Representar el tráfico de bicicletas

Extraer valores de un array es útil si solo necesitas información de un elemento, pero para tener una visión general del patrón en tus datos, ¡necesitas gráficos! En este ejercicio, explorarás cómo varía a lo largo del año el tráfico ciclista que cruza el puente de Fremont representando arrays de NumPy con matplotlib.

Se han cargado dos arrays de NumPy:

daily_riders contiene el número medio de ciclistas diarios de cada mes de 2016.
month contiene el mes correspondiente (1-12) del año para cada elemento de daily_riders.

¡Hora de representar estos datos!

Este ejercicio forma parte del curso

Python para usuarios de MATLAB

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# Import pyplot as plt

Editar y ejecutar código

Este ejercicio forma parte del curso

Python para usuarios de MATLAB

PrincipianteNivel de habilidad

4.8+

Comienza el curso gratis

Este capítulo te ayuda a empezar a moverte de MATLAB a Python. Verás algunas similitudes y diferencias entre MATLAB y Python, cómo usar métodos y paquetes, y conocerás el popular paquete NumPy.

Exercise 1: ¡Bienvenido/a a Python!Exercise 2: Cálculos básicos Exercise 3: Prever una inversión Exercise 4: Tipos de variables Exercise 5: Métodos y paquetes Exercise 6: Manipular cadenas con métodos Exercise 7: Uso de paquetes de Python Exercise 8: Arrays y visualización Exercise 9: Primeros pasos con los arrays de NumPy Exercise 10: Representar el tráfico de bicicletas

Ejercicio actual

Exercise 11: ¿Qué predice la longevidad de los animales?

En este capítulo ampliarás tus nuevos conocimientos de NumPy. Profundizarás en los arrays de NumPy, el análogo en Python a las matrices, realizando operaciones matemáticas e indexación. También empezarás a explorar otra estructura de datos importante de Python, la lista, y cerrarás el capítulo creando gráficos a medida de tus arrays con Matplotlib.

Exercise 1: Profundiza en los arrays de NumPy Exercise 2: Previsión a lo largo del tiempo Exercise 3: ¿Cuánto más cuestan los aguacates orgánicos?Exercise 4: Indexación de arrays de NumPy Exercise 5: Obtener columnas de arrays de NumPy Exercise 6: Tráfico de bicicletas a lo largo de la semana Exercise 7: Filtrar arrays con indexado booleano Exercise 8: Listas Exercise 9: Exploración de listas Exercise 10: Crear arrays de NumPy a partir de listas Exercise 11: Operar con listas y arrays Exercise 12: Personalizar gráficos Exercise 13: Colores, estilos de línea y leyendas Exercise 14: Codificar datos en color y tamaño Exercise 15: Determina los tipos de motor en impactos con fauna

Este capítulo presenta potentes estructuras de datos de Python: el diccionario y el DataFrame de pandas. Aprenderás a crear diccionarios definiendo pares clave-valor y luego cómo visualizar y modificar tu diccionario. Después conocerás uno de los paquetes más importantes en la caja de herramientas de cualquier pythonista, pandas. En concreto, te centrarás en la estructura de pandas, el DataFrame, que organiza datos tabulares de forma fácilmente accesible. Por último, verás cómo convertir distintos tipos de datos en DataFrames para que tu trabajo con los datos sea más sencillo.

Exercise 1: Diccionarios Exercise 2: ¿Qué claves?Exercise 3: Extrae datos Exercise 4: Modificar diccionarios Exercise 5: Introducción a los DataFrames Exercise 6: Explora un DataFrame de pandas Exercise 7: Representa datos de un DataFrame Exercise 8: Acceder a DataFrames de pandas Exercise 9: Acceder a filas y columnas Exercise 10: Los muchos sabores de .iloc Exercise 11: Crear DataFrames de pandas Exercise 12: A partir de un archivo CSV Exercise 13: A partir de un diccionario de listas Exercise 14: A partir de una lista de diccionarios

Terminarás el curso controlando el flujo de tu código en Python. Aprenderás a iterar sobre distintas estructuras de datos de Python usando bucles for. También verás las contingencias en Python con if, else y elif, y los operadores de comparación de Python (mayor que, menor que, etc.) que decidirán qué líneas de tu código se ejecutan. Por último, volverás a los arrays de NumPy utilizando los operadores de comparación de Python para filtrar tus arrays.

Exercise 1: Recorrer datos con bucles Exercise 2: Recorrer listas con bucles Exercise 3: Superponer varios gráficos en una figura Exercise 4: Comparaciones y control de flujo Exercise 5: Contar distintos tipos de aeronaves Exercise 6: Encontrar ciertas filas en un DataFrame Exercise 7: Filtrar datos Exercise 8: Indexación booleana para estadísticas rápidas Exercise 9: ¡Booleans al rescate!Exercise 10: Indexación booleana y diversión con Matplotlib Exercise 11: ¡Bien hecho!