Python_Libraries_ML_RL.md

Librerias para ML y RL

Pandas

Entre las librerias que usaremos tenemos:

• Pandas que sirve para cargar data, por ejemplo leer archivos .csv. Pero tambien tiene algunas herramientas de análisis, utilizando el método .describe() podemos obtener cuantos elementos hay, la media, desviación estandard, etc.

Mas sobre Pandas:

• 10 minutes to Pandas
• Pandas tutorials
• Cheat sheet Pandas

Iniciamos importando Pandas.

import pandas as pd
data = pd.read_csv("train.csv", index_col='PassengerId') # this yields 
a pandas.DataFrame #<--- es una tabla 2d 

Hay operaciones basicas como seleccionar 10 filas:

# Selecting rows
head = data[:10]

Y solo la fila 4:

# select a single row
print(data.loc[4])

Seleccionar la columna Age:

ages = data["Age"]

Seleccionar múltiples columnas, del elemento 5 al 10, columnas Fare y Pclass:

data.loc[5:10, ("Fare", "Pclass")]    
# alternatively: 
data[["Fare","Pclass"]].loc[5:10]

Tambien podemos obtener las dimesiones de la tabla:

data.shape

Numpy

Permite hacer calculos con vectores, matrices y otras cosas relacionadas. Numpy comparado con Python es mucho mas rápido.

Un array de 1M de elementos python tardaria en procesarlos 2.14s vs 108ms de Numpy.

NumPy Cheat sheet

import numpy as np

a = np.array([1,2,3,4,5]) #Declaramos un Array
b = np.array([5,4,3,2,1])
print("a = ",a)			   #Mostramos sus elementos
print("b = ",b)

# math and boolean operations can applied to each element of an array
print("a + 1 =", a + 1)
print("a * 2 =", a * 2)
print("a == 2", a == 2)
# ... or corresponding elements of two (or more) arrays
print("a + b =",a + b)
print("a * b =",a * b)

Output:

a =  [1 2 3 4 5]
b =  [5 4 3 2 1]
a + 1 = [2 3 4 5 6]
a * 2 = [ 2  4  6  8 10]
a == 2 [False  True False False False]
a + b = [6 6 6 6 6]
a * b = [5 8 9 8 5]

Matplotlib

Usamos esta libreria para visualizar los datos, graficarlos. Para instalarla, ingresamos en la terminal:

pip install matplotlib

Tutoriales

Cheat sheet

import matplotlib.pyplot as plt
%matplotlib inline  
# ^-- this "magic" tells all future matplotlib plots to be drawn inside notebook and not in a separate window.

# line plot
plt.plot([0,1,2,3,4,5],[0,1,4,9,16,25])

Scikit-learn

Es una libreria la cual puede:

• Create: model = sklearn.whatever.ModelNameHere(parameters_if_any)
• Train: model.fit(X,y)
• Predict: model.predict(X_test)

Cheat sheet Tutorials Examples