jmquintana79

df = df.astype({col: 'float32' for col in df.select_dtypes(include='float64').columns})

jmquintana79

Comandos básicos

Poetry es una herramienta de gestión de dependencias y empaquetado en Python que simplifica la gestión de proyectos. Aquí tienes algunos comandos básicos para manejar dependencias con Poetry:

1. Inicializar un proyecto nuevo:

poetry init

Este comando te guiará a través de una serie de preguntas para configurar un nuevo proyecto de Poetry. Básicamente crea el archivo pyproject.toml. Este archivo es utilizado para definir las dependencias del proyecto, la versión de Python, la configuración del entorno y otros metadatos del paquete, como el nombre, la versión y el autor.

jmquintana79

Automated Code Style

black (ESSENTIAL and alternative to ruff)

Code style formatting automatically. Possible in pre-commit. https://black.readthedocs.io/en/stable/ > black main.py

ruff (ESSENTIAL and alternative to black allthough more complete)

Code style linting for checking and formatting automatically.

jmquintana79

import os
# given a path file
path = '/ruta/a/tu/carpeta/fichero.txt'

# parse filename
file_name = os.path.basename(path)
print(file_name)  # Output: 'fichero.txt'

# pase folder name
folder_name = os.path.dirname(path)

jmquintana79

Automated Documentation

interrogate (ESSENTIAL)

• https://interrogate.readthedocs.io/en/latest/index.html
• It will check and warn you if you have failed to write docstrings for your code.
• Sin informacion, solo muestra la metrica final: > interrogate {path}
• Con informacion basica de cada script: > interrogate -v {path}

jmquintana79

Invoke Commands - Getting started

References

• Getting started
• Invoking tasks

Commands

• invoke = inv: Comando principal que solo funciona donde hay un fichero tasks.py.

jmquintana79

df = df.astype({col: 'float32' for col in df.select_dtypes('float64').columns})

jmquintana79

from matplotlib import cm
selection_i = 1
total = 10
color = cm.jet(float(selection_i) / total)

jmquintana79

from sklearn.metrics import silhouette_samples
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt
import numpy as np

## quantification of clustering quality via silhouette metric
def quantification_clustering_quality(X:np.array, y_km:np.array, verbose:bool = False)->np.array:
    """
    Quantification of clustering quality via silhouette metric.
    X -- Array of features used to estimate the clustering.

jmquintana79

from sklearn.metrics import silhouette_samples
import numpy as np
import matplotlib.pyplot as plt
from matplotlib import cm

## quantification of clustering quality via silhouette plot
def plot_quantification_clustering_quality(X:np.array, y_km:np.array):   
  """
    Quantification of clustering quality via silhouette analysis plot.
    X -- Array of features used to estimate the clustering.