EUGENIA BAHIT

CIENCIA DE DATOS
CON PYTHON

MATERIAL DE ESTUDIO
Informes e inscripción:
Curso: [Link] | Certificaciones: [Link]
 Introducción a la Ciencia de Datos con Python - Escuela de Informática Eugenia Bahit

SUMARIO
Métodos de manipulación de variables.................................................................5
Manipulación de cadenas de texto.......................................................................5
Métodos de formato...........................................................................................5
Convertir a mayúscula la primera letra..........................................................5
Convertir una cadena a minúsculas...............................................................5
Convertir una cadena a mayúsculas..............................................................6
Convertir mayúsculas a minúsculas y viceversa.............................................6
Convertir una cadena en Formato Título........................................................6
Centrar un texto.............................................................................................6
Alinear texto a la izquierda............................................................................6
Alinear texto a la derecha..............................................................................7
Rellenar un texto anteponiendo ceros...........................................................7
Métodos de Búsqueda........................................................................................7
Contar cantidad de apariciones de una subcadena.....................................7
Buscar una subcadena dentro de una cadena..............................................7
Métodos de Validación.......................................................................................8
Saber si una cadena comienza con una subcadena determinada...............8
Saber si una cadena finaliza con una subcadena determinada...................8
Saber si una cadena es alfanumérica...........................................................8
Saber si una cadena es alfabética................................................................8
Saber si una cadena es numérica..................................................................9
Saber si una cadena contiene solo minúsculas.............................................9
Saber si una cadena contiene solo mayúsculas............................................9
Saber si una cadena contiene solo espacios en blanco..............................10
Saber si una cadena tiene Formato De Título..............................................10
Métodos de Sustitución.....................................................................................10
Dar formato a una cadena, sustituyendo texto dinámicamente..................10
Reemplazar texto en una cadena..................................................................11
Eliminar caracteres a la izquierda y derecha de una cadena......................11
Eliminar caracteres a la izquierda de una cadena........................................11
Eliminar caracteres a la derecha de una cadena.........................................11
Métodos de unión y división...............................................................................11
Unir una cadena de forma iterativa...............................................................11
Partir una cadena en tres partes, utilizando un separador..........................12

-2-
 Introducción a la Ciencia de Datos con Python - Escuela de Informática Eugenia Bahit

Partir una cadena en varias partes, utilizando un separador......................12

Partir una cadena en en líneas.....................................................................12
Manipulación de listas y tuplas.............................................................................14
Métodos de agregado......................................................................................14
Agregar un elemento al final de la lista.......................................................14
Agregar varios elementos al final de la lista................................................14
Agregar un elemento en una posición determinada....................................14
Métodos de eliminación....................................................................................14
Eliminar el último elemento de la lista..........................................................14
Eliminar un elemento por su índice...............................................................15
Eliminar un elemento por su valor.................................................................15
Métodos de orden.............................................................................................15
Ordenar una lista en reversa (invertir orden)................................................15
Ordenar una lista en forma ascendente.......................................................15
Ordenar una lista en forma descendente.....................................................15
Métodos de búsqueda......................................................................................15
Contar cantidad de apariciones elementos.................................................15
Obtener número de índice............................................................................16
Anexo sobre listas y tuplas................................................................................16
Conversión de tipos.......................................................................................16
Concatenación de colecciones....................................................................17
Valor máximo y mínimo..................................................................................17
Contar elementos..........................................................................................17
Manipulación de diccionarios...............................................................................19
Métodos de eliminación....................................................................................19
Vaciar un diccionario.....................................................................................19
Métodos de agregado y creación....................................................................19
Copiar un diccionario....................................................................................19
Crear un nuevo diccionario desde las claves de una secuencia................20
Concatenar diccionarios..............................................................................20
Establecer una clave y valor por defecto....................................................20
Métodos de retorno..........................................................................................21
Obtener el valor de una clave......................................................................21
Saber si una clave existe en el diccionario..................................................21
Obtener las claves y valores de un diccionario............................................21
Obtener las claves de un diccionario...........................................................21
Obtener los valores de un diccionario.........................................................22
Obtener la cantidad de elementos de un diccionario................................22
Manejo y manipulación de archivos....................................................................24

-3-
 Introducción a la Ciencia de Datos con Python - Escuela de Informática Eugenia Bahit

Modos de Apertura de un archivo...................................................................24

Algunos métodos del Objeto File.....................................................................26
Acceso a archivos mediante la estructura with...............................................26
Manejo de archivos CSV......................................................................................27
Algunos ejemplos de archivos CSV.................................................................27
Trabajar con archivos CSV desde Python........................................................29
Lectura de archivos CSV..............................................................................29
Escritura de archivos CSV.............................................................................31
Probabilidad y estadística con Python................................................................34
Probabilidad de sucesos simples y compuestos mutuamente excluyentes en
Python...............................................................................................................34
Espacio muestral..........................................................................................34
Sucesos simples y compuestos.....................................................................34
Asignación de probabilidades.....................................................................35
Sucesos simples mutuamente excluyentes...................................................35
Sucesos compuestos por sucesos simples mutuamente excluyentes..........36
Funciones......................................................................................................37
Probabilidad condicional en Python.................................................................37
Funciones......................................................................................................38
Sucesos dependientes..................................................................................38
Teoría de conjuntos en Python.....................................................................40
Sucesos independientes..............................................................................40
Teorema de Bayes en Python............................................................................41
Teorema de Bayes y probabilidad de causas...............................................41
Datos: caso práctico.....................................................................................41
Análisis.........................................................................................................42
Procedimiento..............................................................................................43
Funciones......................................................................................................48
Bibliografía complementaria........................................................................48
Anexo I: Cálculos complejos................................................................................54
Estadística poblacional y muestral: Cálculo de varianza y desvío estándar. .54
Producto escalar de dos vectores...................................................................55
Cálculos de frecuencia relativa, absoluta y acumulada.................................55
Anexo II: Creación de un menú de opciones.......................................................57

-4-
 Introducción a la Ciencia de Datos con Python - Escuela de Informática Eugenia Bahit

MÉTODOS DE MANIPULACIÓN DE VARIABLES

En Python, toda variable se considera un objeto. Sobre cada objeto, pueden
realizarse diferentes tipos de acciones denominadas métodos. Los métodos son
funciones pero que se desprenden de una variable. Por ello, se accede a estas
funciones mediante la sintaxis:
[Link]()

En algunos casos, estos métodos (funciones de un objeto), aceptarán

parámetros como cualquier otra función.
[Link](parametro)

MANIPULACIÓN DE CADENAS DE TEXTO

A continuación, se verán los principales métodos que pueden aplicarse sobre
una cadena de texto, organizados por categorías.

MÉTODOS DE FORMATO

CONVERTIR A MAYÚSCULA LA PRIMERA LETRA

Método: capitalize()
Retorna: una copia de la cadena con la primera letra en mayúsculas
>>> cadena = "bienvenido a mi aplicación"
>>> resultado = [Link]()
>>> resultado
Bienvenido a mi aplicación

CONVERTIR UNA CADENA A MINÚSCULAS

Método: lower()
Retorna: una copia de la cadena en minúsculas
>>> cadena = "Hola Mundo"
>>> [Link]()

-5-
 Introducción a la Ciencia de Datos con Python - Escuela de Informática Eugenia Bahit

hola mundo

CONVERTIR UNA CADENA A MAYÚSCULAS

Método: upper()
Retorna: una copia de la cadena en mayúsculas
>>> cadena = "Hola Mundo"
>>> [Link]()
HOLA MUNDO

CONVERTIR MAYÚSCULAS A MINÚSCULAS Y VICEVERSA

Método: swapcase()
Retorna: una copia de la cadena convertidas las mayúsculas en minúsculas y
viceversa
>>> cadena = "Hola Mundo"
>>> [Link]()
hOLA mUNDO

CONVERTIR UNA CADENA EN FORMATO TÍTULO

Método: title()
Retorna: una copia de la cadena convertida
>>> cadena = "hola mundo"
>>> [Link]()
Hola Mundo

CENTRAR UN TEXTO
Método: center(longitud[, “caracter de relleno”])
Retorna: una copia de la cadena centrada
>>> cadena = "bienvenido a mi aplicación".capitalize()
>>> [Link](50, "=")
===========Bienvenido a mi aplicación============

>>> [Link](50, " ")

Bienvenido a mi aplicación

ALINEAR TEXTO A LA IZQUIERDA

Método: ljust(longitud[, “caracter de relleno”])
Retorna: una copia de la cadena alineada a la izquierda
>>> cadena = "bienvenido a mi aplicación".capitalize()
>>> [Link](50, "=")
Bienvenido a mi aplicación=======================

-6-
 Introducción a la Ciencia de Datos con Python - Escuela de Informática Eugenia Bahit

ALINEAR TEXTO A LA DERECHA

Método: rjust(longitud[, “caracter de relleno”])
Retorna: una copia de la cadena alineada a la derecha
>>> cadena = "bienvenido a mi aplicación".capitalize()
>>> [Link](50, "=")
=======================Bienvenido a mi aplicación

>>> [Link](50, " ")

Bienvenido a mi aplicación

RELLENAR UN TEXTO ANTEPONIENDO CEROS

Método: zfill(longitud)
Retorna: una copia de la cadena rellena con ceros a la izquierda hasta
alcanzar la longitud final indicada
>>> numero_factura = 1575
>>> str(numero_factura).zfill(12)
000000001575

MÉTODOS DE BÚSQUEDA

CONTAR CANTIDAD DE APARICIONES DE UNA SUBCADENA

Método: count(“subcadena”[, posicion_inicio, posicion_fin])
Retorna: un entero representando la cantidad de apariciones de subcadena
dentro de cadena
>>> cadena = "bienvenido a mi aplicación".capitalize()
>>> [Link]("a")
3

BUSCAR UNA SUBCADENA DENTRO DE UNA CADENA

Método: find(“subcadena”[, posicion_inicio, posicion_fin])
Retorna: un entero representando la posición donde inicia la subcadena dentro
de cadena. Si no la encuentra, retorna -1
>>> cadena = "bienvenido a mi aplicación".capitalize()
>>> [Link]("mi")
13
>>> [Link]("mi", 0, 10)
-1

-7-
 Introducción a la Ciencia de Datos con Python - Escuela de Informática Eugenia Bahit

MÉTODOS DE VALIDACIÓN

SABER SI UNA CADENA COMIENZA CON UNA SUBCADENA

DETERMINADA
Método: startswith(“subcadena”[, posicion_inicio, posicion_fin])
Retorna: True o False
>>> cadena = "bienvenido a mi aplicación".capitalize()
>>> [Link]("Bienvenido")
True
>>> [Link]("aplicación")
False
>>> [Link]("aplicación", 16)
True

SABER SI UNA CADENA FINALIZA CON UNA SUBCADENA DETERMINADA

Método: endswith(“subcadena”[, posicion_inicio, posicion_fin])
Retorna: True o False
>>> cadena = "bienvenido a mi aplicación".capitalize()
>>> [Link]("aplicación")
True
>>> [Link]("Bienvenido")
False
>>> [Link]("Bienvenido", 0, 10)
True

SABER SI UNA CADENA ES ALFANUMÉRICA

Método: isalnum()
Retorna: True o False
>>> cadena = "pepegrillo 75"
>>> [Link]()
False
>>> cadena = "pepegrillo"
>>> [Link]()
True
>>> cadena = "pepegrillo75"
>>> [Link]()
True

SABER SI UNA CADENA ES ALFABÉTICA

Método: isalpha()
Retorna: True o False
>>> cadena = "pepegrillo 75"
>>> [Link]()
False

-8-
 Introducción a la Ciencia de Datos con Python - Escuela de Informática Eugenia Bahit

>>> cadena = "pepegrillo"

>>> [Link]()
True
>>> cadena = "pepegrillo75"
>>> [Link]()
False

SABER SI UNA CADENA ES NUMÉRICA

Método: isdigit()
Retorna: True o False
>>> cadena = "pepegrillo 75"
>>> [Link]()
False
>>> cadena = "7584"
>>> [Link]()
True
>>> cadena = "75 84"
>>> [Link]()
False
>>> cadena = "75.84"
>>> [Link]()
False

SABER SI UNA CADENA CONTIENE SOLO MINÚSCULAS

Método: islower()
Retorna: True o False
>>> cadena = "pepe grillo"
>>> [Link]()
True
>>> cadena = "Pepe Grillo"
>>> [Link]()
False
>>> cadena = "Pepegrillo"
>>> [Link]()
False
>>> cadena = "pepegrillo75"
>>> [Link]()
True

SABER SI UNA CADENA CONTIENE SOLO MAYÚSCULAS

Método: isupper()
Retorna: True o False
>>> cadena = "PEPE GRILLO"
>>> [Link]()
True
>>> cadena = "Pepe Grillo"
>>> [Link]()
False

-9-
 Introducción a la Ciencia de Datos con Python - Escuela de Informática Eugenia Bahit

>>> cadena = "Pepegrillo"

>>> [Link]()
False
>>> cadena = "PEPEGRILLO"
>>> [Link]()
True

SABER SI UNA CADENA CONTIENE SOLO ESPACIOS EN BLANCO

Método: isspace()
Retorna: True o False
>>> cadena = "pepe grillo"
>>> [Link]()
False
>>> cadena = " "
>>> [Link]()
True

SABER SI UNA CADENA TIENE FORMATO DE TÍTULO

Método: istitle()
Retorna: True o False
>>> cadena = "Pepe Grillo"
>>> [Link]()
True
>>> cadena = "Pepe grillo"
>>> [Link]()
False

MÉTODOS DE SUSTITUCIÓN

DAR FORMATO A UNA CADENA, SUSTITUYENDO TEXTO DINÁMICAMENTE

Método: format(*args, **kwargs)
Retorna: la cadena formateada
>>> cadena = "bienvenido a mi aplicación {0}"
>>> [Link]("en Python")
bienvenido a mi aplicación en Python

>>> cadena = "Importe bruto: ${0} + IVA: ${1} = Importe neto: {2}"
>>> [Link](100, 21, 121)
Importe bruto: $100 + IVA: $21 = Importe neto: 121

>>> cadena = "Importe bruto: ${bruto} + IVA: ${iva} = Importe neto: {neto}"
>>> [Link](bruto=100, iva=21, neto=121)
Importe bruto: $100 + IVA: $21 = Importe neto: 121

>>> [Link](bruto=100, iva=100 * 21 / 100, neto=100 * 21 / 100 + 100)

Importe bruto: $100 + IVA: $21 = Importe neto: 121

- 10 -
 Introducción a la Ciencia de Datos con Python - Escuela de Informática Eugenia Bahit

REEMPLAZAR TEXTO EN UNA CADENA

Método: replace(“subcadena a buscar”, “subcadena por la cual reemplazar”)
Retorna: la cadena reemplazada
>>> buscar = "nombre apellido"
>>> reemplazar_por = "Juan Pérez"
>>> "Estimado Sr. nombre apellido:".replace(buscar, reemplazar_por)
Estimado Sr. Juan Pérez:

ELIMINAR CARACTERES A LA IZQUIERDA Y DERECHA DE UNA CADENA

Método: strip([“caracter”])
Retorna: la cadena sustituida
>>> cadena = " [Link] "
>>> [Link]()
[Link]
>>> [Link](' ')
[Link]

ELIMINAR CARACTERES A LA IZQUIERDA DE UNA CADENA

Método: lstrip([“caracter”])
Retorna: la cadena sustituida
>>> cadena = "[Link]"
>>> [Link]("w." )
[Link]

>>> cadena = " [Link]"

>>> [Link]()
[Link]

ELIMINAR CARACTERES A LA DERECHA DE UNA CADENA

Método: rstrip([“caracter”])
Retorna: la cadena sustituida
>>> cadena = "[Link] "
>>> [Link]( )
[Link]

MÉTODOS DE UNIÓN Y DIVISIÓN

UNIR UNA CADENA DE FORMA ITERATIVA

Método: join(iterable)
Retorna: la cadena unida con el iterable (la cadena es separada por cada uno
de los elementos del iterable)
>>> formato_numero_factura = ("Nº 0000-0", "-0000 (ID: ", ")")

- 11 -
 Introducción a la Ciencia de Datos con Python - Escuela de Informática Eugenia Bahit

>>> numero = "275"

>>> numero_factura = [Link](formato_numero_factura)
>>> numero_factura
Nº 0000-0275-0000 (ID: 275)

PARTIR UNA CADENA EN TRES PARTES, UTILIZANDO UN SEPARADOR

Método: partition(“separador”)
Retorna: una tupla de tres elementos donde el primero es el contenido de la
cadena previo al separador, el segundo, el separador mismo y el tercero, el
contenido de la cadena posterior al separador
>>> tupla = "[Link]
>>> tupla
('[Link] 'www.', '[Link]')

>>> protocolo, separador, dominio = tupla

>>>> "Protocolo: {0}\nDominio: {1}".format(protocolo, dominio)
Protocolo: http://
Dominio: [Link]

PARTIR UNA CADENA EN VARIAS PARTES, UTILIZANDO UN SEPARADOR

Método: split(“separador”)
Retorna: una lista con todos elementos encontrados al dividir la cadena por un
separador
>>> keywords = "python, guia, curso, tutorial".split(", ")
>>> keywords
['python', 'guia', 'curso', 'tutorial']

PARTIR UNA CADENA EN EN LÍNEAS

Método: splitlines()
Retorna: una lista donde cada elemento es una fracción de la cadena divida
en líneas
>>> texto = """Linea 1
Linea 2
Linea 3
Linea 4
"""
>>> [Link]()
['Linea 1', 'Linea 2', 'Linea 3', 'Linea 4']

>>> texto = "Linea 1\nLinea 2\nLinea 3"

>>> [Link]()
['Linea 1', 'Linea 2', 'Linea 3']

- 12 -
MANIPULACIÓN DE LISTAS Y TUPLAS
En este capítulo, se verán los métodos que posee el objeto lista. Algunos de
ellos, también se encuentran disponibles para las tuplas.

MÉTODOS DE AGREGADO

AGREGAR UN ELEMENTO AL FINAL DE LA LISTA

Método: append(“nuevo elemento”)
>>> nombres_masculinos = ["Alvaro", "Jacinto", "Miguel", "Edgardo", "David"]
>>> nombres_masculinos.append("Jose")
>>> nombres_masculinos
['Alvaro', 'David', 'Edgardo', 'Jacinto', 'Jose', 'Ricky', 'Jose']

AGREGAR VARIOS ELEMENTOS AL FINAL DE LA LISTA

Método: extend(otra_lista)
>>> nombres_masculinos.extend(["Jose", "Gerardo"])
>>> nombres_masculinos
['Alvaro', 'David', 'Edgardo', 'Jacinto', 'Jose', 'Ricky', 'Jose', 'Jose',
'Gerardo']

AGREGAR UN ELEMENTO EN UNA POSICIÓN DETERMINADA

Método: insert(posición, “nuevo elemento”)
>>> nombres_masculinos.insert(0, "Ricky")
>>> nombres_masculinos
['Ricky', 'Alvaro', 'David', 'Edgardo', 'Jacinto', 'Jose', 'Ricky', 'Jose',
'Jose', 'Gerardo']

MÉTODOS DE ELIMINACIÓN

ELIMINAR EL ÚLTIMO ELEMENTO DE LA LISTA

Método: pop()
Retorna: el elemento eliminado
>>> nombres_masculinos.pop()
'Gerardo'
>>> nombres_masculinos
['Ricky', 'Alvaro', 'David', 'Edgardo', 'Jacinto', 'Jose', 'Ricky', 'Jose',
'Jose']
 Introducción a la Ciencia de Datos con Python - Escuela de Informática Eugenia Bahit

ELIMINAR UN ELEMENTO POR SU ÍNDICE

Método: pop(índice)
Retorna: el elemento eliminado
>>> nombres_masculinos.pop(3)
'Edgardo'

>>> nombres_masculinos
['Ricky', 'Alvaro', 'David', 'Jacinto', 'Jose', 'Ricky', 'Jose', 'Jose']

ELIMINAR UN ELEMENTO POR SU VALOR

Método: remove(“valor”)
>>> nombres_masculinos.remove("Jose")
>>> nombres_masculinos
['Ricky', 'Alvaro', 'David', 'Jacinto', 'Ricky', 'Jose', 'Jose']

MÉTODOS DE ORDEN

ORDENAR UNA LISTA EN REVERSA (INVERTIR ORDEN)

Método: reverse()
>>> nombres_masculinos.reverse()
>>> nombres_masculinos
['Jose', 'Jose', 'Ricky', 'Jacinto', 'David', 'Alvaro', 'Ricky']

ORDENAR UNA LISTA EN FORMA ASCENDENTE

Método: sort()
>>> nombres_masculinos.sort()
>>> nombres_masculinos
['Alvaro', 'David', 'Jacinto', 'Jose', 'Jose', 'Ricky', 'Ricky']

ORDENAR UNA LISTA EN FORMA DESCENDENTE

Método: sort(reverse=True)
>>> nombres_masculinos.sort(reverse=True)
>>> nombres_masculinos
['Ricky', 'Ricky', 'Jose', 'Jose', 'Jacinto', 'David', 'Alvaro']

MÉTODOS DE BÚSQUEDA

CONTAR CANTIDAD DE APARICIONES ELEMENTOS

Método: count(elemento)
>>> nombres_masculinos = ["Alvaro", "Miguel", "Edgardo", "David", "Miguel"]

- 15 -
 Introducción a la Ciencia de Datos con Python - Escuela de Informática Eugenia Bahit

>>> nombres_masculinos.count("Miguel")
2

>>> nombres_masculinos = ("Alvaro", "Miguel", "Edgardo", "David", "Miguel")

>>> nombres_masculinos.count("Miguel")
2

OBTENER NÚMERO DE ÍNDICE

Método: index(elemento[, indice_inicio, indice_fin])
>>> nombres_masculinos.index("Miguel")
1

>>> nombres_masculinos.index("Miguel", 2, 5)
4

ANEXO SOBRE LISTAS Y TUPLAS

CONVERSIÓN DE TIPOS
En el conjunto de las funciones integradas de Python, es posible encontrar dos
funciones que permiten convertir listas en tuplas, y viceversa. Estas funciones
son list y tuple, para convertir tuplas a listas y listas a tuplas, respectivamente.

Uno de los usos más frecuentes es el de conversión de tuplas a listas, que

requieran ser modificadas. Esto sucede a menudo con los resultados obtenidos
a partir de una consulta a base de datos.
>>> tupla = (1, 2, 3, 4)
>>> tupla
(1, 2, 3, 4)

>>> list(tupla)
[1, 2, 3, 4]

>>> lista = [1, 2, 3, 4]

>>> lista
[1, 2, 3, 4]

>>> tuple(lista)
(1, 2, 3, 4)

- 16 -
 Introducción a la Ciencia de Datos con Python - Escuela de Informática Eugenia Bahit

CONCATENACIÓN DE COLECCIONES
Se pueden concatenar (o unir) dos o más listas o dos o más tuplas, mediante el
signo de adición +.

No puede unirse una lista a una tupla. Las colecciones a unir deben ser del
mismo tipo.
>>> lista1 = [1, 2, 3, 4]
>>> lista2 = [3, 4, 5, 6, 7, 8]
>>> lista3 = lista1 + lista2
>>> lista3
[1, 2, 3, 4, 3, 4, 5, 6, 7, 8]

>>> tupla1 = (1, 2, 3, 4, 5)

>>> tupla2 = (4, 6, 8, 10)
>>> tupla3 = (3, 5, 7, 9)
>>> tupla4 = tupla1 + tupla2 + tupla3
>>> tupla4
(1, 2, 3, 4, 5, 4, 6, 8, 10, 3, 5, 7, 9)

VALOR MÁXIMO Y MÍNIMO

Se puede obtener el valor máximo y mínimo tanto de listas como de tuplas:
>>> max(tupla4)
10
>>> max(tupla1)
5
>>> min(tupla1)
1
>>> max(lista3)
8
>>> min(lista1)
1

CONTAR ELEMENTOS
La función len() sirve tanto para contar elementos de una lista o tupla, como
caracteres de una cadena de texto:
>>> len(lista3)
10
>>> len(lista1)
4

- 17 -
MANIPULACIÓN DE DICCIONARIOS

MÉTODOS DE ELIMINACIÓN

VACIAR UN DICCIONARIO
Método: clear()
>>> diccionario = {"color": "violeta", "talle": "XS", "precio": 174.25}
>>> diccionario
{'color': 'violeta', 'precio': 174.25, 'talle': 'XS'}

>>> [Link]()
>>> diccionario
{}

MÉTODOS DE AGREGADO Y CREACIÓN

COPIAR UN DICCIONARIO
Método: copy()
>>> diccionario = {"color": "violeta", "talle": "XS", "precio": 174.25}
>>> remera = [Link]()
>>> diccionario
{'color': 'violeta', 'precio': 174.25, 'talle': 'XS'}

>>> remera
{'color': 'violeta', 'precio': 174.25, 'talle': 'XS'}

>>> [Link]()
>>> diccionario
{}

>>> remera
{'color': 'violeta', 'precio': 174.25, 'talle': 'XS'}

>>> musculosa = remera

>>> remera
{'color': 'violeta', 'precio': 174.25, 'talle': 'XS'}

>>> musculosa
{'color': 'violeta', 'precio': 174.25, 'talle': 'XS'}

>>> [Link]()
>>> remera
{}

>>> musculosa
{}
 Introducción a la Ciencia de Datos con Python - Escuela de Informática Eugenia Bahit

CREAR UN NUEVO DICCIONARIO DESDE LAS CLAVES DE UNA

SECUENCIA
Método: [Link](secuencia[, valor por defecto])
>>> secuencia = ["color", "talle", "marca"]
>>> diccionario1 = [Link](secuencia)
>>> diccionario1
{'color': None, 'marca': None, 'talle': None}

>>> diccionario2 = [Link](secuencia, 'valor x defecto')

>>> diccionario2
{'color': 'valor x defecto', 'marca': 'valor x defecto', 'talle': 'valor x
defecto'}

CONCATENAR DICCIONARIOS
Método: update(diccionario)
>>> diccionario1 = {"color": "verde", "precio": 45}
>>> diccionario2 = {"talle": "M", "marca": "Lacoste"}
>>> [Link](diccionario2)
>>> diccionario1
{'color': 'verde', 'precio': 45, 'marca': 'Lacoste', 'talle': 'M'}

ESTABLECER UNA CLAVE Y VALOR POR DEFECTO

Método: setdefault(“clave”[, None|valor_por_defecto])

Si la clave no existe, la crea con el valor por defecto. Siempre retorna

el valor para la clave pasada como parámetro.
>>> remera = {"color": "rosa", "marca": "Zara"}
>>> clave = [Link]("talle", "U")
>>> clave
'U'

>>> remera
{'color': 'rosa', 'marca': 'Zara', 'talle': 'U'}

>>> remera2 = [Link]()

>>> remera2
{'color': 'rosa', 'marca': 'Zara', 'talle': 'U'}

>>> clave = [Link]("estampado")

>>> clave
>>> remera2
{'color': 'rosa', 'estampado': None, 'marca': 'Zara', 'talle': 'U'}

>>> clave = [Link]("marca", "Lacoste")

>>> clave
'Zara'

- 20 -
 Introducción a la Ciencia de Datos con Python - Escuela de Informática Eugenia Bahit

>>> remera2
{'color': 'rosa', 'estampado': None, 'marca': 'Zara', 'talle': 'U'}

MÉTODOS DE RETORNO

OBTENER EL VALOR DE UNA CLAVE

Método: get(clave[, “valor x defecto si la clave no existe”])
>>> [Link]("color")
'rosa'

>>> [Link]("stock")
>>> [Link]("stock", "sin stock")
'sin stock'

SABER SI UNA CLAVE EXISTE EN EL DICCIONARIO

Método: ‘clave’ in diccionario
>>> existe = 'precio' in remera
>>> existe
False

>>> existe = 'color' in remera

>>> existe
True

OBTENER LAS CLAVES Y VALORES DE UN DICCIONARIO

Método: items()
diccionario = {'color': 'rosa', 'marca': 'Zara', 'talle': 'U'}

for clave, valor in [Link]():

clave, valor
Salida:
('color', 'rosa')
('marca', 'Zara')
('talle', 'U')

OBTENER LAS CLAVES DE UN DICCIONARIO

Método: keys()
diccionario = {'color': 'rosa', 'marca': 'Zara', 'talle': 'U'}
for clave in [Link]():
clave
'marca'
'talle'
'color'

Obtener claves en una lista

- 21 -
 Introducción a la Ciencia de Datos con Python - Escuela de Informática Eugenia Bahit

>>> diccionario = {'color': 'rosa', 'marca': 'Zara', 'talle': 'U'}

>>> claves = list([Link]())
>>> claves
['color', 'marca', 'talle']

OBTENER LOS VALORES DE UN DICCIONARIO

Método: values()
diccionario = {'color': 'rosa', 'marca': 'Zara', 'talle': 'U'}
for clave in [Link]():
clave
'rosa'
'Zara'
'U'

Obtener valores en una lista

>>> diccionario = {'color': 'rosa', 'marca': 'Zara', 'talle': 'U'}
>>> claves = list([Link]())

OBTENER LA CANTIDAD DE ELEMENTOS DE UN DICCIONARIO

Para contar los elementos de un diccionario, al igual que con las listas y tuplas,
se utiliza la función integrada len()
>>> diccionario = {'color': 'rosa', 'marca': 'Zara', 'talle': 'U'}
>>> len(diccionario)
3

- 22 -
MANEJO Y MANIPULACIÓN DE ARCHIVOS
Python permite trabajar en dos niveles diferentes con respecto al sistema de
archivos y directorios.

Uno de ellos, es a través del módulo os, que facilita el trabajo con todo el
sistema de archivos y directorios, a nivel del propios Sistema Operativo.

El segundo nivel, es el que permite trabajar con archivos manipulando su

lectura y escritura desde la propia aplicación o script, tratando a cada archivo
como un objeto.

MODOS DE APERTURA DE UN ARCHIVO

El modo de apertura de un archivo, está relacionado con el objetivo final que
responde a la pregunta “¿para qué se está abriendo este archivo?”. Las
respuestas pueden ser varias: para leer, para escribir, o para leer y escribir.

Cada vez que se “abre” un archivo se está creando un puntero en memoria.

Este puntero posicionará un cursor (o punto de acceso) en un lugar específico

de la memoria (dicho de modo más simple, posicionará el cursor en un byte
determinado del contenido del archivo).

Este cursor se moverá dentro del archivo, a medida que se lea o escriba en
dicho archivo.

Cuando un archivo se abre en modo lectura, el cursor se posiciona en el byte 0

del archivo (es decir, al comienzo del archivo). Una vez leído el archivo, el
cursor pasa al byte final del archivo (equivalente a cantidad total de bytes del
archivo). Lo mismo sucede cuando se abre en modo escritura. El cursor se
moverá a medida que se va escribiendo.
 Introducción a la Ciencia de Datos con Python - Escuela de Informática Eugenia Bahit

Cuando se desea escribir al final de un archivo no nulo, se utiliza el modo

append (agregar). De esta forma, el archivo se abre con el cursor al final del
archivo.

El símbolo + como sufijo de un modo, agrega el modo contrario al de apertura

una vez se ejecute la acción de apertura. Por ejemplo, el modo r (read) con el
sufijo + (r+), abre el archivo para lectura, y tras la lectura, vuelve el cursor al
byte 0.

La siguiente tabla muestra los diferentes modos de apertura de un archivo:

Indicador Modo de apertura Ubicación del puntero

r Solo lectura Al inicio del archivo
rb Solo lectura en modo binario Al inicio del archivo
r+ Lectura y escritura Al inicio del archivo
rb+ Lectura y escritura en modo binario Al inicio del archivo
Solo escritura.
w Sobreescribe el archivo si existe. Al inicio del archivo
Crea el archivo si no existe.
Solo escritura en modo binario.
wb Sobreescribe el archivo si existe. Al inicio del archivo
Crea el archivo si no existe.
Escritura y lectura.
w+ Sobreescribe el archivo si existe. Al inicio del archivo
Crea el archivo si no existe.
Escritura y lectura en modo binario.
wb+ Sobreescribe el archivo si existe. Al inicio del archivo
Crea el archivo si no existe.
Si el archivo existe, al final de
Añadido (agregar contenido). éste.
a
Crea el archivo si éste no existe. Si el archivo no existe, al
comienzo.
Si el archivo existe, al final de
Añadido en modo binario (agregar
éste.
ab contenido).
Si el archivo no existe, al
Crea el archivo si éste no existe.
comienzo.
a+ Añadido (agregar contenido) y lectura. Si el archivo existe, al final de

- 25 -
 Introducción a la Ciencia de Datos con Python - Escuela de Informática Eugenia Bahit

éste.
Crea el archivo si éste no existe. Si el archivo no existe, al
comienzo.
Si el archivo existe, al final de
Añadido (agregar contenido) y lectura en
éste.
ab+ modo binario.
Si el archivo no existe, al
Crea el archivo si éste no existe.
comienzo.

ALGUNOS MÉTODOS DEL OBJETO FILE

El objeto file, entre sus métodos dispone de los siguientes:

Método Descripción
Lee todo el contenido de un archivo.
read([bytes]) Si se le pasa la longitud de bytes, leerá solo el contenido
hasta la longitud indicada.
readlines() Lee todas las líneas de un archivo
write(cadena) Escribe cadena dentro del archivo
Secuencia será cualquier iterable cuyos elementos serán
writelines(secuencia)
escritos uno por línea

ACCESO A ARCHIVOS MEDIANTE LA ESTRUCTURA WITH

Con la estructura with y la función open(), puede abrirse un archivo en
cualquier modo y trabajar con él, sin necesidad de cerrarlo o destruir el
puntero, ya que de esto se encarga la estructura with.

Leer un archivo:
with open("[Link]", "r") as archivo:
contenido = [Link]()

Escribir en un archivo:
contenido = """
Este será el contenido del nuevo archivo.
El archivo tendrá varias líneas.

- 26 -
 Introducción a la Ciencia de Datos con Python - Escuela de Informática Eugenia Bahit

"""

with open("[Link]", "r") as archivo:

[Link](contenido)

MANEJO DE ARCHIVOS CSV

El formato CSV deriva su nombre del inglés «comma separated values»
(valores separados por coma), definido en las RFC 4180. Se trata de archivos
de texto plano, destinados al almacenamiento masivo de datos. Es uno de los
formatos más simples para efectuar análisis de datos. De hecho, muchos
formatos de archivo no libres (o libres pero más complejos), suelen pasarse a
formato CSV para aplicar ciencia de datos compleja con diversos lenguajes.

Un archivo CSV se encuentra formado por una cabecera que define nombres
de columnas, y las filas siguientes, tienen los datos correspondientes a cada
columna, separados por una coma. Sin embargo, muchos otros símbolos
pueden utilizarse como separadores de celdas. Entre ellos, el tabulado y el
punto y coma son igual de frecuentes que la coma.

ALGUNOS EJEMPLOS DE ARCHIVOS CSV

Datos meteorológicos (separados por ;)
ID;DATA;VV;DV;T;HR;PPT;RS;P
0;2016-03-01 00:00:00;;;9.9;73;;;
1;2016-03-01 00:30:00;;;9.0;67;;;
2;2016-03-01 01:00:00;;;8.3;64;;;
3;2016-03-01 01:30:00;;;8.0;61;;;
4;2016-03-01 02:00:00;;;7.4;62;;;
5;2016-03-01 02:30:00;;;8.3;47;;;
6;2016-03-01 03:00:00;;;7.7;50;;;
7;2016-03-01 03:30:00;;;9.0;39;;;

Puntajes obtenidos por jugadores de un torneo (separados por ,)

nombre,cantidad,anio

- 27 -
 Introducción a la Ciencia de Datos con Python - Escuela de Informática Eugenia Bahit

Maria,858,1930
Jose,665,1930
Rosa,591,1930
Juan Carlos,522,1930
Antonio,509,1930
Maria Esther,495,1930
Maria Luisa,470,1930
Juana,453,1930
Juan,436,1930

Empresas registradas en la Inspección General de Justicia de Argentina

(separados por , y datos entrecomillados)
"numero_correlativo","tipo_societario","descripcion_tipo_societario","razon_soci
al","dada_de_baja","codigo_baja","detalle_baja"
"10","10","SOCIEDAD COLECTIVA","A A VALLE Y COMPA¥IA","S","42014","PERTENECE A
REGISTRO ENTIDADES INACTIVAS"
"11","10","SOCIEDAD COLECTIVA","A LUCERO Y H CARATOLI","S","42014","PERTENECE A
REGISTRO ENTIDADES INACTIVAS"
"12","10","SOCIEDAD COLECTIVA","A PUIG E HIJOS","S","42014","PERTENECE A
REGISTRO ENTIDADES INACTIVAS"
"13","10","SOCIEDAD COLECTIVA","A C I C A","S","42014","PERTENECE A REGISTRO
ENTIDADES INACTIVAS"
"14","10","SOCIEDAD COLECTIVA","A¥ON BEATRIZ S Y CIA","S","42014","PERTENECE A
REGISTRO ENTIDADES INACTIVAS"
"15","10","SOCIEDAD COLECTIVA","ABA DIESEL","S","42014","PERTENECE A REGISTRO
ENTIDADES INACTIVAS"
"16","10","SOCIEDAD COLECTIVA","ABADA L JOSE Y JORGE JOSE
ABADAL","S","42014","PERTENECE A REGISTRO ENTIDADES INACTIVAS"
"17","10","SOCIEDAD COLECTIVA","ABADAL JOSE E HIJO","S","42014","PERTENECE A
REGISTRO ENTIDADES INACTIVAS"
"18","10","SOCIEDAD COLECTIVA","ABATE Y MACIAS","S","42014","PERTENECE A
REGISTRO ENTIDADES INACTIVAS"

Es posible también, encontrar datos almacenados en archivos de texto (TXT)

con formatos muy similares al que se espera encontrar en un CSV. A veces es
posible desarrollar un script de formato para corregir estos archivos y así poder
trabajar con un CSV.

Observaciones meteorológicas en TXT

FECHA TMAX TMIN NOMBRE
-------- ----- ----- ----------------------------------------
07122017 28.0 19.0 AEROPARQUE AERO
07122017 26.8 12.4 AZUL AERO

- 28 -
 Introducción a la Ciencia de Datos con Python - Escuela de Informática Eugenia Bahit

07122017 29.6 7.8 BAHIA BLANCA AERO

07122017 22.7 6.7 BARILOCHE AERO
07122017 3.0 -8.5 BASE BELGRANO II
07122017 2.4 -0.2 BASE CARLINI (EX JUBANY)
07122017 3.9 -0.6 BASE ESPERANZA
07122017 0.7 -3.6 BASE MARAMBIO

TRABAJAR CON ARCHIVOS CSV DESDE PYTHON

Python provee de un módulo propio llamado csv, que facilita el parseo de los
datos de archivos CSV, tanto para lectura como escritura.

Este módulo, se utiliza en combinación con la estructura with y la función open,

para leer o generar el archivo, y el módulo CSV para su análisis (parsing).

LECTURA DE ARCHIVOS CSV

Contenido de [Link]
0;2016-03-01 00:00:00;;;9.9;73;;;
1;2016-03-01 00:30:00;;;9.0;67;;;
2;2016-03-01 01:00:00;;;8.3;64;;;
3;2016-03-01 01:30:00;;;8.0;61;;;
4;2016-03-01 02:00:00;;;7.4;62;;;
5;2016-03-01 02:30:00;;;8.3;47;;;
6;2016-03-01 03:00:00;;;7.7;50;;;
7;2016-03-01 03:30:00;;;9.0;39;;;
8;2016-03-01 04:00:00;;;8.7;39;;;

from csv import reader

with open("[Link]", "r") as archivo:

documento = reader(archivo, delimiter=';', quotechar='"')
for fila in documento:
' '.join(fila)

Salida:
'0 2016-03-01 00:00:00 9.9 73 '
'1 2016-03-01 00:30:00 9.0 67 '
'2 2016-03-01 01:00:00 8.3 64 '
'3 2016-03-01 01:30:00 8.0 61 '
'4 2016-03-01 02:00:00 7.4 62 '
'5 2016-03-01 02:30:00 8.3 47 '
'6 2016-03-01 03:00:00 7.7 50 '
'7 2016-03-01 03:30:00 9.0 39 '
'8 2016-03-01 04:00:00 8.7 39 '

- 29 -
 Introducción a la Ciencia de Datos con Python - Escuela de Informática Eugenia Bahit

Cuando el archivo CSV tiene una cabecera, es necesario saltar dicho

encabezado:

Contenido de [Link]
ID;DATA;VV;DV;T;HR;PPT;RS;P
0;2016-03-01 00:00:00;;;9.9;73;;;
1;2016-03-01 00:30:00;;;9.0;67;;;
2;2016-03-01 01:00:00;;;8.3;64;;;
3;2016-03-01 01:30:00;;;8.0;61;;;
4;2016-03-01 02:00:00;;;7.4;62;;;
5;2016-03-01 02:30:00;;;8.3;47;;;
6;2016-03-01 03:00:00;;;7.7;50;;;
7;2016-03-01 03:30:00;;;9.0;39;;;
8;2016-03-01 04:00:00;;;8.7;39;;;

from csv import reader

with open("[Link]", "r") as archivo:

documento = reader(archivo, delimiter=';', quotechar='"')
cabeceras = next(documento)
for fila in documento:
' '.join(fila)

Salida:
'0 2016-03-01 00:00:00 9.9 73 '
'1 2016-03-01 00:30:00 9.0 67 '
'2 2016-03-01 01:00:00 8.3 64 '
'3 2016-03-01 01:30:00 8.0 61 '
'4 2016-03-01 02:00:00 7.4 62 '
'5 2016-03-01 02:30:00 8.3 47 '
'6 2016-03-01 03:00:00 7.7 50 '
'7 2016-03-01 03:30:00 9.0 39 '
'8 2016-03-01 04:00:00 8.7 39 '

Otra forma de leer archivos CSV con cabeceras, es utilizar el objeto

DictReader en vez de reader, y así acceder solo al valor de las columnas
deseadas, por su nombre:
from csv import DictReader

with open("[Link]", "r") as archivo:

documento = DictReader(archivo, delimiter=';', quotechar='"')
for fila in documento:
fila['DATA']

- 30 -
 Introducción a la Ciencia de Datos con Python - Escuela de Informática Eugenia Bahit

Salida:
'2016-03-01 00:00:00'
'2016-03-01 00:30:00'
'2016-03-01 01:00:00'
'2016-03-01 01:30:00'
'2016-03-01 02:00:00'
'2016-03-01 02:30:00'
'2016-03-01 03:00:00'
'2016-03-01 03:30:00'
'2016-03-01 04:00:00'

ESCRITURA DE ARCHIVOS CSV

Escritura de un CSV sin cabecera:
from csv import writer

with open("[Link]", "w") as archivo:

documento = writer(archivo, delimiter=';', quotechar='"')
[Link](matriz)

En el ejemplo anterior, una matriz podría ser una lista de listas con igual
cantidad de elementos. Por ejemplo:
matriz = [
['Juan', 373, 1970],
['Ana', 124, 1983],
['Pedro', 901, 1650],
['Rosa', 300, 2000],
['Juana', 75, 1975],
]

Lo anterior, generaría un archivo llamado [Link] con el siguiente contenido:

eugenia@bella:~$ cat [Link]
Juan;373;1970
Ana;124;1983
Pedro;901;1650
Rosa;300;2000
Juana;75;1975

- 31 -
 Introducción a la Ciencia de Datos con Python - Escuela de Informática Eugenia Bahit

Escritura de un CSV con cabecera:

En este caso, la matriz a ser escrita requerirá ser una lista de diccionarios cuyas
claves coincidan con las cabeceras indicadas.
matriz = [
dict(jugador='Juan', puntos=373, anio=1970),
dict(jugador='Ana', puntos=124, anio=1983),
dict(jugador='Pedro', puntos=901, anio=1650),
dict(jugador='Rosa', puntos=300, anio=2000),
dict(jugador='Juana', puntos=75, anio=1975),
]

from csv import DictWriter

cabeceras = ['jugador', 'puntos', 'anio']

with open("[Link]", "w") as archivo:

documento = DictWriter(archivo, delimiter=';', quotechar='"',
fieldnames=cabeceras)
[Link]()
[Link](matriz)

Funciones estadísticas simples

Sobre listas y tuplas obtenidas o no a partir de un CSV, pueden efectuarse

funciones estadísticas simples como las siguientes:

Contar elementos len(coleccion)

Sumar elementos sum(coleccion)
Obtener número mayor max(coleccion)
Obtener numero menor min(coleccion)

- 32 -
PROBABILIDAD Y ESTADÍSTICA CON PYTHON

PROBABILIDAD DE SUCESOS SIMPLES Y COMPUESTOS

MUTUAMENTE EXCLUYENTES EN PYTHON

ESPACIO MUESTRAL
Un espacio muestral es un conjunto de sucesos posibles, como los que
podrían resultar al lanzar un dado:

espacio_muestral = [1, 2, 3, 4, 5, 6]

Se refiere como punto muestral a cada elemento en un espacio muestral. La

cantidad de puntos muestrales se denota por tal que para el espacio
muestral , .
n = len(espacio_muestral)

SUCESOS SIMPLES Y COMPUESTOS

Un suceso, es un conjunto de resultados dentro de un espacio muestral. Por
ejemplo:

• el lanzamiento de un dado es un suceso

• la probabilidad de que en dicho lanzamiento salga el número 5, es un
suceso simple y es excluyente: si sale 5, no puede
simultáneamente salir ningún otro número.
• la probabilidad de que en el lanzamiento salga un número impar, es el
suceso compuesto que dependerá a su vez de los sucesos
simples excluyentes , y
 Introducción a la Ciencia de Datos con Python - Escuela de Informática Eugenia Bahit

ASIGNACIÓN DE PROBABILIDADES
La asignación de probabilidades es aquella que provee modelos matemáticos
para calcular las posibilidades de que sucesos específicos ocurran o no.

La probabilidad de un suceso se denota por .

Los sucesos pueden ser:

• simples o compuestos
• mutuamente excluyentes o independientes

SUCESOS SIMPLES MUTUAMENTE EXCLUYENTES

Si se considera un espacio muestral , cada uno de los puntos muestrales ,
quedará denotado por y la probabilidad de éstos, designada como ,
quedará determinada por:

probabilidad = 1.0 / n

En Python, se requiere que al menos un elemento de la ecuación sea

un número real si lo que se requiere como resultado es un número real.

La probabilidad de cada punto muestral, como sucesos excluyentes entre sí, es

la misma para cada suceso.

- 35 -
 Introducción a la Ciencia de Datos con Python - Escuela de Informática Eugenia Bahit

SUCESOS COMPUESTOS POR SUCESOS SIMPLES MUTUAMENTE

EXCLUYENTES
Cuando los sucesos simples que conforma al suceso compuesto son
mutuamente excluyente, la probabilidad del suceso compuesto estará dada por
la suma de las probabilidades de cada suceso simple , tal que:

Por ejemplo, para estimar la probabilidad de que en un único lanzamiento de

dado, salga un número par, se obtiene el suceso , dado por suma
de las probabilidades de cada uno de sucesos simples del
espacio muestral tal que:

En el primer resultado (en el segundo paso, antes de hallar el máximo común

divisor [MCD] y reducir la fracción a ), el denominador es equivalente a la

cantidad de sucesos simples dentro del suceso compuesto «números pares » y
se denota por . El denominador, , es , el total de todos los sucesos del
espacio muestral. De esta forma, la probabilidad de un suceso compuesto
por sucesos mutuamente excluyentes queda dada por el cociente de y tal
que:

numeros_pares = [i for i in espacio_muestral if i % 2 is 0]

h = len(numeros_pares)
probabilidad = float(h) / n

- 36 -
 Introducción a la Ciencia de Datos con Python - Escuela de Informática Eugenia Bahit

Un suceso compuesto se puede denotar por la unión de sus sucesos simples

(símbolo , leído como "o"), tal que:

Por ejemplo, para el caso del suceso «números pares », se obtiene que:

Tal que es un suceso y , y son las probabilidades de

los tres sucesos que lo componen. En un nuevo contexto, puede ser
tratado como un suceso .

FUNCIONES
# Probabilidad de sucesos simples mutuamente excluyentes
pssme = lambda e: 1.0 / len(e)

# Probabilidad de sucesos compuestos mutuamente excluyentes

def pscme(e, sc):
n = len(e)
return len(sc) / float(n)

PROBABILIDAD CONDICIONAL EN PYTHON

c. Probabilidad de B:

d. Probabilidad de la intersección:

e = espacio_muestral = [1, 2, 3, 4, 5, 6]
n = len(e) # total de la muestra

# probabilidad de A
a = [i for i in e if i % 2 is not 0]
pa = len(a) / float(n)

- 37 -
 Introducción a la Ciencia de Datos con Python - Escuela de Informática Eugenia Bahit

# probabilidad de B
b = [i for i in e if i % 2 is 0]
pb = len(b) / float(n)

# probabilidad de la intersección de sucesos

pi = pa * pb

FUNCIONES
# Probabilidad condicional: sucesos dependientes
def pscd(e, a, b):
i = list(set(a).intersection(b))
pi = pscme(e, i)
pa = pscme(e, a)
return pi / pa

# Probabilidad condicional: sucesos independientes

def psci(e, a, b):
pa = pscme(e, a)
pb = pscme(e, b)
return pa * pb

SUCESOS DEPENDIENTES
Se refiere a la probabilidad de que dos sucesos ocurran simultáneamente
siendo que el segundo suceso depende de la ocurrencia del primero.

La probabilidad de que ocurra si ocurre , se denota por y se lee

como “la probabilidad de B dado A”, tal que:

Donde es la probabilidad de la intersección de los sucesos de y

— definida como: —, tal que la intersección es un
nuevo suceso compuesto por sucesos simples. En el siguiente ejemplo,
equivaldría a (porque 1 y 3 están tanto en como en ).

Ejemplo: ¿qué probabilidad existe de que al lanzar un dado resulte un número

impar menor que 4?

- 38 -
 Introducción a la Ciencia de Datos con Python - Escuela de Informática Eugenia Bahit

El lanzamiento del dado es un suceso en sí mismo. Se desea averiguar la

probabilidad de (número menor que 4) dado que
(número impar) ocurriese en el espacio muestral .
espacio_muestral = [1, 2, 3, 4, 5, 6]
a = [i for i in espacio_muestral if i % 2 is not 0]
b = [i for i in espacio_muestral if i < 4]

Para calcular la probabilidad de una intersección, primero se obtiene la

intersección:

intersec = [i for i in a if i in b]

Y luego, se calcula la probabilidad del nuevo suceso compuesto :

o, lo que es igual:

Es necesario además, obtener la probabilidad de , teniendo en cuenta que

es también un suceso compuesto:

Finalmente, se obtiene que:

e = espacio_muestral = [1, 2, 3, 4, 5, 6]

a = [i for i in e if i % 2 is not 0] # números impares

b = [i for i in e if i < 4] # números menores que 4

- 39 -
 Introducción a la Ciencia de Datos con Python - Escuela de Informática Eugenia Bahit

intersec = [i for i in a if i in b] # intersección de A y B

n = len(e) # total de la muestra

ha = len(a) # total de sucesos simples en A
hintersec = len(intersec) # total de sucesos simples en la intersección

# probabilidad de la intersección
probabilidad_intersec = float(hintersec) / n

# probabilidad de 'a'
probabilidad_a = float(ha) / n

# probabilidad condicional
probabilidad_b_dado_a = probabilidad_intersec / probabilidad_a

TEORÍA DE CONJUNTOS EN PYTHON

Al obtener la intersección de dos sucesos compuestos se ha empleado un
método manual al decir: devolver 'i' por cada 'i' en la lista 'a' si está en la lista
'b'.

No obstante, dado que cada suceso compuesto es un conjunto y que Python

provee un tipo de datos llamado set (conjunto), es posible obtener la
intersección manipulando los sucesos compuestos como conjuntos de Python.
Con set se puede convertir cualquier iterable a conjunto y realizar
operaciones de conjuntos como unión e intersección cuando sea necesario.
intersec = list(set(a).intersection(b))

Aquí el conjunto obtenido se convierte en lista a fin a fin de guardar coherencia

con el resto del código y que el elemento resultante soporte las operaciones y
tratamiento habituales de una lista. Ante la duda de si corresponde usar listas o
conjuntos, se debe aplicar el principio de simplicidad e implementar la solución
más simple.

SUCESOS INDEPENDIENTES
A diferencia del caso anterior, aquí la probabilidad de que ocurra no está
afecta por la ocurrencia de . Por ejemplo, la probabilidad de lanzar un dado

- 40 -
 Introducción a la Ciencia de Datos con Python - Escuela de Informática Eugenia Bahit

y obtener un número par (suceso B) no está afectada por el hecho de que en un

lanzamiento previo se obtuviese un número impar (suceso A). La probabilidad
de B es independiente de A y está dada por el producto de la probabilidad de
ambos sucesos:

Aquí la intersección es la probabilidad de que confluyan ambos sucesos.

Calculada la probabilidad de ambos sucesos independientes, se multiplican

obteniendo:

a. Espacio muestral (para ambos sucesos):

b. Probabilidad de A:

TEOREMA DE BAYES EN PYTHON

TEOREMA DE BAYES Y PROBABILIDAD DE CAUSAS

Dada una serie de sucesos cuya suma total es un espacio muestral y un
suceso cualquiera, el Teorema de Bayes permite conocer la probabilidad de
que cada suceso de , sea la causa de . Por este motivo, también se lo
conoce como probabilidad de causas.

DATOS: CASO PRÁCTICO

Dada una ciudad de 50 000 habitantes, con la siguiente distribución:

- 41 -
 Introducción a la Ciencia de Datos con Python - Escuela de Informática Eugenia Bahit

Niñas Niños Mujeres Hombres

11000 9000 16000 14000

Y, un reporte de 9 000 casos de gripe, distribuidos de la siguiente forma:

Niñas Niños Mujeres Hombres

2000 1500 3000 2500

Se pretende obtener la probabilidad de que la causa de contraer gripe sea el

hecho de pertences a un determinado sector demográfico (por ejemplo, al
sector demográfico conformado por niños o niñas).

ANÁLISIS
De lo expuesto ut supra se obtiene que:

• La ciudad (total absoluto de habitantes) es el espacio muestral .

• La cantidad de niñas, niños, mujeres y hombres es cada uno de los
sucesos del espacio muestral

• Como valor de se toma la suma del espacio muestral , tal que

• El valor de para los sucesos es cada uno de los valores dados en la

tabla de distribución de habitantes.
• Tener gripe es el suceso .
• La tabla de distribución de casos de gripe, se corresponde a las
intersecciones del suceso con cada suceso , es decir a cada

Según el cálculo de probabilidad que se aplique, se podrá obtener:

- 42 -
 Introducción a la Ciencia de Datos con Python - Escuela de Informática Eugenia Bahit

• La probabilidad de ser niña, niño, mujer u hombre en la ciudad, por medio

de . Se considera una probabilidad a priori.
• La probabilidad de ser niña, niño, mujer u hombre y tener gripe, que se
obtiene con y se considera una probabilidad condicional.
• La probabilidad de que cualquier habitante, independientemente del
sector al que pertenezca tenga gripe, se obtiene con

y se la considera una probabilidad total.

• La probabilidad de que alguien con gripe sea niña, niño, mujer u hombre
se obtiene con el Teorema de Bayes. A esta probabilidad se la considera
una probabilidad a posteriori, permitiendo dar respuesta a preguntas
cómo ¿cuál es la probabilidad de que un nuevo caso de gripe sea de en
un niño o niña?

Una forma eficaz y ordenada de obtener una probabilidad a posteriori con el

Teorema de Bayes, es obtener primero las tres probabilidades previas: a priori,
condicional y total.

AVISO:
en lo sucesivo, se utilizará map(float, <lista>) en el código
fuente, para convertir los elementos de una lista en números reales,
toda vez que hacerlo no sobrecargue el código.

PROCEDIMIENTO
1. Cálculo de probabilidad a priori

Retorna: probabilidad de que un habitante pertenezca a un sector

demográfico específico.

- 43 -
 Introducción a la Ciencia de Datos con Python - Escuela de Informática Eugenia Bahit

Fórmula:

Datos necesarios:

= datos de la tabla de distribución de habitantes

= siempre es la cantidad total del espacio muestral (50 000)

Resultados:

probabilidad de ser niña

probabilidad de ser niño

probabilidad de ser mujer

probabilidad de ser hombre

Código Python:
habitantes = map(float, [11000, 9000, 16000, 14000])
n = sum(habitantes)
pa = [h / n for h in habitantes]

2. Probabilidad condicional

Retorna: probabilidad de tener gripe perteneciendo a un sector demográfico

específico.

Certeza: (el sector demográfico)

Objetivo: (la probabilidad de tener gripe)

- 44 -
 Introducción a la Ciencia de Datos con Python - Escuela de Informática Eugenia Bahit

Fórmula:

Datos necesarios:

=
= intersecciones (datos de la tabla de distribución de casos de gripe)

Resultados:

probabilidad de tener gripe siendo niña

probabilidad de tener gripe siendo niño

probabilidad de tener gripe siendo mujer

probabilidad de tener gripe siendo hombre

Código Python:
afectados = map(float, [2000, 1500, 3000, 2500])
pi = [k / n for k in afectados]
pba = [pi[i] / pa[i] for i in range(len(pi))]

3. Probabilidad total

Retorna: probabilidad de que cualquiera de los habitantes,

independientemente del sector demográfico al que pertenezcan, pueda tener
gripe.

- 45 -
 Introducción a la Ciencia de Datos con Python - Escuela de Informática Eugenia Bahit

Fórmula:

Datos necesarios:

probabilidad a priori
probabilidad condicional

Resultados:

Código Python:
productos = [pa[i] * pba[i] for i in range(len(pa))]
pb = sum(productos)

Observaciones:

(a) notar que en la salida anterior existirá una diferencia de .01 con respecto a
la solución manual. Esto es debido al redondeo efectuado en la solución
manual. Dicha diferencia puede ser erradicada empleando 3 decimales en los
valores de la probabilidad condicional (en lugar de dos) en la solución manual.

- 46 -
 Introducción a la Ciencia de Datos con Python - Escuela de Informática Eugenia Bahit

(b) la probabilidad de NO tener gripe estará dada por tal que

pero no será necesario utilizarla para este ejemplo con el
Teorema de Bayes.

4. Probabilidad a posteriori

Retorna: probabilidad de pertenecer a un sector demográfico específico y

tener gripe.

Certeza: (tener gripe)

Objetivo: (la probabilidad de pertenecer a un sector demográfico concreto)

Fórmula:

Datos necesarios:

= el producto obtenido en cada uno de los términos de la

probabilidad total

= la probabilidad total

Resultados:

probabilidad de ser niña teniendo gripe

probabilidad de ser niño teniendo gripe

- 47 -
 Introducción a la Ciencia de Datos con Python - Escuela de Informática Eugenia Bahit

probabilidad de ser mujer teniendo gripe

probabilidad de ser hombre teniendo gripe

Código Python:
pab = [p / pb for p in productos]

FUNCIONES
# Teorema de Bayes
def bayes(e, b):
n = float(sum(e))
pa = [h / n for h in e]
pi = [k / n for k in b]
pba = [pi[i] / pa[i] for i in range(len(pi))]
prods = [pa[i] * pba[i] for i in range(len(pa))]
ptb = sum(prods)
pab = [p / pb for p in prods]
return pab

BIBLIOGRAFÍA COMPLEMENTARIA
[0] Probabilidad y Estadística, Murray Spiegel. McGraw-Hill, México 1988. ISBN:
968-451-102-7

- 48 -
ANEXO I: CÁLCULOS COMPLEJOS

ESTADÍSTICA POBLACIONAL Y MUESTRAL: CÁLCULO DE

VARIANZA Y DESVÍO ESTÁNDAR

from math import sqrt

muestras = [12, 23, 24, 22, 10, 17] # lista de ejemplo

n = len(muestras)
media = sum(muestras) / float(n)
diferencias = [xi - media for xi in muestras]
potencias = [x ** 2 for x in diferencias]
sumatoria = sum(potencias)

varianza_muestral = sumatoria / (n - 1)
varianza_poblacional = sumatoria / n

desvio_muestral = sqrt(varianza_muestral)
desvio_poblacional = sqrt(varianza_poblacional)
 Introducción a la Ciencia de Datos con Python - Escuela de Informática Eugenia Bahit

PRODUCTO ESCALAR DE DOS VECTORES

vector1 = [3, 0]
vvector2 = [4, 3]
pe = sum([x * y for x, y in zip(vector1, vector2)])

CÁLCULOS DE FRECUENCIA RELATIVA, ABSOLUTA Y

ACUMULADA
# FRECUENCIA ABSOLUTA
# Cantidad de veces que un valor aparece en una muestra

muestras = [1, 2, 3, 4, 3, 2, 6, 7, 3, 3, 1, 8, 5, 9]
absolutos = []
frecuencias = []

for n in muestras:
if not n in absolutos:
[Link](n)
fi = [Link](n)
[Link](fi)

N = sum(frecuencias) # == len(muestras)

# FRECUENCIA RELATIVA
# Cociente entre la frecuencia absoluta y N
relativas = [float(fi) / N for fi in frecuencias]
sumarelativas = round(sum(relativas)) # == 1

# FRECUENCIA ACUMULADA
# Suma de todas las frecuencias menores o iguales a la frecuencia absoluta
[Link]()
acumuladas = [sum(frecuencias[:i+1]) for i, fi in enumerate(frecuencias)]

# FRECUENCIA RELATIVA ACUMULADA

# Cociente entre frecuencia acumulada y cantidad total de datos
relacumuladas = [float(f) / N for f in acumuladas]

- 55 -
ANEXO II: CREACIÓN DE UN MENÚ DE OPCIONES
En el scripting, puede resultar útil, dar al usuario un menú de opciones y hacer
que el script, actúe según la opción elegida por el usuario. A continuación, se
muestra un truco para resolver esto de forma simple e ingeniosa.

1) Primero es necesario que todo el script esté organizado en funciones.

2) En segundo lugar, es necesario que todas las funciones tengan su

documentación correspondiente, definiendo qué es exactamente lo que hace
la función:
def leer_archivo():
"""Leer archivo CSV"""
return "leer"

def escribir_archivo():
"""Escribir archivo CSV"""
return "escribir"

def _sumar_numeros(lista):
"""Sumar los números de una lista"""
return "privada"

3) A continuación, se define una lista con el nombre de todas las funciones que
serán accesibles por el usuario, desde el menú:
funciones = ['leer_archivo', 'escribir_archivo']

El truco consistirá en automatizar tanto la generación del menú, como la

llamada a la función.

Para automatizar la generación del menú, el truco consiste en valerse de:

▪ La lista del paso 3

 Introducción a la Ciencia de Datos con Python - Escuela de Informática Eugenia Bahit

▪ La función locals()

▪ El atributo __doc__

numero = 1 # se usará luego para acceder a la función

menu = "Elija una opción:\n"

for funcion in funciones:

menu += "\t{}. {}\n".format(numero, locals()[funcion].__doc__)
numero = numero + 1 # incrementa el número en cada iteración

echo(menu)
opcion = int(get("Su opción: "))
# echo y get: hacks aprendidos en el curso de introducción

Finalmente, para acceder dinámicamente a la función elegida por el usuario,

el truco consistirá en emplear la opción elegida por el usuario, como índice
para acceder al nombre de la función desde la lista, y recurrir nuevamente a
locals para invocar a la función:

funcion = funciones[opcion – 1] # se obtiene el nombre de la función

locals()[funcion]() # se invoca a la función mediante locals()

- 58 -
 CERTIFÍCATE

Demuestra cuánto has aprendido!

Si llegaste al final del curso puedes obtener una triple certificación:

- Certificado de asistencia (emitido por la escuela Eugenia Bahit)

- Certificado de aprovechamiento (emitido por CLA Linux)

- Certificación aprobación (emitido por LAECI)

Informáte con tu docente o visita la Web de certificaciones en

[Link]

Si necesitas preparar tu examen, puedes inscribirte en el

Curso de Ciencia de Datos con Python en la

Escuela de Informática Eugenia Bahit

[Link]