Update structure
Signed-off-by: Manuel Vergara <manuel@vergaracarmona.es>
This commit is contained in:
parent
13f01de361
commit
19f22f039a
@ -43,5 +43,6 @@ Documento original en inglés: [Introduction](https://github.com/Asabeneh/30-Day
|
||||
- Escribe un ejemplo para diferentes tipos de datos en Python, como Número (Entero, Flotante, Complejo), Cadena de texto, Booleano, Lista, Tupla, Conjunto y Diccionario.
|
||||
- Encuentra la distancia euclidiana entre (2, 3) y (10, 8).
|
||||
|
||||
[Solución](./03_introduccion.py)
|
||||
|
||||
[Solución](./03_introduccion.py)
|
||||
[<< INTRO](../README.md) | [Day 2 >>](../02_Variables_funciones_incorporadas/README.md)
|
@ -41,3 +41,5 @@ Documento original en inglés: [Variables, Builtin Functions](https://github.com
|
||||
- Ejecuta `help('keywords')` en la terminal de Python o en tu archivo para verificar las palabras reservadas o palabras clave de Python.
|
||||
|
||||
[Solución](./variables.py)
|
||||
|
||||
[<< Day 1](../01_Introducción/README.md) | [Day 3 >>](../03_Operadores/README.md)
|
||||
|
@ -3,3 +3,5 @@
|
||||
Documento original en inglés: [Operators](https://github.com/Asabeneh/30-Days-Of-Python/blob/master/03_Day_Operators/03_operators.md)
|
||||
|
||||
[Solución](./01_operadores.py)
|
||||
|
||||
[<< Day 2](../02_Variables_funciones_incorporadas/README.md) | [Day 4 >>](../04_Cadenas/README.md)
|
||||
|
@ -69,3 +69,5 @@ El área de un círculo con radio 10 es de 314 metros cuadrados.
|
||||
```
|
||||
|
||||
[Solución](./01_cadenas.py)
|
||||
|
||||
[<< Day 3](../03_Operadores/README.md) | [Day 5 >>](../05_Listas/README.md)
|
||||
|
@ -87,3 +87,5 @@ edades = [19, 22, 19, 24, 20, 25, 26, 24, 25, 24]
|
||||
- Desempaqueta los primeros tres países y el resto como países escandinavos.
|
||||
|
||||
[Solución](./01_listas.py)
|
||||
|
||||
[<< Day 4](../04_Cadenas/README.md) | [Day 6 >>](../06_Tuplas/README.md)
|
||||
|
@ -40,3 +40,5 @@ nordic_countries = ('Dinamarca', 'Finlandia', 'Islandia', 'Noruega', 'Suecia')
|
||||
```
|
||||
|
||||
[Solución](01_tuplas.py)
|
||||
|
||||
[<< Day 5](../05_Listas/README.md) | [Day 7 >>](../07_Conjuntos/README.md)
|
||||
|
@ -48,3 +48,5 @@ age = [22, 19, 24, 25, 26, 24, 25, 24]
|
||||
3. Soy un profesor y me encanta inspirar y enseñar a la gente. ¿Cuántas palabras únicas se han utilizado en la oración? Utiliza los métodos `split` y `set` para obtener las palabras únicas.
|
||||
|
||||
[Solución](./01_sets.py)
|
||||
|
||||
[<< Day 6](../06_Tuplas/README.md) | [Day 8 >>](../08_Diccionarios/README.md)
|
||||
|
@ -27,3 +27,5 @@ Documento original en inglés: [Dictionaries](https://github.com/Asabeneh/30-Day
|
||||
11. Elimina uno de los diccionarios por completo.
|
||||
|
||||
[Solución](01_dic.py)
|
||||
|
||||
[<< Day 7](../07_Conjuntos/README.md) | [Day 9 >>](../09_Condicionales/README.md)
|
||||
|
@ -83,3 +83,5 @@ Asabeneh Yetayeh vive en Finlandia. Está casado.
|
||||
```
|
||||
|
||||
[Solución](./01_condicionales.py)
|
||||
|
||||
[<< Day 8](../08_Diccionarios/README.md) | [Day 10 >>](../10_Bucles/README.md)
|
||||
|
@ -85,3 +85,5 @@ La suma de todos los números pares es 2550. Y la suma de todos los números imp
|
||||
- Encuentra los 10 países más poblados del mundo.
|
||||
|
||||
[Solución](03_bucles.py)
|
||||
|
||||
[<< Day 9](../09_Condicionales/README.md) | [Day 10 >>](../10_Bucles/README.md)
|
||||
|
@ -90,3 +90,5 @@ print(evens_and_odds(100))
|
||||
- Crea una función llamada `most_spoken_languages_in_the_world`. Debe devolver las 10 o 20 lenguas más habladas en el mundo en orden descendente.
|
||||
|
||||
- Crea una función llamada `most_populated_countries`. Debe devolver los 10 o 20 países más poblados en orden descendente.
|
||||
|
||||
[<< Day 10](../10_Bucles/README.md) | [Day 12 >>](../12_Módulos/README.md)
|
||||
|
@ -64,3 +64,5 @@ Ejercicios: Nivel 3
|
||||
2. Escribe una función que devuelva una matriz de siete números aleatorios en un rango de 0-9. Todos los números deben ser únicos.
|
||||
|
||||
[Solución](01_modulos.py)
|
||||
|
||||
[<< Day 11](../11_Funciones/README.md) | [Day 13 >>](../13_Comprensión_de_listas/README.md)
|
||||
|
@ -62,3 +62,5 @@ names = [[('Asabeneh', 'Yetayeh')], [('David', 'Smith')], [('Donald', 'Trump')],
|
||||
# Resultado: ['Asabeneh Yetayeh', 'David Smith', 'Donald Trump', 'Bill Gates']
|
||||
```
|
||||
7. Escribe una función lambda que pueda resolver una pendiente o una ordenada al origen de funciones lineales.
|
||||
|
||||
[<< Day 12](../12_Módulos/README.md) | [Day 14 >>](../14_Funciones_de_orden_superior/README.md)
|
||||
|
@ -43,3 +43,5 @@ numbers = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
|
||||
- Ordena los países por nombre, capital y población.
|
||||
- Filtra los diez idiomas más hablados por ubicación.
|
||||
- Filtra los diez países más poblados.
|
||||
|
||||
[<< Day 13](../13_Comprensión_de_listas/README.md) | [Day 15 >>](../15_Errores_de_tipo_en_Python/README.md)
|
||||
|
@ -5,3 +5,5 @@ Documento original en inglés: [Python Type Errors](https://github.com/Asabeneh/
|
||||
## Ejercicios
|
||||
|
||||
1. Abre tu shell interactivo de Python y prueba todos los ejemplos cubiertos en esta sección.
|
||||
|
||||
[<< Day 14](../14_Funciones_de_orden_superior/README.md) | [Day 16 >>](../16_Fecha_y_hora_en_Python/README.md)
|
||||
|
@ -13,3 +13,5 @@ Documento original en inglés: [Python Date time](https://github.com/Asabeneh/30
|
||||
- Análisis de series temporales.
|
||||
- Obtener una marca de tiempo de cualquier actividad en una aplicación.
|
||||
- Publicar entradas en un blog.
|
||||
|
||||
[<< Day 15](../15_Errores_de_tipo_en_Python/README.md) | [Day 17 >>](../17_Manejo_de_excepciones/README.md)
|
||||
|
@ -10,3 +10,4 @@ names = ['Finland', 'Sweden', 'Norway', 'Denmark', 'Iceland', 'Estonia', 'Russia
|
||||
|
||||
1. Desempaca los cinco primeros países y almacénalos en una variable llamada 'nordic_countries', almacena 'Estonia' y 'Russia' en variables 'es' y 'ru' respectivamente.
|
||||
|
||||
[<< Day 16](../16_Fecha_y_hora_en_Python/README.md) | [Day 18 >>](../18_Expresiones_regulares/README.md)
|
||||
|
@ -69,3 +69,5 @@ print(clean_text(sentence));
|
||||
I am a teacher and I love teaching There is nothing as more rewarding as educating and empowering people I found teaching more interesting than any other jobs Does this motivate you to be a teacher
|
||||
print(most_frequent_words(cleaned_text)) # [(3, 'I'), (2, 'teaching'), (2, 'teacher')]
|
||||
```
|
||||
|
||||
[<< Day 17](../17_Manejo_de_excepciones/README.md) | [Day 19 >>](../19_Manipulación_de_archivos/README.md)
|
||||
|
@ -4,4 +4,110 @@ Documento original en inglés: [file handling](https://github.com/Asabeneh/30-Da
|
||||
|
||||
## Ejercicios
|
||||
|
||||
...
|
||||
### Ejercicios: Nivel 1
|
||||
|
||||
1. Escribe una función que cuente el número de líneas y palabras en un texto. Todos los archivos se encuentran en la carpeta data:
|
||||
a) Lee el archivo obama_speech.txt y cuenta el número de líneas y palabras
|
||||
b) Lee el archivo michelle_obama_speech.txt y cuenta el número de líneas y palabras
|
||||
c) Lee el archivo donald_speech.txt y cuenta el número de líneas y palabras
|
||||
d) Lee el archivo melina_trump_speech.txt y cuenta el número de líneas y palabras
|
||||
|
||||
|
||||
2. Lee el archivo de datos countries_data.json en el directorio data, crea una función que encuentre los diez idiomas más hablados.
|
||||
|
||||
```py
|
||||
# Tu resultado debería lucir de la siguiente manera
|
||||
print(idiomas_mas_hablados(archivo='./data/countries_data.json', top=10))
|
||||
[
|
||||
{'idioma': 'Inglés', 'cantidad': 91},
|
||||
{'idioma': 'Francés', 'cantidad': 45},
|
||||
{'idioma': 'Árabe', 'cantidad': 25},
|
||||
{'idioma': 'Español', 'cantidad': 24},
|
||||
{'idioma': 'Ruso', 'cantidad': 9},
|
||||
{'idioma': 'Portugués', 'cantidad': 9},
|
||||
{'idioma': 'Holandés', 'cantidad': 8},
|
||||
{'idioma': 'Alemán', 'cantidad': 7},
|
||||
{'idioma': 'Chino', 'cantidad': 5},
|
||||
{'idioma': 'Suajili', 'cantidad': 4}
|
||||
]
|
||||
|
||||
# Tu resultado debería lucir de la siguiente manera
|
||||
print(idiomas_mas_hablados(archivo='./data/countries_data.json', top=3))
|
||||
[
|
||||
{'idioma': 'Inglés', 'cantidad': 91},
|
||||
{'idioma': 'Francés', 'cantidad': 45},
|
||||
{'idioma': 'Árabe', 'cantidad': 25}
|
||||
]
|
||||
```
|
||||
|
||||
3. Lee el archivo de datos countries_data.json en el directorio data, crea una función que genere una lista de los diez países más poblados.
|
||||
|
||||
```py
|
||||
# Tu resultado debería lucir de la siguiente manera
|
||||
print(paises_mas_poblados(archivo='./data/countries_data.json', top=10))
|
||||
[
|
||||
{'país': 'China', 'población': 1377422166},
|
||||
{'país': 'India', 'población': 1295210000},
|
||||
{'país': 'Estados Unidos de América', 'población': 323947000},
|
||||
{'país': 'Indonesia', 'población': 258705000},
|
||||
{'país': 'Brasil', 'población': 206135893},
|
||||
{'país': 'Pakistán', 'población': 194125062},
|
||||
{'país': 'Nigeria', 'población': 186988000},
|
||||
{'país': 'Bangladesh', 'población': 161006790},
|
||||
{'país': 'Federación Rusa', 'población': 146599183},
|
||||
{'país': 'Japón', 'población': 126960000}
|
||||
]
|
||||
|
||||
# Tu resultado debería lucir de la siguiente manera
|
||||
print(paises_mas_poblados(archivo='./data/countries_data.json', top=3))
|
||||
[
|
||||
{'país': 'China', 'población': 1377422166},
|
||||
{'país': 'India', 'población': 1295210000},
|
||||
{'país': 'Estados Unidos de América', 'población': 323947000}
|
||||
]
|
||||
```
|
||||
|
||||
### Ejercicios: Nivel 2
|
||||
|
||||
1. Extrae todas las direcciones de correo electrónico entrantes como una lista del archivo email_exchange_big.txt.
|
||||
2. Encuentra las palabras más comunes en el idioma inglés. Llama a tu función encontrar_palabras_mas_comunes, tomará dos parámetros: una cadena o un archivo y un número entero positivo que indicará la cantidad de palabras. Tu función devolverá una lista de tuplas en orden descendente. Comprueba el resultado.
|
||||
|
||||
```py
|
||||
# Tu resultado debería lucir de la siguiente manera
|
||||
print(encontrar_palabras_mas_comunes('muestra.txt', 10))
|
||||
[(10, 'the'),
|
||||
(8, 'be'),
|
||||
(6, 'to'),
|
||||
(6, 'of'),
|
||||
(5, 'and'),
|
||||
(4, 'a'),
|
||||
(4, 'in'),
|
||||
(3, 'that'),
|
||||
(2, 'have'),
|
||||
(2, 'I')]
|
||||
|
||||
# Tu resultado debería lucir de la siguiente manera
|
||||
print(encontrar_palabras_mas_comunes('muestra.txt', 5))
|
||||
[(10, 'the'),
|
||||
(8, 'be'),
|
||||
(6, 'to'),
|
||||
(6, 'of'),
|
||||
(5, 'and')]
|
||||
```
|
||||
|
||||
3. Utiliza la función encontrar_palabras_mas_comunes para encontrar:
|
||||
a) Las diez palabras más frecuentes utilizadas en el discurso de Obama
|
||||
b) Las diez palabras más frecuentes utilizadas en el discurso de Michelle
|
||||
d) Las diez palabras más frecuentes utilizadas en el discurso de Melina
|
||||
c) Las diez palabras más frecuentes utilizadas en el discurso de Trump
|
||||
|
||||
4. Escribe una aplicación Python que verifique la similitud entre dos textos. Toma un archivo o una cadena como parámetro y evaluará la similitud entre los dos textos. Es posible que necesites un par de funciones: una para limpiar el texto (limpiar_texto), una para eliminar las palabras de soporte (eliminar_palabras_soporte) y finalmente para verificar la similitud (verificar_similitud_texto). La lista de palabras de paro se encuentra en el directorio data.
|
||||
|
||||
5. Encuentra las 10 palabras más repetidas en romeo_and_juliet.txt.
|
||||
|
||||
6. Lee el archivo CSV de hacker news y averigua:
|
||||
a) Cuántas líneas contienen python o Python
|
||||
b) Cuántas líneas contienen JavaScript, javascript o Javascript
|
||||
c) Cuántas líneas contienen Java y no JavaScript
|
||||
|
||||
[<< Day 18](../18_Expresiones_regulares/README.md) | [Day 20 >>](../20_Gestor_de_paquetes_de_Python/README.md)
|
||||
|
@ -4,4 +4,20 @@ Documento original en inglés: [python package manager](https://github.com/Asabe
|
||||
|
||||
## Ejercicios
|
||||
|
||||
...
|
||||
1. Lee esta URL y encuentra las 10 palabras más frecuentes. Romeo y Julieta: 'http://www.gutenberg.org/files/1112/1112.txt'
|
||||
|
||||
2. Lee la API de gatos y la URL: 'https://api.thecatapi.com/v1/breeds' y encuentra:
|
||||
|
||||
- El mínimo, máximo, promedio, mediana y desviación estándar del peso de los gatos en unidades métricas.
|
||||
- El mínimo, máximo, promedio, mediana y desviación estándar de la esperanza de vida de los gatos en años.
|
||||
- Crea una tabla de frecuencias de países y razas de gatos.
|
||||
|
||||
3. Lee la [API de países](https://restcountries.eu/rest/v2/all) y encuentra:
|
||||
|
||||
- Los 10 países más grandes.
|
||||
- Los 10 idiomas más hablados.
|
||||
- El número total de idiomas en la API de países.
|
||||
|
||||
4. La Universidad de California en Irvine (UCI) es uno de los lugares más comunes para obtener conjuntos de datos para ciencia de datos y aprendizaje automático. Lee el contenido de UCI (https://archive.ics.uci.edu/ml/datasets.php). Sin bibliotecas adicionales, puede ser difícil, por lo que puedes intentarlo con BeautifulSoup4.
|
||||
|
||||
[<< Day 19](../19_Manipulación_de_archivos/README.md) | [Day 21 >>](../21_Clases_y_objetos/README.md)
|
||||
|
@ -4,4 +4,44 @@ Documento original en inglés: [Classes and Objects](https://github.com/Asabeneh
|
||||
|
||||
## Ejercicios
|
||||
|
||||
...
|
||||
### Ejercicios: Nivel 1
|
||||
|
||||
1. Python tiene el módulo llamado estadísticas y podemos usar este módulo para realizar todos los cálculos estadísticos. Sin embargo, para aprender a crear funciones y reutilizar funciones, intentemos desarrollar un programa que calcule la medida de tendencia central de una muestra (media, mediana, moda) y la medida de variabilidad (rango, varianza, desviación estándar). Además de esas medidas, encuentra el mínimo, máximo, recuento, percentil y distribución de frecuencia de la muestra. Puedes crear una clase llamada Estadísticas y crear todas las funciones que realicen cálculos estadísticos como métodos para la clase Estadísticas. Mira la salida a continuación.
|
||||
|
||||
```python
|
||||
edades = [31, 26, 34, 37, 27, 26, 32, 32, 26, 27, 27, 24, 32, 33, 27, 25, 26, 38, 37, 31, 34, 24, 33, 29, 26]
|
||||
|
||||
print('Recuento:', data.count()) # 25
|
||||
print('Suma: ', data.sum()) # 744
|
||||
print('Mínimo: ', data.min()) # 24
|
||||
print('Máximo: ', data.max()) # 38
|
||||
print('Rango: ', data.range()) # 14
|
||||
print('Media: ', data.mean()) # 30
|
||||
print('Mediana: ', data.median()) # 29
|
||||
print('Moda: ', data.mode()) # {'moda': 26, 'recuento': 5}
|
||||
print('Desviación Estándar: ', data.std()) # 4.2
|
||||
print('Varianza: ', data.var()) # 17.5
|
||||
print('Distribución de Frecuencia: ', data.freq_dist()) # [(20.0, 26), (16.0, 27), (12.0, 32), (8.0, 37), (8.0, 34), (8.0, 33), (8.0, 31), (8.0, 24), (4.0, 38), (4.0, 29), (4.0, 25)]
|
||||
```
|
||||
|
||||
```python
|
||||
# Tu resultado debería lucir de la siguiente manera
|
||||
print(data.describe())
|
||||
Recuento: 25
|
||||
Suma: 744
|
||||
Mínimo: 24
|
||||
Máximo: 38
|
||||
Rango: 14
|
||||
Media: 30
|
||||
Mediana: 29
|
||||
Moda: (26, 5)
|
||||
Varianza: 17.5
|
||||
Desviación Estándar: 4.2
|
||||
Distribución de Frecuencia: [(20.0, 26), (16.0, 27), (12.0, 32), (8.0, 37), (8.0, 34), (8.0, 33), (8.0, 31), (8.0, 24), (4.0, 38), (4.0, 29), (4.0, 25)]
|
||||
```
|
||||
|
||||
### Ejercicios: Nivel 2
|
||||
|
||||
1. Crea una clase llamada CuentaPersona. Tiene propiedades de nombre, apellido, ingresos, gastos y tiene métodos de total_ingreso, total_gasto, info_cuenta, agregar_ingreso, agregar_gasto y saldo_cuenta. Ingresos es un conjunto de ingresos y su descripción. Lo mismo ocurre con los gastos.
|
||||
|
||||
[<< Day 20](../20_Gestor_de_paquetes_de_Python/README.md) | [Day 22 >>](../22_Web_scraping/README.md)
|
||||
|
@ -4,4 +4,10 @@ Documento original en inglés: [Web Scraping](https://github.com/Asabeneh/30-Day
|
||||
|
||||
## Ejercicios
|
||||
|
||||
...
|
||||
1. Realiza un raspado web del siguiente sitio web y guarda los datos en un archivo JSON (URL = 'http://www.bu.edu/president/boston-university-facts-stats/').
|
||||
|
||||
2. Extrae la tabla de esta URL (https://archive.ics.uci.edu/ml/datasets.php) y conviértela en un archivo JSON.
|
||||
|
||||
3. Realiza un raspado web de la tabla de presidentes y guarda los datos como JSON (https://en.wikipedia.org/wiki/List_of_presidents_of_the_United_States). La tabla no está muy estructurada y el proceso de raspado puede llevar mucho tiempo.
|
||||
|
||||
[<< Day 21](../21_Clases_y_objetos/README.md) | [Day 23 >>](../23_Entorno_virtual/README.md)
|
||||
|
@ -4,4 +4,6 @@ Documento original en inglés: [Virtual Environment](https://github.com/Asabeneh
|
||||
|
||||
## Ejercicios
|
||||
|
||||
...
|
||||
1. Crea un directorio de proyecto con un entorno virtual basado en el ejemplo dado arriba.
|
||||
|
||||
[<< Day 22](../22_Web_scraping/README.md) | [Day 24 >>](../24_Estadísticas/README.md)
|
||||
|
@ -4,4 +4,6 @@ Documento original en inglés: [statistics](https://github.com/Asabeneh/30-Days-
|
||||
|
||||
## Ejercicios
|
||||
|
||||
...
|
||||
1. Repite todos los [ejemplos](https://github.com/Asabeneh/30-Days-Of-Python/blob/master/24_Day_Statistics/24_statistics.md)
|
||||
|
||||
[<< Day 23](../23_Entorno_virtual/README.md) | [Day 25 >>](../25_Pandas/README.md)
|
||||
|
@ -4,4 +4,17 @@ Documento original en inglés: [Pandas](https://github.com/Asabeneh/30-Days-Of-P
|
||||
|
||||
## Ejercicios
|
||||
|
||||
...
|
||||
1. Lee el archivo hacker_news.csv del directorio de datos.
|
||||
|
||||
2. Obtén las primeras cinco filas.
|
||||
|
||||
3. Obtén las últimas cinco filas.
|
||||
|
||||
4. Obtén la columna de títulos como una serie de pandas.
|
||||
|
||||
5. Cuenta el número de filas y columnas.
|
||||
- Filtra los títulos que contengan "python".
|
||||
- Filtra los títulos que contengan "JavaScript".
|
||||
- Explora los datos y dales sentido.
|
||||
|
||||
[<< Day 24](../24_Estadísticas/README.md) | [Day 26 >>](../26_Desarrollo_web_en_Python/README.md)
|
||||
|
@ -4,4 +4,6 @@ Documento original en inglés: [Python web](https://github.com/Asabeneh/30-Days-
|
||||
|
||||
## Ejercicios
|
||||
|
||||
...
|
||||
1. Construirás esta [aplicación](https://thirtydaysofpython-v1-final.herokuapp.com/). Solo queda la parte del analizador de texto.
|
||||
|
||||
[<< Day 25](../25_Pandas/README.md) | [Day 27 >>](../27_Python_con_MongoDB/README.md)
|
||||
|
@ -4,4 +4,6 @@ Documento original en inglés: [Python with MondoDB](https://github.com/Asabeneh
|
||||
|
||||
## Ejercicios
|
||||
|
||||
...
|
||||
Repasar [ejemplos](https://github.com/Asabeneh/30-Days-Of-Python/blob/master/27_Day_Python_with_mongodb/27_python_with_mongodb.md)
|
||||
|
||||
[<< Day 26](../26_Desarrollo_web_en_Python/README.md) | [Day 28 >>](../28_API/README.md)
|
||||
|
@ -4,4 +4,6 @@ Documento original en inglés: [API](https://github.com/Asabeneh/30-Days-Of-Pyth
|
||||
|
||||
## Ejercicios
|
||||
|
||||
...
|
||||
1. Lee sobre API y HTTP.
|
||||
|
||||
[<< Day 27](../27_Python_con_MongoDB/README.md) | [Day 29 >>](../29_Construcción_de_API/README.md)
|
||||
|
@ -4,4 +4,6 @@ Documento original en inglés: [Building an API](https://github.com/Asabeneh/30-
|
||||
|
||||
## Ejercicios
|
||||
|
||||
...
|
||||
1. Implementa el ejemplo anterior y desarrolla [esto](https://thirtydayofpython-api.herokuapp.com/).
|
||||
|
||||
[<< Day 28](../28_API/README.md) | [Day 30 >>](https://github.com/Asabeneh/30-Days-Of-Python/blob/master/30_Day_Conclusions/30_conclusions.md)
|
||||
|
Loading…
Reference in New Issue
Block a user