• Ejecutar el archivo

%run {NAME_FILE}

• Cargar un archivo

%load {NAME_FILE}

• Conocer la documentación de una función

%pdoc {NAME_FILE}

• Editar un archivo

%edit {NAME_FILE}

Crear archivos

%save {NAME_FILE} {BLOQUE_LINEAS} {BLOQUE_LINEAS}
%save -a {NAME_FILE} {BLOQUE_LINEAS} {BLOQUE_LINEAS}

Modulo 3: Numpy

Arreglos

• Crear un arreglo

import numpy as np

a = np.array([1, 2, 3, 4, 5])

• Tipo de un objeto

type(a)

• Conocer la cantidad de elementos

a.size

• Conocer la dimensión

a.ndim

• Conocer los tipos de datos almacendos

a.dtype

• Conocer las dimenciones y el número de elementos

np.shape

Operaciones

• Suma, Resta, Multiplicación, División

a + 10
a - 10
a * 10
a / 10

b = np.array([6, 7, ,8 ,9, 10])

a + b
a - b
a * b
a / b

Tipos de datos

• Almacenar valores según su tipo

a = np.array([6, 7, ,8 ,9, 10], dtype=float)
a = np.array([6, 7, ,8 ,9, 10], dtype=str)
a = np.array([6, 7, ,8 ,9, 10], dtype=bool)
a = np.array([6, 7, ,8 ,9, 10], dtype=np.complex)

Crear arreglos

a = np.arange(0, 100)
a = np.arange(0, 100, 2)
a = np.zeros(10)
a = np.zeros(10, dtype=int)
a = np.ones(10)
a = np.ones(10, dtype=int)
a = np.empty(10)
a = np.empty(10, dtype=int)
a = np.random.randint(0, 100, 50)

Obtener y actualizar elementos

a = np.random.randint(0, 100, 50)

a[0]
a[1]

a[-1]
a[-2]

a[0] = 100
a[-1] = 200

SubArreglos

a = np.random.randint(0, 100, 50)

# a[start:end:saltos]
a[0:5]
a[:5]

a[5:]
a[5::2]

a[[0, 1, 3]]

"""
Para obtener elementos a partir de boleanos, 
estos deben tener el mismo tamaño
"""
a[[True, False, False, False, True]]

Vectorizar funciones

a = np.random.randint(0, 10, 20)

def operacion(valor):
    return (valor ** 2) + 2

operacion(3)
for el in a:
    print(operacion(el))

vector = np.vectorize(operacion)
vector(a)

vector = np.vectorize(lambda valor: (valor ** 2) + 2)
vector(a)

Copias y vistas

import numpy as np

# Copias
a = np.random.randint(0, 10, 20)
b = a.copy()

id(a)
id(b)

a is b

# Vistas
c = a.view()
d = a[:]

id(a)
id(c)
id(c.base)

a is c
a is c.base

Matrices (Arreglos multidimencional)

import numpy as np

A = np.array([
    [1, 2, 3, 4, 5],
    [10, 20, 30, 40, 50],
    [100, 200, 300, 400, 500]
])

A.ndim
A.shape

# A[axi0][axi1] o A[axi0, axi1]
A[0][0]
A[1][2]
A[2][-1]

A[0, 0]
A[1, 2]
A[2, -1]

# Valores de columnas
A[:, 3]
A[[0, 1], 3]

Métodos de agregación

import numpy as np

A = np.array([
    [1, 2, 3, 4, 5],
    [10, 20, 30, 40, 50],
    [100, 200, 300, 400, 500]
])

# Desviación Estandar, Suma, Mínimo, Máximo, Promedio
A.std()
A.sum()
A.min()
A.max()
A.mean()

A[1].sum()

Transposición

import numpy as np

A = np.array([
    [1, 2, 3, 4, 5],
    [10, 20, 30, 40, 50],
    [100, 200, 300, 400, 500]
])

A.T.shape

A[:, 4].sum()
A.T[4].sum()

Filtros y condiciones

import numpy as np

a = np.random.randint(0, 100, 50)
a > 50
a[a > 50]
a[(a > 50) & (a < 90)]
a[(a == 10) | (a == 20) | (a == 50)]

Condiciones

import numpy as np

A = np.array([
    [1, 2, 3, 4, 5],
    [10, 20, 30, 40, 50],
    [100, 200, 300, 400, 500]
])

np.all(A > 50)
np.any((A >= 0) & (A <= 100))
np.any(A > 10)

Funciones Where y Select

import numpy as np

# Where
calificaciones = np.random.randint(1, 11, 10)

np.where(
    calificaciones >= 7,
    'Felicidades, aprobaste la materia.',
    'Lo sentimos, no aprobaste la materia.'
)

# Select
condiciones = [
    (calificaciones == 10),
    ((calificaciones == 8) | (calificaciones == 9)),
    (calificaciones == 7),
    (calificaciones < 7)
]

opciones = [
    'Felicidades, aprobaste la materia con 10',
    'Felicidades, aprobaste la materia',
    'Aprobaste la materia',
    'Lo sentimos no aprobaste la materia'
]

np.select(condiciones, opciones)

Crear y leer archivos pt1

import numpy as np

a = np.random.randint(0, 10, 10)

# Crear
np.savetxt('arreglo.txt', a)
np.savetxt('arreglo.txt', a, fmt='%i')

%load arreglo.txt

# Leer
np.loadtxt('arreglo.txt')
np.loadtxt('arreglo.txt', dtype=int)

# Crear un nuevo arreglo a partir de otro array
c = a.reshape((2, 5))

np.savetxt('matriz.csv', c, delimiter=',', fmt='%i')
%load matriz.csv

# Leer
np.loadtxt('arreglo.txt', delimiter=',', dtype=int)

Crear y leer archivos pt2

import numpy as np

a = np.random.randint(0, 10, 10)

# Crear
np.save('arreglo_binario.npy', a)

# Leer
b = np.load('arreglo_binario.npy')

Modificar arreglos

import numpy as np

a = np.random.randint(0, 10, 10)

# insert
a = np.insert(a, 0, 200)

# append
a = np.append(a, 200)

# delete
a = np.delete(a, -1)

# resize
a = np.riseze(a, 5)

# concatenate
b = np.array([10, 20, 30, 40, 50])
c = np.concatenate([a, b])

Ordenamiento

import numpy as np

a = np.random.randint(0, 10, 20)

# Ascendente
a.sort()

# Descendente
a = a[::-1]

b = np.random.randint(0, 10, 20)

# Ascendente
np.sort(b)

# Descendente
c = np.sort(b)[::-1]

Modulo 3: Pandas

Series

import pandas as pd

a = pd.Series([1, 2, 3, 4, 5])

# Conocer el tamaño de la serie
a.size

# Conocer el tipo de datos de la serie
a.dtype

# Conocer la dimensión de la serie
a.shape

# Conocer los indices de la serie
a.index

b = pd.Series([1, 2, 3, 4, 5], index=['a', 'b', 'c', 'd', 'e'])
b['a']

c = pd.Series(
    [1, 2, 3, 4, 5], 
    index=['a', 'b', 'c', 'd', 'e'], 
    name='Números'
)

d = pd.Series(
    [1, 2, 3, 4, 5], 
    index=['a', 'b', 'c', 'd', 'e'], 
    name='Números',
    dtype=int # float, bool, str
)

Clear Series

import pandas as pd

colores = {
    'rojo': 100,
    'verde': 200,
    'azul': 300,
    'negro': 400
}

a = pd.Series(colores)
a['rojo']

Valores núlos

import pandas as pd
import numpy as np

np.nan

a = pd.Series([1, 2, np.nan, np.nan, 5, 6, 7, np.nan, 8, 9])

# isnull
a.isnull()
a[a.isnull()]

# notnull
a.notnull()
a[a.notnull()]

DataFrame pt1

import pandas as pd

usuarios = {
    'username': ['user1', 'user2', 'user3'],
    'email': ['user1@example.com', 'user2@example.com', 'user3@example.com'],
    'age': [27, 10, 30],
    'status': [True, True, False]
}

pd.DataFrame(usuarios)

# Cambiar el indice en un dataframe
pd.DataFrame(usuarios, index = ['a', 'b', 'c'])

DataFrame pt2

import pandas as pd

usuarios = {
    'username': ['user1', 'user2', 'user3'],
    'email': ['user1@example.com', 'user2@example.com', 'user3@example.com'],
    'age': [27, 10, 30],
    'status': [True, True, False]
}

data = pd.DataFrame(usuarios)

# Seleccionar columnas y filas
data['username']
data['username']['a']
data.username

# Listar todas las columnas de un dataframe
data.columns

# Listar los valores de un dataframe
data.values

Columnas del DataFrame

import pandas as pd
import numpy as np

users = {
    'username': ['user1', 'user2', 'user3'],
    'email': ['user1@example.com', 'user2@example.com', 'user3@example.com'],
    'age': [27, 10, 30],
    'status': [True, True, False]
}

data = pd.DataFrame(users)

# Nueva columna al dataframe
calificaciones = pd.Series(
    np.random.randint(5, 10, 3), 
    index=['a', 'b', 'c']
)

data['calificaciones'] = calificaciones

# Renombrar las columnas
data = data.rename(
    columns={'calificaciones':'score'}
)

# Eliminar columnas de un dataframe
del data['score']

Leer un archivo csv

import pandas as pd

data = pd.read_csv("user.csv")
data = pd.read_csv("user.csv", index_col='id')

# Obtener los primeros y ultimos registros
data.head(10)
data.tail(10)

Limpieza de datos

import pandas as pd

data = pd.read_csv("user.csv", index_col='id')

# Eliminar filas que carezcan de valor
data.dropna()

# Rellenar los valor de na
data.fillna('NewValue')
data.fillna(
    {
        'name': 'Sin nombre', 
        'email': 'example@example.com'
    }
)

Atributo loc

import pandas as pd

users = {
    'username': ['user1', 'user2', 'user3'],
    'email': ['user1@example.com', 'user2@example.com', 'user3@example.com'],
    'age': [27, 10, 30],
    'status': [True, True, False]
}

data = pd.DataFrame(users, index=['a', 'b', 'c'])

# seleccionar indices del tipo string
data.loc['a']
data.loc['c']

# Subdataframes
data.loc['a':'b']
data.loc['a':'b', ['username', 'email']]
data.loc['a':'b'][['username', 'email']]

Atributo iloc

import pandas as pd

users = {
    'username': ['user1', 'user2', 'user3'],
    'email': ['user1@example.com', 'user2@example.com', 'user3@example.com'],
    'age': [27, 10, 30],
    'status': [True, True, False]
}

data = pd.DataFrame(users)

# seleccionar indices del tipo int
data.iloc[0]
data.iloc[3]

# Subdataframes
data.iloc[:1]
data.iloc[:1, [0, 2, 3]]
data.iloc[:1][['username', 'email', 'status']]

Condicionales

import pandas as pd

users = {
    'username': ['user1', 'user2', 'user3'],
    'email': ['user1@example.com', 'user2@example.com', 'user3@example.com'],
    'age': [27, 10, 30],
    'status': [True, True, False]
}

data = pd.DataFrame(users)

# Obtener el nombre de todos los usuarios del país de Canadá.

subdata = data[data['country'] == 'Canada']['name']

# Obtener el nombre y correo electrónico de todos los usuarios con edad mayor a 50.
subdata = data[data['age'] > 50][['name', 'email']]

# Obtener el promedio de todos los usuarios de sexo femenino con edad mayor a 30.
subdata = data[(data['sex'] == 'female') & (data['age'] > 30)]['age'].mean()

Ordenamiento

import pandas as pd

users = {
    'username': ['user1', 'user2', 'user3'],
    'email': ['user1@example.com', 'user2@example.com', 'user3@example.com'],
    'age': [27, 10, 30],
    'status': [True, True, False]
}

data = pd.DataFrame(users)

# Obtener el usuario más joven del país Canadá.
data[data['country'] == 'Canada'].sort_values('age').head(1)

# Obtener a los 5 usuarios más viejos de Alemania.
data[data['country'] == 'Germany'].sort_values('age', ascending=False).head(5)
data[data['country'] == 'Germany'].sort_values('age').tail(5)

Búsqueda por rangos

# Obtener todos los usuarios entre las edades 40 y 50
data[(data['age'] >= 40) & (data['age'] <= 50)]
data[data['age'].between(40, 50)]

Búsqueda entre opciones

# Obtener el nombre de todos los usuarios mayores a 30 años de los paises Canada, Alemania y Francia.
countries = ['Canada', 'Germany', 'France']
data[(data['age'] >30) & (data['country'].isin(countries))]

Métodos de strings

import pandas as pd

# starswith - endswith - contains

data[ data['email'].str.startswith('a')]
data[ data['email'].str.endswith('.com')]
data[ data['name'].str.contains('Gabriel')]

Agrupamiento

import pandas as pd

# Mostrar en consola la cantidad de hombres y mujeres del dataset.

data.groupby('gender')['gender'].count()

# Mostrar el país con más mujeres
data[data['gender'] == 'female'].groupby('country')['country'].count().sort_values(ascending=False).head(1)

Curso de base de datos con Python

Módulo 1

Crear conexión MySQL