Introducción al manejo de datos en Python 🐍

---

Sobre el curso: Este curso tiene por finalidad el aprendizaje práctico de Python orientado al manejo básico y sencillo de datos.

Sesión 1: Introducción a Python y notebooks

En esta primera sesión, vamos a establecer las bases necesarias para que puedas comenzar a explorar y manipular datos en sesiones posteriores utilizando Pandas, una herramienta poderosa en el campo de la ciencia de datos.

1. Introducción a Python

Python es un lenguaje de programación de alto nivel que se ha hecho muy popular debido a su simplicidad y flexibilidad. Es especialmente valorado en áreas como análisis de datos, aprendizaje automático, desarrollo web, y automatización de tareas mediante scripts.

Los principales factores para su popularidad son:

• Fácil de aprender: Sintaxis clara y legible.
• Versátil: Desde scripts simples hasta sistemas complejos.
• Comunidad grande: Una comunidad activa con una amplia gama de recursos y paquetes.

Este es un pequeño ejemplo de código en Python:

# Esto es un comentario en Python
print("Lo primero de todo, ¿cómo están los máquinas?")

2.Entorno de programación

Un Entorno de Desarrollo Integrado (IDE en inglés) es una aplicación que proporciona facilidades a los programadores para el desarrollo de software. Aquí hay algunos entornos y herramientas donde puedes escribir y ejecutar código Python. Los principales IDE o ecosistemas para ello son:

Herramienta	Descripción	Tipo
Visual Studio Code	Editor de código ligero pero potente	IDE
Anaconda	Distribución de Python y R que incluye bibliotecas	Plataforma
Google Colab	Entorno en la nube que facilita el trabajo colaborativo	Notebook
Spyder	IDE orientado a la ciencia de datos	IDE

• Visual Studio Code es flexible y configurable con extensiones para Python.
• Anaconda simplifica la gestión de paquetes y entornos virtuales, ideal para ciencia de datos.
• Google Colab ofrece un entorno de notebooks en la nube con recursos gratuitos de computación.
• Spyder está diseñado específicamente para científicos de datos y ofrece integración directa con bibliotecas de análisis de datos.

3. Fundamentos de Python

Para aprender Python en profundidad y de base, es necesaria una mayor dedicación. Estos son algunos cursos recomendados para personas que vayan a comenzar desde cero:

• Learn Python
• Python for beginners
• Code in Place

3.1. Variables y tipos de datos

Es fundamental entender cómo almacenar y manipular datos en Python:

• Variables: Contenedores para almacenar datos. Puedes pensar en ellas como cajas etiquetadas donde guardas información.
• Tipos de datos: Define la naturaleza de los datos. Python determina los tipos automáticamente. Estos son algunos de los más comunes:

numero = 30  # int
precio = 99.99  # float
nombre = "Ciencia de Datos"  # str
activo = True  # bool

3.2. Operaciones básicas

Vamos a explorar cómo realizar cálculos y comparaciones básicas en Python, fundamentales para cualquier análisis de datos.

suma = 50 + 30  # Suma
mayor = 50 > 30  # Comparación

3.3. Estructuras de datos básicas

Las estructuras de datos permiten organizar la información de manera que se pueda acceder y modificar de manera eficiente.

# Lista de colores
colores = ["rojo", "verde", "azul"]

# Diccionario con información de un usuario
usuario = {"nombre": "Ana", "edad": 34}

3.4. Funciones básicas y paquetes

Las funciones permiten reutilizar código y las bibliotecas extienden las capacidades de Python.

def saludar(nombre):
    return "Hola " + nombre

import math
print(math.sqrt(16))  # Imprime la raíz cuadrada de 16

4. Paquetes en Python

Los paquetes son colecciones de módulos que otros programadores han creado para expandir las capacidades de Python. Para usar un paquete, generalmente necesitas instalarlo y luego importarlo en tu script.

# Instalación de un paquete desde Jupyter Notebook
!pip install pandas

---

Información

Autor: Wenceslao Arroyo-Machado
Fecha de actualización: 12/04/2024
GitHub: https://github.com/Wences91/teaching