4Geeks logo
4Geeks logo

Courses

Explora nuestra extensa colección de cursos diseñados para ayudarte a dominar varios temas y habilidades. Ya seas un principiante o un aprendiz avanzado, aquí hay algo para todos.

Coding Bootcamp

Aprende en vivo

Únete a nosotros en nuestros talleres gratuitos, webinars y otros eventos para aprender más sobre nuestros programas y comenzar tu camino para convertirte en desarrollador.

Próximos eventos en vivo

Catálogo de contenidos

Para los geeks autodidactas, este es nuestro extenso catálogo de contenido con todos los materiales y tutoriales que hemos desarrollado hasta el día de hoy.

Tiene sentido comenzar a aprender leyendo y viendo videos sobre los fundamentos y cómo funcionan las cosas.

Full-Stack Software Developer - 16w

Data Science and Machine Learning - 16 wks

Buscar en lecciones


IngresarEmpezar
← Regresar a lecciones

Weekly Coding Challenge

Todas las semanas escogemos un proyecto de la vida real para que construyas tu portafolio y te prepares para conseguir un trabajo. Todos nuestros proyectos están construidos con ChatGPT como co-pilot!

Únete al reto

Podcast: Code Sets You Free

Un podcast de cultura tecnológica donde aprenderás a luchar contra los enemigos que te bloquean en tu camino para convertirte en un profesional exitoso en tecnología.

Escuchar el podcast
Editar en Github
Abrir en Colab

Graficar funciones con Python

Graficar Funciones con Python

Graficar datos en Python es muy similar al proceso que haces en álgebra lineal: Dado un ejemplo de X valores usas una función para obtener los valores de Y y graficas la intersección de las coordenadas X y Y en el plano cartesiano.

En Python usamos:

  1. El paquete Numpy para obtener los valores de X y Y.
  2. El módulo Pyplot de la librería matplotlib para graficar y dibujar la función.
In [3]:
# Importar el módulo de Python para graficar
import matplotlib.pyplot as plt
import numpy as np

Si no tienes datos reales para graficar, puedes usar Numpy para generar algunos valores de muestra, por ejemplo:

Acá Numpy va a generar una lista de valores equidistantes de -3 a +3.

In [5]:
x_axis = np.linspace(-3,3)
x_axis
Out[5]:
array([-3.        , -2.87755102, -2.75510204, -2.63265306, -2.51020408,
       -2.3877551 , -2.26530612, -2.14285714, -2.02040816, -1.89795918,
       -1.7755102 , -1.65306122, -1.53061224, -1.40816327, -1.28571429,
       -1.16326531, -1.04081633, -0.91836735, -0.79591837, -0.67346939,
       -0.55102041, -0.42857143, -0.30612245, -0.18367347, -0.06122449,
        0.06122449,  0.18367347,  0.30612245,  0.42857143,  0.55102041,
        0.67346939,  0.79591837,  0.91836735,  1.04081633,  1.16326531,
        1.28571429,  1.40816327,  1.53061224,  1.65306122,  1.7755102 ,
        1.89795918,  2.02040816,  2.14285714,  2.26530612,  2.3877551 ,
        2.51020408,  2.63265306,  2.75510204,  2.87755102,  3.        ])

Podemos usar estos valores como "semilla" o parámetros X para obtener los valores de Y usando cualquier función de álgebra lineal. Este es un ejemplo usando la función cuadrática.

In [6]:
x_axis = np.linspace(-3,3)

def square(x): return x**2

y_axis = square(x_axis)

plt.plot(x_axis, y_axis)
Out[6]:
[<matplotlib.lines.Line2D at 0x7f79e4a4b490>]
No description has been provided for this image

Las Funciones Elementales en Álgebra Lineal

Los patrones de datos puedes ser descritos por medio de funciones algebraicas, y puedes graficar y visualizarlos en gráficos.

Los siguientes son llamados en álgebra lineal como "Funciones Elementales" y van a cubrir el 95% de tus patrones de datos.

parent functions

Graficar Funciones Elementales

Aquí hay algunos ejemplos de cómo graficar funciones elementales en ágebra lineal, primero importamos Numpy porque contiene las funciones:

In [2]:
import numpy as np

# start by defining a simple x axis and the Y axis will be given by our parent function
x_axis = np.linspace(-3,3,1000)

Función Cuadrática

In [13]:
def square(x): return x**2
plt.plot(x_axis, square(x_axis))
Out[13]:
[<matplotlib.lines.Line2D at 0x7f97ffe975e0>]
No description has been provided for this image

Función Seno

In [12]:
def sen_function(x): return np.sin(x)
plt.plot(x_axis, sen_function(x_axis))
Out[12]:
[<matplotlib.lines.Line2D at 0x7f98021a1ea0>]
No description has been provided for this image

Función Exponencial

In [4]:
def explonential(x): return 100*(np.power(2, x))

plt.plot(x_axis, explonential(x_axis))
Out[4]:
[<matplotlib.lines.Line2D at 0x7f8eefdab520>]
No description has been provided for this image

Función Logarítmica

In [6]:
def logarithmic(x): return np.log10(x)

plt.plot(x_axis, logarithmic(x_axis))
/tmp/ipykernel_2148/3025676228.py:1: RuntimeWarning: invalid value encountered in log10
  def logarithmic(x): return np.log10(x)
Out[6]:
[<matplotlib.lines.Line2D at 0x7f8eedb2feb0>]
No description has been provided for this image