Librerías como Scikit-Learn o Pandas (por mencionar apenas un par de ellas) nos ofrece diferentes codificadores de características predictivas categóricas (LabelEncoder, OneHotEncoder, get_dummies, etc.), herramientas que nos devuelven los valores codificados, las etiquetas originales, el d
Con cierta frecuencia tenemos que trabajar con DataFrames pandas que, al ser mostrados en un cuaderno Jupyter, muestran solo parte de las columnas que incluyen. Por ejemplo, carguemos el dataset Breast Cancer de Scikit Learn:
from sklearn.datasets import load_breast_cancer
import pandas as pd
data = load_breast_cancer()
df = pd.DataFrame(data.data, columns = data.feature_names)
df
La función #datetime crea un valor temporal de tipo datetime a partir de valores numéricos correspondientes al año, mes, día, hora, minuto y segundo.
El método de un DataFrame .style.set_table_styles() nos permite aplicar estilos CSS a la visualización del DataFrame. Tal y como indica la documentación, el argumento a pasar al método deberá ser una lista de diccionarios formados por valores "selector" y "props", siendo los primeros selectores CSS y los segundos parejas de tuplas formadas por atributos CSS y valores.
Es posible modificar el formato de los valores mostrados en un DataFrame pandas usando las herramientas de estilo de esta librería.
Supongamos que tenemos un cierto DataFrame:
import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.uniform(-5, 6, (5, 5)), columns = list("ABCDE"))
df
La función DateTime.ToText devuelve un valor temporal correspondiente a una fecha y hora en formato de texto.
La función DateTime.LocalNow devuelve el valor de fecha y hora actuales de nuestro ordenador.
Siempre llega el momento en el que tienes un array NumPy unidimensional al que quieres añadir un valor adicional (por ejemplo) y te das cuenta de que no es tan inmediato como parece.
La función np.concatenate() nos permite "concatenar" dos arrays a lo largo de un cierto eje. Por ejemplo:
a = np.arange(4).reshape(2, 2)
b = np.arange(10, 14).reshape(2, 2)
a, b
En ocasiones nos encontramos con que necesitamos invertir un array NumPy. Por ejemplo partimos del array:
numbers = np.array(["one", "two", "three", "four"])
numbers
array(['one', 'two', 'three', 'four'], dtype='<U5')
...y deseamos obtener el mismo array tras invertir sus elementos. Una opción es extraer los valores del array "hacia atrás":
numbers[::-1]
array(['four', 'three', 'two', 'one'], dtype='<U5')
En este escenario partimos de un array NumPy que, en nuestro ejemplo, contiene nombres:
names = np.array(["Susana", "Jorge", "Alicia", "Alfonso"])
...y de otro array, de la misma longitud, que contiene, en este ejemplo, edades:
ages = np.array([53, 29, 33, 19])
Excepto donde se indique otra cosa, los contenidos de este sitio web se ofrecen bajo una licencia Reconocimiento-NoComercial-SinObraDerivada 4.0 Internacional