3 Librerías en Python

Hasta ahora usamos Python como calculadora y para trabajar con listas.

Pero en la vida real nadie analiza datos así.

Los científicos, ingenieros y analistas usan librerías.

¿Qué es una librería?¶

Una librería es un conjunto de herramientas ya construidas por otras personas para resolver problemas específicos.

Es como:

En vez de programar todo desde cero… usamos conocimiento acumulado.

Importar una librería¶

import numpy as np

Esto significa:

“Trae las herramientas matemáticas avanzadas para poder usarlas”

np es solo un apodo (alias) para escribir menos.

NumPy — matemáticas y vectores¶

NumPy permite trabajar con arreglos numéricos eficientes.

Es la base de casi toda la computación científica en Python.

Se usa cuando:

• hay muchos números

• necesitamos rapidez

• trabajamos con mediciones

Ejemplo¶

import numpy as np

temperaturas = np.array([23, 25, 24, 26, 28])

print(temperaturas.mean())
print(temperaturas.max())

Diferencia con listas¶

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

lista * 2
array * 2

Pandas — tablas inteligentes¶

Pandas permite trabajar con tablas de datos reales.

Es lo más importante para análisis de datos.

Se usa cuando:

• hay archivos CSV

• encuestas

• mediciones experimentales

Ejemplo¶

Con la libreria pandas podemos leer un documento en formato csv

import pandas as pd

df = pd.read_csv("datos.csv")

pero también podemos crear nuestra propia data usando el método DataFrame

import pandas as pd

df = pd.DataFrame({
    "estrella":["Sol","Alfa Centauri A","Sirius"],
    "masa":[1, 1.1, 2.02],
    "distancia":[0.000016, 4.39, 8.6]
})

Matplotlib — graficar¶

Permite visualizar datos.

Es la herramienta básica de gráficos.

Ejemplo¶

import matplotlib.pyplot as plt

plt.plot([1,2,3],[4,5,6])
plt.show()

Se usa cuando queremos:

• ver tendencias

• explicar resultados

• enseñar a estudiantes

Seaborn — gráficos estadísticos¶

Es una mejora de matplotlib.

Hace gráficos más claros automáticamente.

Ejemplo¶

import seaborn as sns

sns.histplot(df["nota"])

Se usa cuando queremos:

• histogramas claros

• comparar grupos

• visualizar distribuciones

Librerías futuras (Machine Learning)¶

Estas no las usaremos todavía, pero existen:

Resumen¶

En ciencia de datos, la mayor parte del trabajo NO es Machine Learning. Es entender los datos.