Python para Data Science: Trabajando con Numpy

Contenido Detallado

1. 1. Ambiente del científico de datos

   • Introducción
   • Instalación del ambiente
   • Verificando la versión de Python
   • ¿Qué son arrays Numpy?
   • Numpy con datos externos

2. 2. Características de Python

   • Operaciones matemáticas
   • Resolviendo expresiones
   • Entendiendo las variables
   • Nombres de variables
   • Operadores de asignación
   • Tipos de datos
   • Descubriendo el tipo
   • Conversión de tipos
   • Concatenando strings
   • Indentación, comentarios y formatación
   • Características del lenguaje
   • Formatación de strings

3. 3. Trabajando con listas

   • Creando listas
   • Un poco de teoría
   • Operaciones con listas
   • Trabajando con listas
   • Selecciones en listas
   • Selecciones y particionamientos
   • Listas dentro de listas
   • Métodos de listas
   • Elaboraciones con listas
   • Copiando listas

4. 4. Condicionales y bucles

   • Bucle for
   • Formato Estándar
   • List comprehensions
   • Bucles anidados
   • Iterando en listas de listas
   • Bucle if
   • Estructuras condicionales
   • Bucles if-else, if, elif y else
   • Operadores lógicos

5. 5. Conociendo NumPy

   • Arrays NumPy
   • Operaciones con arrays
   • Cálculos con arrays NumPy
   • Selecciones con arrays
   • Selecciones y particionamientos
   • Atributos y métodos de NumPy
   • Estadísticas con NumPy
   • Conclusión