1
Matplotlib
Free
La visualización de datos es una habilidad clave para los aspirantes a científicos de datos. Matplotlib facilita la creación de gráficos significativos y reveladores. En este capítulo, aprenderás a construir varios tipos de gráficos y a personalizarlos para que sean más atractivos visualmente e interpretables.
2
Diccionarios y pandas
Conoce el diccionario, una alternativa a la lista de Python, y el DataFrame de pandas, el estándar de facto para trabajar con datos tabulares en Python. Practicarás la creación y manipulación de conjuntos de datos, y aprenderás a acceder a la información que necesitas de estas estructuras de datos.
3
Lógica, flujo de control y filtrado
La lógica booleana es la base de la toma de decisiones en los programas Python. Conoce los distintos operadores de comparación, cómo combinarlos con operadores booleanos y cómo utilizar los resultados booleanos en estructuras de control. También aprenderás a filtrar datos en DataFrames de pandas utilizando la lógica.
4
Bucles
Hay varias técnicas que puedes utilizar para ejecutar repetidamente código Python. Mientras que los bucles son como sentencias if repetidas, el bucle for itera sobre todo tipo de estructuras de datos. Aprende todo sobre ellos en este capítulo.
5
Caso práctico: Estadísticas Hacker
Este capítulo te permitirá aplicar todos los conceptos que has aprendido en este curso. Utilizarás estadísticas de hacker para calcular tus posibilidades de ganar una apuesta. ¡Utiliza generadores de números aleatorios, bucles y Matplotlib para obtener una ventaja competitiva!

Initializing

Operadores booleanos con NumPy

Antes, los operadores operativos como < y >= funcionaban con matrices NumPy de forma inmediata. Desgraciadamente, esto no es cierto para los operadores booleanos and, or, y not.

Para utilizar estos operadores con NumPy, necesitarás np.logical_and(), np.logical_or() y np.logical_not(). Aquí tienes un ejemplo en las matrices my_house y your_house de antes para que te hagas una idea:

np.logical_and(my_house > 13, 

               your_house < 15)

Genera matrices booleanas que respondan a las siguientes preguntas:
¿Qué áreas de my_house son mayores que 18.5 o menores que 10?
¿Qué zonas son más pequeñas que 11 tanto en my_house como en your_house? Asegúrate de envolver ambos comandos en la declaración print(), para que puedas inspeccionar la salida.