Escenarios Python

Si queremos calcular el número de veces que cada elemento aparece en una serie pandas (o en una columna de un dataframe pandas), podemos recurrir a la función value_counts() de dicha libre

Para el cálculo del número de elementos únicos existentes en cada columna de un dataframe df vamos a utilizar una función anónima con lambda en la que se aplique la función de pandas "

Para calcular el número de NaN que hay en cada una de las columnas de un dataframe df vamos a hacer uso del método "

La solución a este escenario pasa por el cálculo del número de elementos NaN en cada columna y su división por el número total de elementos en cada columna.

Para codificar las columnas de un dataframe vamos a recorrerlas comprobando su tipo.

El método para aplicar una codificación de tipo One-Hot-Encoding a un conjunto de características categóricas pasa por:

En este sencillo escenario queremos comprobar el tipo de los datos contenidos en un dataframe "df". Para ello podemos ejecutar simplemente la siguiente instrucción:

df.dtypes

Podemos crear datos de entrenamiento y validación ficticios para entrenar una red neuronal para clasificación creada con Keras muy fácilmente. Debemos concretar:

En este escenario tenemos un array de imágenes que queremos mostrar en una matriz.

Si en un dataframe los valores nulos (NaN) han sido sustituidos por otro valor, podemos seguir eliminando las filas o columnas que los contienen si realizamos un sencillo reemplazo que sustituya el

Si deseamos extraer un conjunto de valores de un diccionario conociendo sus claves, podemos evitar recurrir a un bucle for utilizando la función map.

En ocasiones nos interesa que nuestro código emita un pitido al completar una acción, o al producirse un evento destacado.

Si, en un dataframe pandas, tenemos una característica numérica y otra categórica, podemos mostrar una gráfica de tipo "box plot" desagregando la característica numérica según la categórica utiliza

Supongamos que necesitamos identificar todos los nombres (comunes y propios, en singular y en plural) que existen en una cadena de texto -supongamos que estamos trabajando con un texto en inglés-.

Los diccionarios en Python están diseñados para, dada una clave, poder obtener fácilmente el valor asociado. Pero hay ocasiones en las que podemos necesitar obtener la clave para un valor dado.

Si deseamos sustituir los valores NaN según el tipo de campo del que se trate (numéricos o no), podemos recorrer la lista de columnas del dataframe analizando su tipo.

En ocasiones, Python nos devuelve un aviso de obsolescencia ("deprecation warnings") relativo a alguna función, indicándonos, por ejemplo, que cierto comportamiento de la misma cambiará en futuras

En ocasiones resulta necesario poder visualizar todas las columnas de un dataframe, aun cuando esto nos obligue a utilizar una barra de desplazamiento horizontal.