Tipos de datos de Python para ciencia de datos
int, float, complex, bool, str: cómo la precisión y la elección del tipo afectan al análisis de datos.
Tipos de datos de Python para ciencia de datos es una lección gratuita de Learn AI with Python en CoddyKit. Esta es la lección 3 de 4. Puedes leer la lección completa abajo gratuitamente — luego la practicas en el navegador con un editor de código integrado y un tutor de IA 24/7. Forma parte de la ruta de aprendizaje de Learn AI with Python, y tu progreso se sincroniza en la web y la app de CoddyKit. El curso de Learn AI with Python incluye 4 lecciones en total.
Números en ciencia de datos
Python tiene dos tipos numéricos fundamentales: int (números enteros de precisión arbitraria) y float (números decimales IEEE 754 de 64 bits). Elegir el tipo adecuado evita errores sutiles en los datos.
int es exacto y no está limitado
Los enteros de Python nunca desbordan. Crecen tanto como lo permita la memoria, lo que resulta ideal para conteos exactos y factoriales grandes.
big = 2 ** 200
print(big)
print(type(big)) # <class 'int'>Problema de precisión de float
Los números de coma flotante no pueden representar todos los valores decimales con exactitud. El caso clásico: 0.1 + 0.2 no es exactamente 0.3.
print(0.1 + 0.2) # 0.30000000000000004
print(0.1 + 0.2 == 0.3) # FalseComparar floats de forma segura
No compruebe nunca los floats con ==. Use math.isclose con una tolerancia.
import math
print(math.isclose(0.1 + 0.2, 0.3)) # TrueDecimal para valores monetarios
Para monedas, use decimal.Decimal, que almacena valores exactos en base 10. Cree siempre los objetos Decimal a partir de cadenas, no de floats, para evitar heredar errores de coma flotante.
from decimal import Decimal
price = Decimal("0.10") + Decimal("0.20")
print(price) # 0.30bool es una subclase de int
En Python, True equivale a 1 y False equivale a 0. Esto permite sumar valores booleanos para contar coincidencias.
mask = [True, False, True, True]
print(sum(mask)) # 3 matches
print(True + True) # 2Contar con valores booleanos
Este comportamiento de bool como int aparece en todo NumPy y pandas: sumar una máscara booleana cuenta cuántas filas cumplen una condición.
ages = [12, 20, 35, 17, 40]
adults = sum(a >= 18 for a in ages)
print(adults) # 3Inspeccionar el tipo con type()
type(x) devuelve la clase exacta de un valor. Resulta útil cuando una columna contiene cadenas en lugar de números de forma inesperada.
print(type(5)) # <class 'int'>
print(type(5.0)) # <class 'float'>
print(type("5")) # <class 'str'>Comprobar el tipo con isinstance()
Prefiera isinstance a type == porque respeta la herencia. Tenga en cuenta que un bool supera una comprobación de tipo int.
print(isinstance(5, int)) # True
print(isinstance(True, int)) # True (bool subclasses int)
print(isinstance(5.0, (int, float))) # TrueProblemas de coerción
La mezcla de tipos realiza conversiones implícitas. La división de enteros y floats produce floats; concatenar un número con una cadena genera un TypeError. Limpie los tipos de sus datos desde el principio.
print(5 / 2) # 2.5 (true division always float)
print(5 // 2) # 2 (floor division)
# "id-" + 5 # TypeError
print("id-" + str(5)) # id-5Sorpresas de los floats al agregar
Sumar muchos floats acumula pequeños errores. Para conjuntos de datos grandes, prefiera NumPy, que utiliza una suma por pares para reducir la desviación.
vals = [0.1] * 10
print(sum(vals)) # 0.9999999999999999
# NumPy: np.sum(vals) is more numerically stableComprobación rápida
Compruebe su dominio de los tipos de Python.
Resumen
Datos numéricos clave para trabajar con datos:
intes exacto y no está limitadofloates aproximado; usemath.iscloseen lugar de==Decimal("...")para valores monetariosbooles un int:sum(mask)cuenta coincidenciastype()muestra la clase;isinstance()respeta la herencia- Preste atención a las conversiones implícitas en divisiones y concatenaciones
Preguntas frecuentes
¿La lección «Tipos de datos de Python para ciencia de datos» es gratis?
Sí — el texto completo de «Tipos de datos de Python para ciencia de datos» es gratis para leer aquí en la web. Para practicarla de forma interactiva (editor de código integrado y tutor de IA 24/7) y desbloquear el resto del curso de Learn AI with Python, actualiza a CoddyKit PRO. El curso de Learn AI with Python incluye 4 lecciones en total.
¿Qué aprenderé en «Tipos de datos de Python para ciencia de datos»?
int, float, complex, bool, str: cómo la precisión y la elección del tipo afectan al análisis de datos. Practicas Learn AI with Python con código real que ejecutas directamente en el navegador, y un tutor de IA 24/7 responde tus preguntas mientras trabajas en la lección.
¿Necesito experiencia previa para empezar Learn AI with Python?
No se requiere experiencia previa. Learn AI with Python en CoddyKit está estructurado para principiantes hasta estudiantes avanzados, así que puedes empezar aquí o desde el inicio y avanzar a tu ritmo. Esta es la lección 3 de 4.
¿Cuánto tiempo toma la lección «Tipos de datos de Python para ciencia de datos»?
La mayoría de las lecciones de CoddyKit toman alrededor de 5–10 minutos. Cada una es compacta e interactiva, así que avanzas constantemente y retomas exactamente por donde dejaste en la web y la app.
¿Puedo escribir y ejecutar código en esta lección de Learn AI with Python?
Sí. Cada lección de Learn AI with Python incluye un editor de código integrado, así que escribes y ejecutas código real directamente en tu navegador y obtienes retroalimentación instantánea de IA — sin configuración local necesaria.
Todas las lecciones de este curso
- Entornos virtuales y pip
- Jupyter Notebooks para ciencia de datos
- Tipos de datos de Python para ciencia de datos
- Uso del REPL de Python e IPython