Análisis de datos con Python

2

Python

● Lenguaje de programación

– Interpretado.

– De propósito general.

– Orientado a objetos.

– Fácil de usar.● Se usa en la NASA.

● Pero no es necesario dominar la tecnología espacial para usarlo.

Python

>>> 1 + 1000

1001

>>> 4 * 25

100

>>> 3**2

9

>>> range(5)

[0, 1, 2, 3, 4]

>>> [x**2 for x in range(5)]

[0, 1, 4, 9, 16]

NumPy

● Biblioteca para cálculos numéricos con Python.

● Proporciona vectores multidimensionales y operaciones sobre ellos.

● Funcionalidad semejante a la de Matlab (según dicen).

NumPy

>>> import numpy as np

>>> x = np.linspace(0, 1, 10)

>>> x

array([ 0. , 0.11111111, 0.22222222, 0.33333333, 0.44444444,

0.55555556, 0.66666667, 0.77777778, 0.88888889, 1. ])

>>> y = 2 * x + 1 + np.random.normal(0, 0.1, 10)

>>> y

array([ 0.88954082, 1.25512384, 1.3863797 , 1.77321241, 2.06216476,

2.19758795, 2.29706792, 2.53780433, 2.90609934, 3.12747582])

>>> slope, offset = np.polyfit(x, y, 1)

>>> slope, offset

(2.1361285263597183, 0.9751814266462937)

Matplotlib

● Biblioteca para la generación de gráficos con Python.

● Interfaz funcional estilo Matlab.

● Interfaz orientada a objetos para un control más preciso del resultado.

● Ejemplos.

● Artículos en Pybonacci.

7

Matplotlib

>>> import numpy as np

>>> import matplotlib.pyplot as plt

>>> x = np.linspace(0, 1, 200)

>>> y = 2 * x + 1 + np.random.normal(0, 0.1, 200)

>>> slope, offset = np.polyfit(x, y, 1)

>>> plt.plot(x, y, 'x')

[<matplotlib.lines.Line2D object at 0x273b6d0>]

>>> xline = np.array(plt.xlim())

>>> yline = slope * xline + offset

>>> plt.plot(xline, yline)

[<matplotlib.lines.Line2D object at 0x273b310>]

>>> plt.show()

Matplotlib

Cuaderno de IPython (notebook)

● Interfaz web para el uso interactivo de Python.

● Inspirado en los notebooks de Mathematica y SAGE.

● Permite integrar en un navegador documentos que intercalan fragmentos de código y su salida (incluyendo gráficos).

● Ejemplos.

● Articulo en Pybonacci (con vídeo).

Pandas

● Biblioteca para el análisis de datos con Python.

● Proporciona estructuras tabulares de datos.

● Hace más amigable el uso de NumPy.

● Facilita el manejo de series temporales.

● Gráficos con Matplotlib.

● Buena integración con el cuaderno de IPython.

● Tutorial.

● Tutorial en video.

windng

● Biblioteca para el análisis de datos de viento.

● Medias (mensuales, diarias...) y disponibilidad.

● Periodos de referencia.

● Rosas de frecuencias y energía.

● Perfil vertical.

● Análisis de largo plazo.

● Intensidad de turbulencia.

● Creación de archivos .tab de WasP y .csv de openWind.

windng

● Poco madura:

– Escasa funcionalidad implementada hasta ahora.

– Interfaz inestable.● Ejemplos.

● Perfil vertical.

Para saber más

● Python

● NumPy

● Matplotlib

● IPython

● Pandas

● windng