Metadata-Version: 2.1
Name: numeritos
Version: 1.0
Summary: Librería para Data Scientists
Author-email: DS_The Bridge_Junio 22 <saradevv@gmail.com>
Project-URL: Homepage, https://github.com/Masara00/numeritos/tree/develop
Classifier: Programming Language :: Python :: 3
Classifier: License :: OSI Approved :: MIT License
Classifier: Operating System :: OS Independent
Classifier: Programming Language :: Python
Classifier: Programming Language :: Python :: 2.7
Classifier: Programming Language :: Python :: 3.3
Classifier: Programming Language :: Python :: 3.4
Classifier: Programming Language :: Python :: 3.5
Classifier: Programming Language :: Python :: 3.6
Classifier: Programming Language :: Python :: 3.7
Description-Content-Type: text/markdown

# NUMERITOS

Te damos la bienvenida a la librería 'Numeritos'.

Muchas gracias por tu interés 😊

Te invitamos a probar nuestra librería, un proyecto global que quiere facilitarle la vida a l@s científic@s de datos a través de un conjunto de funciones originales para Python.


---

### Introducción:

Este proyecto nace de la colaboración entre los alumnos del BootCamp de Data Science de The Bridge - Digital Talent Accelerator, de la promoción de junio del 2022.

Hemos puesto en común funciones que cada uno ha ido desarrollando a lo largo del curso para sus proyectos individuales. 

Hemos logrado agrupar 54 funciones muy útiles para tareas relativas a:

  > visualización de datos
  >
  > procesado de datos
  >
  > Machine Learning


Estos pedazos de código encapsulado nos han resultado muy útiles a lo largo de nuestra formación, y por eso queremos compartirlos con todas las personas del fascinante mundo de los datos 🔮


---

### Qué contiene esta librería: 

Te ofrecemos las siguientes funciones:



##### Visualización

* feature_visual
* grafico_goscatter
* gen_diagram_caja
* pieplot_one_column
* joyplot_one_column
* subplots
* graf_displot


##### Transformación de datos

* time_now
* sustituye_texto
* extraer_con_regex
* eliminar_entre_parentesis_en_df
* where_contains
* drop_con_condicion
* data_report
* number_of_outliers
* radical_dropping
* read_data_bw
* read_data_color
* read_data
* sustituir_outliers
* muestra_nan
* acotar_valores_clase
* wrap_perspective_cv2
* train_sampler
* string_replacer
* basic_encoding
* clean_emoji
* MinMaxCorr
* DfTransType
* sustituye_nan_moda
* train_regression
* clean_edad


##### Machine Learning

* funcion_lineal_regression
* funcion_metricas_error
* funcion_ridge
* funcion_lassoV
* error_modelo
* feature_importance
* nine_Regressor_Models
* PruebaModelos
* root_mean_squared_error

***

### Equipo:

[Laura Barreda](https://github.com/laurabarredaagusti)

[Javier Tenorio](https://github.com/75Engel) 

[Antonio Morales](https://github.com/Toni2Morales)

[Mario Sabrás](https://github.com/Masara00)

[Christian Jerome Bader](https://github.com/jeromebader)

[Sara De Vera](saradevera)

[Irene Glez](https://github.com/irene-glez)

[Xinmeng Ye](xyaimao)

[Qinhua Liang](https://github.com/qinghua03)

[Luis Miguel Valverde](https://github.com/lumivalsa)

[Enrique Rubio](https://github.com/EnriRuRu)

[Tarik El Hannach](https://github.com/tarikelhannach)

***

### [Enlace a Paquete Pypi]()


----

## Dependencias principales


Las librerías que hemos ido utilizando durante el desarrollo son:


* *CV2*
* *imblearn*
* *joypy*
* *matplotlib*
* *Numpy*
* *os*
* *Pandas*
* *plotly*
* *pygame*
* *re*
* *Seaborn*
* *Skimage*
* *Sklearn*
* *time*


