Jupyter Notebook¶

"Clase de la hoja"

########################################################################################################################################################################################################################################################## Copiar todos los comandos¶

########################################################################################################################################################################################################################################################## Generar PDF seleccionado/button¶

■/div titulada

Atajos y flujos de trabajo para la ciencia de datos y el cálculo interactivo.

Navegación básica¶

Shortcut	Mode	Description
`Enter`	Command	Enter Edit Mode
`Esc`	Edit	Enter Command Mode
`Shift+Enter`	Both	Run Cell and Select Below
`Ctrl+Enter`	Both	Run Cell
`Alt+Enter`	Both	Run Cell and Insert Below
`↑/↓`	Command	Select Cell Above/Below
`A`	Command	Insert Cell Above
`B`	Command	Insert Cell Below
`X`	Command	Cut Cell
`C`	Command	Copy Cell
`V`	Command	Paste Cell Below
`Shift+V`	Command	Paste Cell Above
`DD`	Command	Delete Cell
`Z`	Command	Undo Cell Deletion

Operaciones celulares¶

Shortcut	Mode	Description
`M`	Command	Change to Markdown Cell
`Y`	Command	Change to Code Cell
`R`	Command	Change to Raw Cell
`1-6`	Command	Change to Heading 1-6
`Shift+M`	Command	Merge Selected Cells
`Ctrl+Shift+-`	Edit	Split Cell at Cursor
`Shift+J/K`	Command	Extend Selection Below/Above
`Shift+↑/↓`	Command	Extend Selection

Edición del Código¶

Shortcut	Mode	Description
`Tab`	Edit	Code Completion or Indent
`Shift+Tab`	Edit	Tooltip
`Ctrl+]`	Edit	Indent
`Ctrl+[`	Edit	Dedent
`Ctrl+A`	Edit	Select All
`Ctrl+Z`	Edit	Undo
`Ctrl+Shift+Z`	Edit	Redo
`Ctrl+Y`	Edit	Redo
`Ctrl+Home`	Edit	Go to Cell Start
`Ctrl+End`	Edit	Go to Cell End
`Ctrl+Left/Right`	Edit	Go Left/Right One Word
`Ctrl+Backspace`	Edit	Delete Word Before
`Ctrl+Delete`	Edit	Delete Word After

Código de ejecución¶

Shortcut	Mode	Description
`Shift+Enter`	Both	Run Cell, Select Below
`Ctrl+Enter`	Both	Run Cell
`Alt+Enter`	Both	Run Cell, Insert Below
`Ctrl+K`	Command	Interrupt Kernel
`0,0`	Command	Restart Kernel
`Shift+L`	Command	Toggle Line Numbers
`Shift+O`	Command	Toggle Output

Operaciones de archivo¶

Shortcut	Mode	Description
`Ctrl+S`	Both	Save and Checkpoint
`Ctrl+Shift+S`	Command	Save As
`Ctrl+O`	Command	Open
`Ctrl+N`	Command	New Notebook
`Ctrl+Shift+P`	Command	Command Palette

Vista y diseño¶

Shortcut	Mode	Description
`Shift+Space`	Command	Scroll Up
`Space`	Command	Scroll Down
`Ctrl+Shift+L`	Command	Toggle All Line Numbers
`F`	Command	Find and Replace
`O`	Command	Toggle Output
`Shift+O`	Command	Toggle Output Scrolling

Mandamientos mágicos¶

Command	Description
`%run script.py`	Run Python script
`%load script.py`	Load script into cell
`%who`	List variables
`%whos`	List variables with details
`%time statement`	Time execution of statement
`%timeit statement`	Time execution multiple times
`%matplotlib inline`	Enable inline plots
`%pwd`	Print working directory
`%cd directory`	Change directory
`%ls`	List directory contents
`%history`	Show command history
`%reset`	Reset namespace
`%debug`	Enter debugger
`%pdb on/off`	Toggle automatic debugger

Comandos Mágicos Celulares¶

Command	Description
`%%time`	Time execution of entire cell
`%%timeit`	Time execution of cell multiple times
`%%bash`	Run cell as bash script
`%%html`	Render cell as HTML
`%%javascript`	Run cell as JavaScript
`%%latex`	Render cell as LaTeX
`%%markdown`	Render cell as Markdown
`%%python2`	Run cell with Python 2
`%%python3`	Run cell with Python 3
`%%writefile filename`	Write cell contents to file

Data Science Workflows¶

Carga de datos y exploración¶

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns

# Load data
df = pd.read_csv('data.csv')

# Quick exploration
df.head()
df.info()
df.describe()
df.shape

Visualización de datos¶

# Matplotlib inline
%matplotlib inline

# Basic plots
plt.figure(figsize=(10, 6))
plt.plot(x, y)
plt.title('Title')
plt.xlabel('X Label')
plt.ylabel('Y Label')
plt.show()

# Seaborn plots
sns.scatterplot(data=df, x='col1', y='col2')
sns.heatmap(df.corr(), annot=True)

Pipeline de aprendizaje automático¶

from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_squared_error

# Prepare data
X = df[['feature1', 'feature2']]
y = df['target']

# Split data
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)

# Train model
model = LinearRegression()
model.fit(X_train, y_train)

# Evaluate
predictions = model.predict(X_test)
mse = mean_squared_error(y_test, predictions)

Formato de marcado¶

Headers¶

# Header 1
## Header 2
### Header 3
#### Header 4
##### Header 5
###### Header 6

Formato de texto¶

**Bold text**
*Italic text*
`Code text`
~~Strikethrough~~

Listas¶

- Unordered list item 1
- Unordered list item 2

1. Ordered list item 1
2. Ordered list item 2

Enlaces e imágenes¶

[Link text](URL)
![Alt text](image_url)

Cuadros¶

|Column 1|Column 2|Column 3|
|----------|----------|----------|
|Row 1|Data|Data|
|Row 2|Data|Data|

Matemáticas (LaTeX)¶

Inline math: $E = mc^2$

Block math:
$\int_\\\\{-\infty\\\\}^\\\\{\infty\\\\} e^\\\\{-x^2\\\\} dx = \sqrt\\\\{\pi\\\\}$

Buenas prácticas¶

Code Organization¶

Use nombres variables significativos
Agregar comentarios y documentos
Rompe operaciones complejas en múltiples células
Funciones de uso para operaciones repetidas
Importar bibliotecas en la parte superior

Análisis de datos¶

Carga de datos: Importación y exploración inicial
** Limpieza de datos**: Manija los valores perdidos, los outliers
Análisis de datos explicativos: Visualizaciones y estadísticas
Ingeniería de alimentación: Crear nuevas características
Modelos: Entrenar y evaluar modelos
Resultados: Interpretar y visualizar resultados

Consejos de rendimiento¶

Utilizar operaciones vectoriales con NumPy/Pandas
Evite los bucles cuando sea posible
Utilizar tipos de datos apropiados
Producción clara de células grandes
Reinicie el núcleo periódicamente

Documentación¶

Use células de marcado para explicaciones
Hipótesis y decisiones de los documentos
Incluir información de la fuente de datos
Agregar conclusiones y próximos pasos
Use cabeceras de sección claras