Visualización con Python

Boscán Márquez María De Los Ángeles

Carreño Rueda Olga Luz

Profundización III-Algoritmos

Jorge Isaac Castañeda Valbuena

Ingeniería Industrial

Modalidad Virtual

Fundación Universitaria Área Andina

Mayo 8, 2023
 Investigue y realice una profunda búsqueda de información oficial sobre

visualización con Google Colab y Python para visualizaciones en el ámbito de la ingeniería

industrial.

Es un producto de Google Research. Permite a cualquier usuario escribir y ejecutar

código arbitrario de Python en el navegador. Es especialmente adecuado para tareas de

aprendizaje automático, análisis de datos y educación.

Google Colab hace que la ciencia de datos, el aprendizaje profundo, las redes

neuronales y el aprendizaje automático sean accesibles para investigadores individuales que

no pueden pagar una infraestructura computacional costosa.

El aprendizaje automático y la ciencia de datos son las dos nuevas tecnologías en las

que todos los científicos informáticos de nueva generación quieren sobresalir. Hay muchos

cursos de aprendizaje en línea, conferencias gratuitas y guías prácticas en línea sobre ML y

ciencia de datos.

Pero practicar en proyectos se convierte en una limitación, ya que necesita PC de alta

gama para tales cargas de trabajo. La respuesta a este problema es el Colaboratorio de Google

o Colab, en definitiva. Continúe leyendo para obtener la revisión definitiva de Google Colab.

Ejemplo:
 Python es un lenguaje de programación ampliamente utilizado en las aplicaciones

web, el desarrollo de software, la ciencia de datos y el machine learning (ML). Los

desarrolladores utilizan Python porque es eficiente y fácil de aprender, además de que se

puede ejecutar en muchas plataformas diferentes.

Un ingeniero actual debe enfrentarse a tareas complejas que requieren de soluciones

sencillas. Temas como el cálculo numérico, el modelado y la optimización, la extracción,

gestión, manipulación y visualización de datos, así como la conexión e interacción con todo

tipo de entidades físicas o virtuales enlazan directamente con el Data Science, la Inteligencia

Artificial, el Machine Learning, el Deep Learning o el Internet of things.

Python fue creado por el informático Guido van Rossum, quien había estado

trabajando con un lenguaje llamado ABC en su anterior trabajo en el Centrum Wiskunde &

Informática (CWI) – Instituto Nacional de Investigación en Matemáticas e Informática en los

Países Bajos-. Aunque le gustaban algunos aspectos de ABC, estaba frustrado por lo difícil

que era difundir este lenguaje.

 Empresas de Python

¿Para qué se usa y qué se puede programar con Python?

Python es un lenguaje de programación de propósito general, que es otra forma de

decir que puede ser usado para casi todo. Lo más importante es que se trata de un lenguaje

interpretado, lo que significa que el código escrito no se traduce realmente a un formato

legible por el ordenador en tiempo de ejecución.

El intérprete de Python realiza las siguientes tareas para ejecutar un programa:

Paso 1: El intérprete lee un código o instrucción python. Luego verifica que la

instrucción esté bien formateada, es decir, comprueba la sintaxis de cada línea. Si encuentra

algún error, detiene inmediatamente la traducción y muestra un mensaje de error.

Paso 2: Si no hay ningún error, es decir, si la instrucción o el código python está bien

formateado, el intérprete lo traduce a su forma equivalente en un lenguaje intermedio llamado

«código Byte». Así, después de la ejecución exitosa de la escritura o el código python, se

traduce completamente en código Byte.

 Paso 3: El código del byte se envía a la Máquina Virtual Python, donde de nuevo se

ejecuta el código del byte en PVM. Si se produce un error durante esta ejecución, ésta se

detiene con un mensaje de error.

Construya la matriz colocando la información y atribuya un valor de importancia

probabilístico entre 0 y 1 para sistematizar la información.

Link de la librería Información Calificación Nivel Importancia

es la librería gráfica de python estándar y la más
conocida. Puedes usar matplotlib para generar
gráficos de calidad necesaria para publicarlas tanto en
papel como digitalmente.
https://matplotlib.org
Matplotlib 5 Alto
/
Con matplotlib puedes crear muchos tipos de
gráficos: series temporales, histogramas, espectros de
potencia, diagramas de barras, diagramas de errores,
etc.
Seaborn es una librería gráfica basada en matplotlib,
especializada en la visualización de datos estadísticos.
Se caracteriza por ofrecer un interfaz de alto nivel
para crear gráficos estadísticos visualmente atractivos
https://seaborn.pydat e informativos.
Seaborn 5 Alto
a.org/
Seaborn considera la visualización como un aspecto
fundamental a la hora de explorar y entender los
datos. Se integra muy bien con la librería de
manipulación de datos pandas.
Bokeh es una librería para visualizar datos de forma
interactiva en un navegador web. Con bokeh podemos
https://docs.bokeh.or crear gráficos versátiles, elegantes e interactivos. Los
Bokeh 5 Alto
g/en/latest/ desarrolladores de bokeh buscan un buen rendimiento
con gran cantidad de datos, incluso con datos que
vayan llegando en tiempo real.
https://colab.research
.google.com/github/e
fviodo/idatha-data-
Visualizacion
science- La información encontrada permite: Comprender la
de Datos -
course/blob/master/n importancia de buenas visualizaciones en Data
Python.ipynb 2 Bajo
otebooks/05%20- Science
en el ámbito
%20DS%20- , conocer algunas herramientas y librerías para
de la Ingeniera
%20Visualizacion%2 construír buenas visualización de datos y ver algunos
0de%20Datos%20- ejemplos de cómo una buena visualización puede
%20Python.ipynb aportar mucho valor
 El libro menciona que las principales herramientas de
visualización son las bibliotecas destinadas a ello.Las
bibliotecas de visualización son estructuras de código
https://opensciencela formalmente distribuidas de manera tal que la
Herramientas
bs.org/blog/herramie podemos descargar y utilizar en nuestros proyectos en
de
ntas-de- 2 Bajo el que empleamos Python. La principal ventaja de
visualización
visualizacion-en- estas bibliotecas reside en el ahorro de tiempo y el
en Python
python/ uso de pocas líneas de código al momento de
programar. Al ser bibliotecas de visualización nos
permiten crear, mostrar y editar uno o varios gráficos
a la vez
NumPy proporciona una estructura de datos universal
que posibilita el análisis de datos y el intercambio de
datos entre distintos algoritmos. Las estructuras de
datos que implementa son vectores
multidimensionales y matrices con capacidad para
https://numpy.org/ Numpy 4 Alto
gran cantidad de datos.

Además, esta librería proporciona funciones

matemáticas de alto nivel que operan en estas
estructuras de datos.
SciPy proporciona rutinas numéricas eficientes fáciles
de usar y opera en las mismas estructuras de datos
https://scipy.org/inde proporcionadas por NumPy. Por ejemplo, con SciPy
SciPy 3 Medio
x.html puedes realizar: integración numérica, optimización,
interpolación, transformadas de Fourier, álgebra
lineal, estadística, etc.
Pandas es una de las librerías de python más útiles
para los científicos de datos. Las estructuras de datos
principales en pandas son Series para datos en una
dimensión y DataFrame para datos en dos
https://pandas.pydata
Pandas 5 Alto dimensiones.
.org/
Estas son las estructuras de datos más usadas en
muchos campos tales como finanzas, estadística,
ciencias sociales y muchas áreas de ingeniería
Numba traduce funciones escritas en python to
código máquina optimizado a la hora de ejecutarse.
Lo consigue usando el estándar industrial LLVM
https://numba.pydata.
Numba 3 Medio como librería de compilación. Los algoritmos
org/
numéricos compilados con Numba pueden alcanzar
velocidades de ejecución tan altas como las de C o
FORTRAN.
 Conclusiones

Python es un lenguaje que permite crear tanto, aplicaciones web, aplicaciones de

escritorio, aplicaciones de consola y hasta permite crear videojuegos, gracias a que posee una

gran variedad de paquetes creados para estos objetivos.

Permite a cualquier usuario escribir y ejecutar código arbitrario de Python en el

navegador. Es especialmente adecuado para tareas de aprendizaje automático, análisis de

datos y educación.

Además, elaboramos una matriz en donde se identifican algunas librerías con

información oficial sobre visualización con Google Colab y Python, para visualizaciones en

el ámbito de la ingeniería industrial.

Con la elaboración de la matriz se identificaron algunas características de Python, el

cual es un lenguaje de programación ampliamente utilizado en las aplicaciones web, el

desarrollo de software, la ciencia de datos y el machine learning (ML). Los desarrolladores

utilizan Python porque es eficiente y fácil de aprender, además de que se puede ejecutar en

muchas plataformas diferentes.

Además, un ingeniero actual debe enfrentarse a tareas complejas que requieren de

soluciones sencillas. Temas como el cálculo numérico, el modelado y la optimización, la

extracción, gestión, manipulación y visualización de datos, así como la conexión e

interacción con todo tipo de entidades físicas o virtuales enlazan directamente con el Data

Science, la Inteligencia Artificial, el Machine Learning, el Deep Learning o el Internet of

things.
 Referencias

Matplotlib https://matplotlib.org/

Seaborn https://seaborn.pydata.org/

Bokeh https://docs.bokeh.org/en/latest/

Visualizacion de Datos - Python.ipynb en el ámbito de la Ingeniera

https://colab.research.google.com/github/efviodo/idatha-data-science-
course/blob/master/notebooks/05%20-%20DS%20-%20Visualizacion%20de%20Datos%20-
%20Python.ipynb

Herramientas de visualización en Python

https://opensciencelabs.org/blog/herramientas-de-visualizacion-en-python/

Numpy https://numpy.org/

SciPy https://scipy.org/index.html

Pandas https://pandas.pydata.org/

Numba https://numba.pydata.org/