50% OFF Plus
--:--:--
¡Obtener!

Numpy estadísticas sobre dataset inmuebles Madrid

Proyecto de programación
Avanzado
Numpy
Curso de Numpy
50 min
500 XP
Actualizado: 20/12/2024

¡Programa y certifícate!

Asistente de IA
Solución de código
Certificado
Empezar ejercicio

Descripción

Analiza el dataset de propiedades de Madrid realizando cálculos estadísticos, visualizaciones, detección de outliers y contrastes de hipótesis usando Python, NumPy, Matplotlib y Seaborn.

  1. Preparación del entorno:

    • Asegúrate de tener instalado Python y las librerías NumPy, Matplotlib y Seaborn.
    • Descarga el dataset desde Kaggle y descomprímelo si es necesario.
    • Configura tu entorno de trabajo en Visual Studio Code y crea un nuevo Jupyter Notebook.
  2. Carga de datos:

    • Utiliza np.genfromtxt para cargar los datos en un array NumPy.
    • Verifica que los datos se hayan cargado correctamente examinando algunas filas.
  3. Preprocesamiento de datos:

    • Elimina la cadena ", Madrid" de la columna address utilizando funciones de NumPy.
    • Maneja los valores faltantes o anomalías en los datos si existen.
  4. Análisis estadístico y visualización:

    • Calcula la media, mediana, máximo y mínimo de las columnas numéricas.
    • Genera histogramas y curvas de densidad para visualizar las distribuciones.
    • Identifica posibles sesgos o patrones en los datos.
  5. Análisis de cuartiles y dispersión:

    • Calcula los cuartiles y el IQR de las columnas numéricas.
    • Filtra el 20% de las propiedades más caras y más baratas; analiza sus características.
    • Opcional: Filtra los barrios del 20% de las propiedades más baratas y analiza la moda.
    • Calcula la varianza y la desviación estándar.
  6. Detección y visualización de outliers:

    Guarda tu progreso

    Inicia sesión para no perder tu progreso y accede a miles de tutoriales, ejercicios prácticos y nuestro asistente de IA.

    Progreso guardado
    Asistente IA
    Ejercicios
    Iniciar sesión gratis

    Más de 25.000 desarrolladores ya confían en CertiDevs

    • Aplica los métodos de Tukey y z-score para detectar outliers.
    • Visualiza los outliers en gráficos, señalando los límites en rojo y azul.
  7. Análisis de correlación y estandarización:

    • Calcula la matriz de correlación entre las variables numéricas.
    • Representa la matriz de correlación usando un mapa de calor (heatmap).
    • Estandariza las columnas numéricas y observa los efectos en las correlaciones.
  8. Análisis de asimetría y curtosis:

    • Calcula la asimetría y curtosis de las distribuciones.
    • Aplica transformaciones a las distribuciones (logarítmica, raíz cuadrada) y analiza los resultados.
  9. Contraste de hipótesis:

    • Selecciona dos barrios (X e Y) e hipótesis a contrastar sobre sus precios.
    • Realiza pruebas estadísticas (e.g., t-test) para contrastar las hipótesis planteadas.
    • Interpreta los resultados y concluye sobre las hipótesis.

Solución al ejercicio de programación en Numpy

Contenido bloqueado

¡Desbloquea la solución completa!

Completa el ejercicio de programación en Numpy para acceder a la solución paso a paso, explicaciones detalladas y mejores prácticas.

solution.js
JavaScript
1 function solveChallenge ( input ) {
2 // Algoritmo optimizado O(n log n)
3 const data = parseInput ( input );
4 const sorted = data . sort (( a , b ) => a - b );
5
6 // Aplicar técnica de dos punteros
7 let left = 0 , right = sorted . length - 1 ;
8 const result = [];
9
10 while ( left < right ) {
11 const sum = sorted [ left ] + sorted [ right ];
12 if ( sum === target ) {
13 result . push ([ sorted [ left ], sorted [ right ]]);
14 left ++; right --;
15 } else if ( sum < target ) {
16 left ++;
17 } else {
18 right --;
19 }
20 }
21
22 return result ;
23 }
Código completo
Explicaciones
Mejores prácticas
+1.200 developers han resuelto este ejercicio de programación

Practica con ejercicios de programación en Numpy

Mejora tus habilidades con cientos de ejercicios de práctica, recibe retroalimentación instantánea y obtén tu certificación cuando estés listo.

Asistente de IA

Aprende de tus errores

Progreso

Mide tu avance

Certificación

Valida tus habilidades

Únete a miles de desarrolladores mejorando sus habilidades en Numpy

⭐⭐⭐⭐⭐
4.9/5 valoración