Lenguaje de programación
Python
Python es un lenguaje de programación libre, producido en paquetes, muy versátil, el cual tiene múltiples aplicaciones y a la creación de gráficos; tiene una curva de aprendizaje sencilla y posee una amplia comunidad científica a nivel mundial con la cual se puede compartir código y realizar modelación.
# Bienvenidos a Python
# En este sitio podrás entrenarte en Ciencia de Datos
Noticias
Anaconda es una muy buena alternativa para descargar Python
Descargar Python de 👉 Anaconda
Características de Python
Python tiene una sintaxis clara y concisa que hace le hace fácil de leer y aprender.
Python se ejecuta en un entorno interactivo, es decir, se puede escribir y ejecutar comandos uno por uno, y ver los resultados en tiempo real.
Python se ejecuta en múltiples plataformas, como Windows, Linux y macOS, como otros.
Python cuenta con una gran cantidad de bibliotecas para la ciencia de datos, el desarrollo web, y el aprendizaje automático y más.
Python es un lenguaje orientado a objetos, lo que permite definir sus propias clases y objetos para representar entidades.
Tipos de Objetos en Python
En Python, todo es un objeto, lo que significa que todos los datos son representados como objetos o instancias de una clase.
🔵 Tipos de Objetos en Python:
Enteros (int): Son números enteros sin punto decimal. Ejemplo, 1, 2, 3, -4, -5.
Números de punto flotante (float): Son números con decimales. Ejemplo, 2.0, 3.14, 1.5, -0.2.
Cadenas de caracteres (str): Son secuencias de caracteres entre comillas simples o dobles. Ejemplo, «Hola», «Python», «123».
Listas (list): Son colecciones ordenadas y modificables de elementos. Ejemplo, [1, 2, 3], [«Hola», «Python»], [1, «Hola», 2.0].
Tuplas (tuple): Son colecciones ordenadas e inmutables de elementos. ejemplo, (1, 2, 3), («Hola», «Python»), (1, «Hola», 2.0).
Diccionarios (dict): Son colecciones de pares clave-valor no ordenadas y modificables. ejemplo, {«nombre»: «Juan», «edad»: 25, «ciudad»: «Madrid»}.
Conjuntos (set): Son colecciones no ordenadas y sin elementos duplicados. ejemplo, {1, 2, 3}, {«Hola», «Python», 2.0}.
Booleanos (bool): Son valores verdadero o falso. En Python, los valores booleanos son True y False.
NoneType (None): Es un objeto que representa la ausencia de valor. Se utiliza comúnmente para inicializar variables o argumentos de funciones.
Mi primer script en Python
Aunque los términos «script» y «algoritmo» pueden parecer similares, son distintos en Python.
🔵 Un script en Python es un archivo de código fuente que contiene una serie de instrucciones que pueden ser ejecutadas por el intérprete de Python. Un script es un programa de computadora que se utiliza para automatizar tareas o realizar operaciones específicas en un sistema informático.
El Script se puede ejecutar en cualquier plataforma que tenga instalado el intérprete de Python.
🔵 Un Algoritmo es una serie de instrucciones que se utilizan para resolver un problema específico o realizar una tarea en particular.
En Python, los algoritmos se implementan mediante una secuencia de comandos lógicos escritos en código fuente.
Mi primera Función en Python
🔵 En Python, una función es un bloque de código que se puede reutilizar para realizar una tarea específica.
Las funciones en Python se utilizan para dividir el código en piezas más pequeñas y manejables, lo que hace que el código sea más fácil de leer, escribir y mantener.
🔵 La estructura básica de una función en Python se compone de los siguientes elementos:
La palabra clave «def»: La palabra clave «def» se utiliza para definir una función en Python.
El nombre de la función: A continuación de «def», se escribe el nombre de la función, el cual debe ser descriptivo y seguir las convenciones de nombrado de Python.
Parámetros: Los parámetros son los valores que se pasan a la función cuando se llama. Los parámetros son opcionales y se colocan dentro de los paréntesis después del nombre de la función.
El cuerpo de la función: El cuerpo de la función contiene las instrucciones que se ejecutan cuando se llama a la función. El cuerpo de la función está indentado y se escribe después de los parámetros.
Valor de retorno: La mayoría de las funciones en Python devuelven un valor como resultado. El valor de retorno es opcional y se especifica utilizando la palabra clave «return».
#Función
nombre_usuario = solicitar_nombre()
print("¡Hola, " + nombre_usuario + "! Bienvenido.")
Algoritmos
Índice Masa Corporal – IMC
import math
from tabulate import tabulate
peso = float(input("Ingrese su peso en Kilogramos: "))
estatura = float(input("Ingrese su estatura en metros: "))
IMC = round(peso/math.pow(estatura,2),1)
print("Su IMC es "+str(IMC))
lista = [["Composición corporal","Índice de masa corporal (IMC)"],["Peso inferior al normal","Menos de 18.5"],["Normal","18.5 – 24.9"],["Peso superior al normal","25.0 – 29.9"],["Obesidad","Más de 30.0"]]
print(tabulate(lista))
Calificación de origen DME – Nivel de Evidencia Científica
# Calificación de origen DME
# Nivel de Edidencia Científica
import math
from tabulate import tabulate
sc = str(input("Segmento Corporal: "))
if sc=="cuello":
lista1 = [["Nivel Evidencia Cientifica", "Exigencia Biomecánica"],["Fuerte","Postura"],
["Suficiente","Repetición","Fuerza"],["Insuficiente", "Vibración"]]
print(tabulate(lista1))
elif sc=="hombro":
lista2 = [["Nivel Evidencia Cientifica", "Exigencia Biomecánica"],["Suficiente","Repetición",
"Postura"],["Insuficiente", "Vibración"]]
print(tabulate(lista2))
elif sc=="codo":
lista2 = [["Nivel Evidencia Cientifica", "Exigencia Biomecánica"],["Fuerte","Combinación"],
["Suficiente","Fuerza"],["Insuficiente", "Repetición", "Postura"]]
print(tabulate(lista2))
elif sc=="mano y muñeca, Túnel carpiano":
lista2 = [["Nivel Evidencia Cientifica", "Exigencia Biomecánica"],["Fuerte","Combinación"],
["Suficiente","Repetición","Fuerza","Vibración"],["Insuficiente", "Postura"]]
print(tabulate(lista2))
elif sc=="mano y muñeca, Tendinitis":
lista2 = [["Nivel Evidencia Cientifica", "Exigencia Biomecánica"],["Fuerte","Combinación"],
["Suficiente","Repetición","Fuerza","Postura"]]
print(tabulate(lista2))
elif sc=="Síndrome mano brazo":
lista2 = [["Nivel Evidencia Cientifica","Exigencia Biomecánica"],["Fuerte","Vibración"]]
print(tabulate(lista2))
elif sc=="espalda":
lista2 = [["Nivel Evidencia Cientifica", "Exigencia Biomecánica"],["Fuerte","Levantamiento",
"Vibración Cuerpo entero"],["Suficiente","Postura inadecuada","Fuerza","Trabajo físico pesado"]]
print(tabulate(lista2))
Fórmula del Balthazar
#Fórmula del Balthazar
$Deficiencia = A + \frac{(100-A)*B}{100}$
pip install texttable
from texttable import Texttable
from tabulate import tabulate
def nombre_funcion(A, B):
# Cálculo de la deficiencia sin ponderar
def_sin_ponderar = A + (((100 - A) * B) / 100)
# Cálculo de la deficiencia ponderada
def_ponderada = def_sin_ponderar / 2
# Devolver los resultados
return def_sin_ponderar, def_ponderada
A = int(input("Ingrese el valor de A: "))
B = int(input("Ingrese el valor de B: "))
def_sin_ponderar, def_ponderada = nombre_funcion(A, B)
print(f"La Deficiencia sin ponderar es: {def_sin_ponderar:.2f}%")
print(f"La Deficiencia Ponderada es: {def_ponderada:.2f}%")
# Crear la tabla
tabla = Texttable()
# Definir las columnas
tabla.header(["PCL", "Invalidez"])
# Agregar las filas
tabla.add_row(["<50%", "No"])
tabla.add_row([">=50", "Si"])
# Imprimir la tabla
print(tabla.draw())
Estadística con Python
El análisis estadístico es una de las áreas en las que Python se destaca, debido a la gran cantidad de bibliotecas y herramientas disponibles, las cuales permiten realizar análisis descriptivo e inferencial.
Análisis Univariado – Bivariado – Multivariado
🔵 Los pasos para realizar el análisis estadístico en Python:
Importar las bibliotecas necesarias como NumPy, Pandas, Matplotlib, Seaborn y SciPy.
Preprocesar los datos: El preprocesamiento de datos implica limpiar, transformar y organizar los datos para que se puedan analizar. En esta etapa, se eliminan valores atípicos (outliers), rellenan valores faltantes y transforman los datos.
Realizar análisis descriptivo: El análisis descriptivo implica resumir y visualizar los datos para obtener una mejor comprensión de su distribución y estadísticas básicas. En Python, mediante tablas de frecuencia, histogramas, gráficos de caja y bigotes, y gráficos de dispersión.
Realizar análisis inferencial: El análisis inferencial implica hacer conclusiones acerca de una población en base a una muestra de datos. En Python, se utilizan herramientas como pruebas de hipótesis, intervalos de confianza y regresión.
Visualizar los resultados: Permite comunicar los resultados de manera clara y efectiva. Las bibliotecas Matplotlib y Seaborn se usan para crear gráficos y visualizaciones que muestren los resultados del análisis estadístico.
Interpretar los resultados: Interpretar los resultados y hacer conclusiones acerca de los datos.
Curso Python Introducción
Generalidades
Definiciones y conceptos
Software – Interfaz – Librerías
Ayuda
Guía de estilo
Configuración
Descargar – Instalar
Paquetes – Librerías
Caracterización de los datos
Tipos de datos
Estructuras de los datos
Fuente de datos
Gestión directorios
Importar/exportar archivos
Calidad de los datos
Limpiar – Borrar
Datos perdidos – Missing – N/A
Transformación de los datos
Procesamiento de los datos
Generalidades de Python
Configuración
Interfaz de Jupyter
Tipos de operadores
Tipos de objetos
Fuente de datos
Calidad de los datos
Curso Python Introducción
Representación Gráfica
Gráficos Variables Categóricas - Numéricas
Interpretación de la información
Evaluación de la información a partir de los objetivos planteados en la investigación
Comunicación de la información
Visualización de los datos
Estadística con Python
La estadística se clasifica en descriptiva e inferencial
Clasificacion <- matrix(c("Descriptiva", "Inferencial"))
colnames(Clasificacion) <- c("Clasificación de la Estadística")
Clasificacion <- as.data.frame(Clasificacion)
Clasificacion