Conceptos básicos de álgebra lineal y configuración del entorno de trabajo

1

Presentación del curso y la necesidad del Álgebra Lineal

2

Anaconda + Python, Creación de un entorno y actualización de paquetes

3

Uso de Jupyter Notebook

4

Creando las bases, escalares, vectores y matrices. ¿Qué es un tensor? ¿Cómo se representa?

Realiza operaciones básicas

5

Dimensión de un escalar, vector, matriz o tensor

6

Transposición, suma de matrices y escalares

7

Suma de matrices y vectores (broadcasting)

Operaciones con matrices

8

Producto interno entre una matriz y un vector

9

Producto interno entre dos matrices

10

Propiedades de las matrices: la multiplicación de matrices es asociativa y distributiva, no es conmutativa

11

Transposición de un producto de matrices

12

Cómo comprobar la solución de un sistema de ecuaciones lineal

13

Tipos especiales de matrices: Identidad, Inversa, Singulares

14

Aplicación de la inversa de una matriz para resolver un sistema de ecuaciones lineales

Sistema de ecuaciones lineales

15

Ejemplos de sistemas sin solución, con una solución y con infinitas soluciones

16

Graficar vectores

17

¿Qué es una combinación líneal?

18

¿Qué es un espacio y un subespacio?

19

Vectores linealmente independientes

20

Validar que una matriz tenga inversa

Normas

21

Qué es una norma y para qué se usa. Desigualdad Triangular

22

Tipos de normas: norma 0, norma 1, norma 2, norma infinito y norma L2 al cuadrado

23

El producto interno como función de una norma y su visualización

Matrices y vectores especiales

24

La matriz diagonal y la matriz simétrica: sus propiedades

25

Vectores ortogonales, matrices ortogonales y sus propiedades

26

Matrices ortogonales y sus propiedades

Otras funciones de álgebra lineal

27

El determinante y la traza

28

Cierre del curso. Continua con el Curso de Álgebra Lineal Aplicada a Machine Learning.

Disfruta de nuestro contenido y eventos por un año a un precio especial

Antes: $179

Currency
$149/año
¡Suscríbete!

🔥 Te quedan 🔥

1D
7H
3M
7S

Anaconda + Python, Creación de un entorno y actualización de paquetes

2/28

Lectura

Por qué Python para Data Science

Si ya conoces el lenguaje Python no hace falta que te cuente porque es el elegido en la industria para dar vida a los proyectos de Data Science. Pero si no estás familiarizado con Python estas son algunas de sus características:

  • Es poderoso y sencillo
  • Tiene múltiples paquetes estadísticos y de aprendizaje automático, listos para usar
  • Una comunidad muy activa a la que siempre puedes consultar

Y cuenta con muchas más, pero te invito a descubrirlas junto a mi mientras exploramos el mundo del Álgebra Lineal con Python.

Por qué Anaconda

Anaconda nos provee de una plataforma muy completa para poder desarrollar nuestros proyectos de Data Science, simplifica la tarea de instalación y configuración de las distintas aplicaciones que necesitaremos usar en nuestro viaje. Podemos utilizarlo tanto por terminal como por interfaz gráfica (GUI). Por el momento avancemos con la segunda opción, es más amigable para quien no está acostumbrado a la línea de comandos.

Algunas ventajas de utilizar Anaconda para tus proyectos son:

  • Manejar los entornos de trabajo con Conda (todas las dependencias de librerías se resuelven en el momento de instalación)
  • Posibilidad de compartir, colaborar y reproducir los proyectos
  • Puedes pasar tu proyecto a producción solo con un click (una vez configurado)

Dentro de las variadas aplicaciones que nos ofrece Anaconda vamos a utilizar Jupyter Notebooks con Python 3.7.

Instalación

Para realizar la instalación debes seguir los siguientes pasos:

  1. Ir a https://www.anaconda.com/distribution/
  2. Selecciona tu versión de Sistema Operativo: Windows - macOS - Linux
  3. Haz click en Descargar/Download “Python 3.7 version” (o click en la versión adecuada para tu CPU 64-bit o 32-bit)
Screen Shot 2019-11-07 at 6.47.41 PM.png

Después de descargar el instalador gráfico, debes abrirlo y seguir las instrucciones que se presentarán en pantalla. Estas son una serie de preguntas para realizar la instalación, las opciones por defecto están bien, no hay necesidad de cambiarlas.

Iniciando Anaconda

Una vez que finalizada la instalación debes abrir el programa Anaconda Navigator para que podamos crear el entorno en cual estaremos estudiando y actualizar los paquetes.

Haz click en Environments y despues click en +Create. Se abrirá una ventana para crear un nuevo entorno.

Screen Shot 2019-11-07 at 6.56.01 PM.png

Llena los siguientes campos:

Screen Shot 2019-11-07 at 6.57.28 PM.png
  • Name: Platzi - FundamentosAL
  • Packages: tilde en Python y del menú desplegable selecciona 3.7
Screen Shot 2019-11-07 at 6.57.59 PM.png

momento para configurar el nuevo entorno y actualizarlo. Cuando termine verás una pantalla similar a esta

05.anaconda.captura.entorno.creado.png

Los paquetes que ves son los que están instalados por defecto, necesitas instalar varios más. Haz click en installed y cambiarlo a not installed.

05.anaconda.captura.entorno.creado.png

En el recuadro de search packages pon:

  • Jupyter Notebook
  • scipy (tambien instalará numpy)
  • pillow (libreria para manejo de imágenes)
  • imageio (lectura / escritura de imágenes)
  • matplotlib (para graficar)
  • seaborn (visualizaciones estadísticas)
  • scikit-learn (aprendizaje automático - lo usaremos para un ejemplo de PCA)

En cada uno de los casos haz click en el recuadro y marcarlo para instalar. Una vez que los tengas seleccionados haz click en Apply. Anaconda procesa por ti todas las dependencias y abrirá una nueva ventana para que aceptemos los paquetes a instalar, haz click en Apply.

Una vez finalizada la instalacion y actualizacion de paquetes en el entorno Platzi - FundamentosAL hacemos click en Home, y Launch Jupyter Notebook. Una nueva pestaña se abrirá en nuestro navegador con Jupyter, ya estamos listos para comenzar el aprendizaje de Fundamentos de Álgebra Lineal con Python.

Ejercicio

Instala el paquete seaborn. Es un paquete para visualizar datos.

A mi tambien me paso la primera vez no saber por dónde comenzar, así que si necesitas ayuda aqui te dejo un paso a paso.

1 - Desde Anaconda Navigator, haz click en Environments
2 - Selecciona el entorno donde quieres instalar el paquete (Platzi - FundamentosAL)
3 - Selecciona en el menú desplegable Not Installed
4 - Escribe en el recuadro de búsqueda seaborn
5 - Haz click en el paquete seaborn
6 - Haz click en Apply
7 - Haz click en Apply, pero esta vez en el pop up que aparece para aceptar todas las dependencias.

Listo! Felicitaciones, instalaste tu primer libreria para visualización de datos en Python.

Puedes copiar y pegar en una de las celdas en Jupyter el siguiente código para ver un gráfico de la cantidad de pasajeros en avión entre 1949 y 1960 por mes.

import seaborn as sns
vuelos = sns.load_dataset("flights")
vuelos = vuelos.pivot("month", "year", "passengers")
ax = sns.heatmap(vuelos)

Aportes 96

Preguntas 13

Ordenar por:

Los aportes, preguntas y respuestas son vitales para aprender en comunidad. Regístrate o inicia sesión para participar.

Para los que no les aparezca en un principio todos los packages anteriores, deben dar al botón Uptade index…
y se actualiza, así les aparecerá todos

sino te funciona muy bien el entorno de Anaconda puedes usar google colabs y lo conectas con tu drive :3
asi no tienes que instalar tantos paquetes etc

Hola me pasa que coloqué el nombre al entorno de Platzi - FundamentosAL así tal cual, y el entorno nada más no se lanzaba, ni en consola ni en jupyter-notebook, sin mostrar ningún error así sin más.

La solución que encontré fue que al lanzarlo pero en consola me salió un error, en pocas palabras no se lanza debido a que El entorno no puede nombrarse con varias palabras separadas por espacios. Así que si a alguien le pasa esto recomiendo cambiar el nombre de tu entorno a uno como FundamentosAL.

A los que no les aparezcan los paquetes en “Not Installed”, sólo tienen que darle a “Update index…”. Allí les saldrán todos!

Si alguno no encuentra Jupyter Notebook, intente con “notebook” en versiones posteriores a la que usan en el curso me parece que cambian el nombre. ❤️ Saludos.

Hola 😄
Otra alternativa puede ser Google Colab es parecido ya que ocupa Jupyter Notebooks pero todo es en la nube, asi no tendras que preocuparte por descargar algo o los recursos de tu computadora 😃

Para los que llegan por aquí, antes de ir a buscar donde poner el código del ejemplo, deben instalar jupyterLab, después de instalado, éste es el que se debe lanzar (Launch). hay que darle click a la opción primera (python3), y allí podrá poner el código en una de las celdas. Esperar unos segundos y aparecerá la gráfica.

Comenzamos…

Para ejecutar el código deben instalar Jupyter Lab, se van a home ejecutan Launch de Jupyter Lab, seleccionan Python 3 y pegan el código esperan un momento y les aparecerá el gráfico

Hola como estan ?. Cuando busco para instalar algunos de los paquetes no aparecen me paso con scipy, matplotlib, seaborn,scikit-learn.

Algo que me gustó de esta ruta es haber utilizado Python desde Bash, Visual Code, Anaconda y Google Colab.

Hola a todos los usuarios de Linux!

Les recomiendo que quiten los espacios del nombre del Environment porque puede causarles problemas.

Saludos!

Hola compañeros de platzi les recomiendo que usen google colab, no tienen que realizar ninguna descarga y esta basado en los notebook de Jupyter.

Comienzo el 90% de mis aportes con la frase “no se si a alguien le sirva”, pero no se si a alguien le sirva:

Tuve problemas con los kernels cuando hacia en lunch de Jupyter Lab entonces no me corría ninguna versión de python ni nada en el notebook. Busqué y en un forito de github tiraron una solución que dejo acá para ahorrar tiempo:

  1. En la interface de anaconda, le dan click derecho sobre el environment y le dan click en “abrir con terminal”. Con esto, les abre el ambiente virtual ya activado en la terminal.

  2. ejecutan el siguiente comando

python -m ipykernel install --user
  1. listo, ya corre bien el notebook de jupyter con Python.

Excelente, ahí esta la imagen. Para subir la imagen debes guardar la imagen en tu pc y arrastrarla hasta esta caja de texto.

Para que muestre el gráfico en Jupyter, cambiar la última línea por:
sns.heatmap(vuelos)

Super el ambiente GUI visual, pero es mucho màs poderosa la consola, Anaonda provee su propia consola, y es super fácil de usar, ademàs corre más rapido que luz (FTL), con este articulo tienen, no van a usar más comados:
https://nataliaacevedo.com/comandos-de-conda-para-que-no-mueras-en-tu-primera-clase-de-data/
Espero les ayude 😀👍🏼

Otras alternativas son Google Colab o Deepnote. Funcionan en la nube.

Les recomiendo esta clase del curso Básico de Python para instalar Python, por si no les quedó claro: https://platzi.com/clases/1937-python/29624-instalacion-de-nuestras-herramientas/

Para los que tengan máquina de pocos recursos o no se quieran preocupar por el manejo de entornos les recomiendo google colab

Esto se puede hacer en Visual Studio Code? Para evitar usar Jupyter Notebook.

![](

Echo desde Google Colab

Hola, como están? No logro ver el gráfico de flights, me salta el siguiente error


OSError Traceback (most recent call last)
<ipython-input-2-5e1f4dbf68a8> in <module>
----> 1 import seaborn as sns
2
3 vuelos = sns.load_dataset(“flights”)
4 vuelos = vuelos.pivot(“month”, “year”, “passengers”)
5 ax = sns.heatmap(vuelos)

~\Anaconda3\envs\Platzi - Fundamentos Algebra L\lib\site-packages\seaborn_init_.py in <module>
1 # Capture the original matplotlib rcParams
----> 2 import matplotlib as mpl
3 _orig_rc_params = mpl.rcParams.copy()
4
5 # Import seaborn objects

~\AppData\Roaming\Python\Python37\site-packages\matplotlib_init_.py in <module>
136 # cbook must import matplotlib only within function
137 # definitions, so it is safe to import from it here.
–> 138 from . import cbook, rcsetup
139 from matplotlib.cbook import (
140 MatplotlibDeprecationWarning, dedent, get_label, sanitize_sequence)

~\AppData\Roaming\Python\Python37\site-packages\matplotlib\cbook_init_.py in <module>
29 from weakref import WeakMethod
30
—> 31 import numpy as np
32
33 import matplotlib

~\AppData\Roaming\Python\Python37\site-packages\numpy_init_.py in <module>
140 from . import _distributor_init
141
–> 142 from . import core
143 from .core import *
144 from . import compat

~\AppData\Roaming\Python\Python37\site-packages\numpy\core_init_.py in <module>
21 # NOTE: would it change behavior to load ALL
22 # DLLs at this path vs. the name restriction?
—> 23 WinDLL(os.path.abspath(filename))
24 DLL_filenames.append(filename)
25 if len(DLL_filenames) > 1:

~\Anaconda3\envs\Platzi - Fundamentos Algebra L\lib\ctypes_init_.py in init(self, name, mode, handle, use_errno, use_last_error)
362
363 if handle is None:
–> 364 self._handle = _dlopen(self._name, mode)
365 else:
366 self._handle = handle

OSError: [WinError 193] %1 no es una aplicación Win32 válida

Les comento sobre un problema que se me presentó.
Al correr el código me mostraba el siguiente error:
"The ordinal 242 could not be located in the dynamic link library"
Lo cual no me permitía hacer nada e incluso el kernel se crasheaba.
Después de investigar en varios foros pude encontrar solución.
Yo me dedico a la producción de audio y dentro del software con el que cuento, uso Amplitube de IKMultimedia para simular amplificadores y demás efectos y bla bla bla… xD
La solución fue desinstalarlo ya que los archivos .dll entraban en conflicto con los de Python.
Después de haber hecho eso, no me presentó ningún problema.
Lo comparto por si alguien llegara a pasar lo mismo, pueda ahorrarse el estrés de andar buscando la solución.
¡Saludos y ahora si a seguir con el curso! 😄

Listo!

No puedo ejecutar jupyter Notebook en mi new environment 😦 me aparece los siguiente en la terminal:
sh: 0: bash can’t open/home/user/.anaconda/navigator/scripts/alplatzi
sin embargo esto no ocurre cuando lo ejecuto desde el base (root)
alguna sugerencia?😦

bien ya me aparecio la información aun que no tenia muy claro como llegar, es la primera vez que uso anaconda y afortunadamente es muy intuitiva, por cierto no se como pegar una imagen presiona el boton imagen y me aparece lo siguiente(¿alguien me puede ayudar? 😃).

Hola, vengo del curso de Introducción a Machine Learning, pues mucha gente recomienda unos cursos previos. Ahí ocupabamos Colab y me preguntaba si es gran diferencia usar Colab o ayuda instalar Anaconda. La he instalado hace tiempo y recuerdo que era un tanto tardada y pesada.

Recomiendo usar jupyter lab, ya que es la evolucion natural del proyecto jupyter notebook y trae mas funciones, se pueden agregar complementos (no, no me refiero a librerias) y muchas cosas mas. De verdad que no se arrepentira quien lo haga. O en su defecto, usar deegnote, este lo he usado ya que permite enlazar con repositorios de github y hacer push y todo lo que quieran por consola, google colab no es mala, pero a dia de hoy hay herramientas mejores.

Fue un trabajo importante pero salió.

Cuando quieran acceder al Jupyter para hacer código háganlo desde aquí:

Una vez hecho el entorno ya pueden acceder a hacer el trabajo con Seaborn:

![](

No fué facil, acá llevo un par de horas intentando descargarlo y usarlo, pero animado porque estoy aprendiendo++

mmm

En mi experiencia, es recomendable instalar mamba o micromamba, ya que en múltiples ocasiones me encontre el problema de la baja memoria al instalar enviorments que tuviesen muchos paquetes.

Otra opcion de herramienta, y la que yo usare es el https://deepnote.com/dashboard

En pocas palabras podemos definir Python como un lenguaje de programación con múltiples cualidades y características, por listar algunas, destacaremos que:

Es de código abierto
Es un lenguaje multiparadigma
Principalmente orientado a objetos 
Es un lenguaje de alto nivel

La popular anécdota sobre el nacimiento de Python cuenta que su creador, Guido Van Rossum, desarrolló el lenguaje en una semana de Navidad a finales de los años 80 sin ninguna pretensión, como un pasatiempo. A partir de su creación, las actualizaciones fueron llegando con el paso del tiempo, hasta que en los últimos años, se ha consolidado como uno de los lenguajes más utilizados, cosa que Van Rossum nunca se imaginó.

Van Rossum buscó en la creación de Python un lenguaje que fuera intuitivo, entendible y de código abierto, para que, tanto programadores avanzados en otros lenguajes y no programadores, pudieran adaptarse rápidamente a su sintaxis y desarrollar programas de forma rápida y fácil. A raíz de estas premisas proviene su potencial, ya que logra sobresalir respecto a lenguajes como C, C++ y Java.

Hoy en día existe una fundación llamada Python Software Foundation, que se encarga de administrar la evolución del lenguaje con apoyo de grandes compañías tecnológicas como son: Google, Microsoft, Amazon y Facebook entre otras.
¿Qué son las bibliotecas en Python?

La versatilidad de Python para desarrollar múltiples aplicaciones es lo que ha llevado su uso más allá de los desarrolladores, llegando a grupos de investigación de diferentes universidades del mundo que han desarrollado bibliotecas para todo tipo de áreas como biología, física, matemáticas e ingenierías entre otras.

Estas bibliotecas son paquetes que cuentan con una gran cantidad de funciones, herramientas y algoritmos programados que ahorran mucho tiempo de programación y con una estructura muy fácil de entender para poder utilizarlas.

A partir de lo anterior, Python no solo se puede ver como un lenguaje de programación para desarrollar software, páginas web, aplicaciones de escritorio o móviles, sino que también para desarrollar herramientas científicas. Por ende, los Data Scientist (científicos de datos) están destinados a ir de la mano con Python para desarrollar todos sus proyectos de Data.
Python en Data Science

Como ya sabemos, el Data Science se encarga de analizar, transformar datos y extraer información de utilidad para la toma de decisiones. Gracias a Python estas tareas se pueden llevar a cabo sin la necesidad de tener conocimientos avanzados de programación, con pocas líneas de código y en entornos de programación amigables que facilitan la programación y visualización de resultados.

En el desarrollo de un proyecto de Data Science existen diferentes bloques para completar dicho proyecto, algunos de los bloques más relevantes son:

Extracción de datos 
Procesamiento de los datos
Aplicación de algoritmos, los cuales pueden ser de machine learning, deep learning o NLP (Natural Language Processing)
Terminando con la evaluación de los resultados. 

Lo que nos lleva a preguntarnos: ¿Qué herramientas computacionales se pueden utilizar para desarrollar cada uno de los bloques?, la respuesta siempre será Python, porque cuenta con una gran cantidad de bibliotecas disponibles para cada uno, además de la gran comunidad de programadores que dan soporte en diferentes foros de programación.

Algunos ejemplos de estas bibliotecas son:
Nombre Funcionalidad principal
Tensorflow Creación de redes neuronales artificiales.
Seaborn Visualización de datos.
Pandas Manipulación de conjuntos de datos
NLTK Resolver problemas en el área del Procesamiento del Lenguaje Natural.
NumPy Computación de datos en forma de matrices multidimensionales.
Scikit-learn Procesamiento de datos y algoritmos de machine learning.

Anaconda consume muchos recursos, mejor hacer el curso en contnedores de docker que contengan notebooks de jupiter.

No hay caso.

  1. Jupyter no abre
  2. aunque lo abra manualmente no estarán los paquetes instalados
  3. aun creando el ambiente con conda y con todos los paquetes instalados al abrir jupyiter es como si no estuvieran los paquetes, entonces veo lineas como

ModuleNotFoundError: No module named ‘seaborn’

Muy buena explicación.

Para quien le interese usar anaconda con wsl para este curso y ya lo tienen configurado junto vscode pueden hacerlo de la siguiente manera:

1-Descargan la versión de linux de anaconda o miniconda.

2-Mueven la descarga a alguna de sus carpetas en wsl, pueden acceder desde el explorador de archivos escribiendo “\wsl$”

3-Lo ejecutan con su shell, por defecto es bash y sería bash + nombre del archivo, en mi caso que uso zsh por ejemplo es “zsh Anaconda3-2021.05-Linux-x86_64.sh”, tengan cuidado si les pide instalar vscode, omítanlo si ya lo tienen configurado.

4-Una vez terminen la instalación pueden reiniciar el shell con “bash” o en mi caso “zsh” y escriir por ejemplo “conda list” para verificar que quedó activo conda en el PATH.

5-Verifican si python está para ejecutarse desde el bash de Anaconda con “which python” y les debe salir la ubicación dentro de anaconda, si dejaron la ubicación de anaconda por defecto debería salir “/home/[SU USUARIO]/anaconda3/bin/python”. De no ser así pero dejaron la instalación por defecto, pueden añadirlo escribiendo “cd ~ && echo 'export PATH=”/home/[SU USUARIO]/anaconda3/bin:$PATH" > .bashrc’ o si tienen zsh por ejemplo cambian el .bashrc por .zshrc y si escogieron una ubicación distinta deben escoger esa, para confirmar donde está anaconda pueden usar “which anaconda” y el segundo “/anaconda” lo modifican por “:$PATH”

6-Actualizan conda y anaconda con “conda update conda && conda update anaconda”

7-Crean el env que se usara para el curso con “conda create --name FundamentosAL python=3.7 scipy pillow imageio matplotlib seaborn scikit-learn” y lo activando con “conda activate FundamentosAL” (recomiendo cambiar “FundamentoAL” por otro nombre y de ser posible en minusculas como “fund_alge”

8a-Ingresan a la carpeta que destinaron para el curso y la abren en VSCode con “code .” recuerden tener las extensiones de Remote - WSL

9a-Crean el archivo para la clase con terminación .ipynb, recuerden tener las extensiones de python y jupyter

10a-Para que se muestren los gráficos deben añadir en la linea del código “%matplotlib inline” en alguna parte, en lo personal lo hago junto al import

8b-Pueden ejecutar “jupyer notebook --no-browser” y usar la URL que les da para usar el notebook desde el navegador

8.5b-Si les incomoda tener que estar copiando y pegando la URL, pueden añadir su explorador como defecto para usarse en WSL con “cd ~ && echo ‘mnt/c/[RUTA DEL NAVEGADOR EN WINDOWS]’ > .bashrc” o .zshrc dependiendo del shell que usen, luego de esto ejecutan solo “jupyter notebook”

Jupyter Notebook está en el Home con la opción de instalar, similar a otras herramientas.

Si no desean tener problemas, recomiendo grabar el nombre sin espacios: Name: Platzi-FundamentosAL. Eso solucionó mi problema.

Voy a tomar el curso con Deepnote, por ahora voy bien.

No pude colocar el código en Jupyter. Instalé todo, que a proposito, las indicaciones son muy redundantes y no me ayudaron (no se si se deba al Python 3.8). Probare con el Google Colab. En todo caso desconozco por qué esque con el Anaconda.Navigator no me funcionó como menciona el texto.

Hola Gracias por esta clase, sin duda será de mucha ayuda.

¡Un increíble inicio para descubrir el poder que unas pocas líneas de código en Jupyter Notebook ofrece!

Listo 😄

Utilice mucho Jupiter Notebook en el pasado, pero ahora conozco Colab y la verdad me encantó.

Buenas noches.

Comparto el resultado del código de la clase elaborado en VS Code.

Saludos.

Estimados, una consulta un tanto quizás básica. Hasta ahora he usado el Google Colab para todos los ejercicios de Python en diversos cursos. El uso de Anaconda a efectos de aprendizaje que beneficios representa?

Para aquellos que usen distros de Linux basadas en Arch, pueden usar el comando

yay conda

en la terminal para descargar e instalar la ultima version de anaconda

Para aquellos o aquellas que tiene ubuntu:
https://www.youtube.com/watch?v=eVMvbtdUnlg

Todo Listo!!!

Para que encuentren todos los packages, den click en la lista desplegable que dice Installed y seleccionen All, posteriormente si no encuentran todos los packages den click en el recuadro Update Index…

Como última nota, el package jupyter notebook aparece simplemente como notebook

los que tengan problemas con Jupiter, pueden usar sin problemas collab, es muy sencillo y rápido de usar

encuentro pésimo que se salten la explicación de instalación por video.

Excelente documento!! sin embargo he tenido problemas a la hora de ejecutar el código, en qué parte lo debo pegar? (he intentado pegándolo en vs y guardando el archivo como .py pero no ejecuta el programa)

Como ejecuto el código en una terminal con python con las bibliotecas Instaladas?

Ejemplo creo un archivo llamado prueba.py con el siguiente codigo

import seaborn as sns vuelos = sns.load_dataset("flights") vuelos = vuelos.pivot("month", "year", "passengers") ax = sns.heatmap(vuelos) print("hola mundo")

Se que en jupyter me genera un gráfico de heatmap.
Pero ejecutanto
**$python prueba.py **en la terminal, solo se muestra el hola mundo y claro eso es cierto al fin y encuesta solo estoy generando una salida en pantalla.
Como muestro el heatmap ?

Hola, les recomiendo para trabajar con todo lo relacionado a Data Science Anaconda pero adicional a esto fusionarlo con la IDE PyCharm es super profesional y tiene un Plug-in que se llama Kite que te ayuda al proceso de autocompletar tu código, es muy cómodo trabajar con PyCharm si deseas formarte en Data Science, para instalar todo te comparto este tutorial de como instalar y enlazar PyCharm con Anaconda.
Anaconda and PyCharm Setup

Hola, hice esta prueba paso a paso en Jupyter Notebook y funciono me grafico la misma imagen y ahora hago exactamente lo mismo con Visual Studio Code y no me sale nada, corre el codigo pero nunca me muestra la imagen, ¿alguien sabe que podria ser?

Por fin se pone bueno la ruta de IA, y bien explicado

ya no entendí que hacer en la parte final donde dice: “Puedes copiar y pegar en una de las celdas en Jupyter el siguiente código”

Instale ANACONDA en ubuntu 20.xx y se demora como 3 miuntos para abrir
saben porque demora tanto usa tantos recursos?
instale mal?
tengo que utilizar alguun comando para configurar?
ayuda !!!

genial. me salio la información con el grafico

Genial, ya lo pude solucionar, pero…pero…resulta que al tratar de ejecutar el ejercicio en jupyetr notebook el antivirus de mi PC bloquea el programa python.exe porque lo detecta como un virus, ¿que puedo hacer en ese caso?¿no habrá problema si le digo a mi antivirus que lo ejecute?

ok

up and running!

Listo instalado y listo para iniciar

Vamos a darle con todo al Curso de Álgebra Lineal

Listo!

Caramba, para las personas que tomaron este curso algo ajenas al tema resulta complicada la instalación de librerías y paquetes directamente desde el propio python, visual studio code etc. Realmente me hubiera gustado conocer de esto mucho antes Jaja ¡Lo hizo ver demasiado sencillo!

Excelente!!
Vamos con todo

Ambiente listo para iniciar, estoy ansioso! 😊

Casi que no soy capaz. Para tener en cuenta, aunque no parezca, luego de instalar se debe reiniciar el equipo para que entregue la disponibilidad de las herramientas del software Anaconda. Asi me paso a mi.

Lista la imagen.

![](

listo

Listo

Todo Ok.

¡Estoy listo!

Listo para iniciar, instalación completada de acuerdo a la guía (win10)

¿Es necesario utilizar las herramientas mencionadas, por ahora estoy solo imprimiendo por consola y veo la misma matriz que el resto, saludos desde Chile 😉

year       1949  1950  1951  1952  1953  1954  1955  1956  1957  1958  1959  1960
month                                                                            
January     112   115   145   171   196   204   242   284   315   340   360   417
February    118   126   150   180   196   188   233   277   301   318   342   391
March       132   141   178   193   236   235   267   317   356   362   406   419
April       129   135   163   181   235   227   269   313   348   348   396   461
May         121   125   172   183   229   234   270   318   355   363   420   472
June        135   149   178   218   243   264   315   374   422   435   472   535
July        148   170   199   230   264   302   364   413   465   491   548   622
August      148   170   199   242   272   293   347   405   467   505   559   606
September   136   158   184   209   237   259   312   355   404   404   463   508
October     119   133   162   191   211   229   274   306   347   359   407   461
November    104   114   146   172   180   203   237   271   305   310   362   390
December    118   140   166   194   201   229   278   306   336   337   405   432

ya quedó, pero, por qué me sale ese mensaje?


Empecemos.

![](

¿Descargo solo el primer resultado o todos?

excelente

😄