@maildovale

Módulo 1
Introducción a Python
Unidad 1: Fundamentos de Python
1.1.1 Introducción a Python y su historia
¿Qué es Python?
Python es uno de los lenguajes de programación más populares para el
análisis de datos. Se considera el tercer lenguaje de programación más
utilizado para el análisis de datos, después de SQL y R.
Figura 1: Logo de Python

La figura 1 que aparece a la izquierda es el símbolo de

Python.
Este lenguaje de programación cuenta con varias
bibliotecas populares de análisis de datos, como
NumPy, Pandas, Matplotlib, Seaborn y Scikit-learn.
Estas, facilitan la manipulación, visualización y análisis
de datos.
Python es un lenguaje de programación fácil de aprender y entender, lo que lo
hace accesible para aquellos que están comenzando a trabajar en análisis de
datos.

Se puede ejecutar en plataformas cloud como:

Figura 1: Algunos logos de plataformas cloud: AWS, GCP, Microsoft Azure
(en orden)
 @maildovale

Pero además es tan versátil que también puede ejecutarse en los siguientes
IDEs.
● Pytorch
● Sublime
● Atom
● Jupyter
● Spyder
● Vim
● Visual Studio Code
● PyDev
● Google Colab

IDE son las siglas de "Entorno de Desarrollo Integrado" (Integrated

Development Environment, en inglés). Es una aplicación de software que
proporciona un conjunto completo de herramientas para que los programadores
puedan desarrollar, probar y depurar su código.
Una curiosidad es el nombre de este lenguaje de programación se debe a la
agrupación británica Monthy Python del cual era fanático su creador Guido van
Rossum
Figura 3: Imagen de Monty Python's Flying Circus
 @maildovale

¿Qué es una biblioteca?

Una biblioteca es una colección de módulos, que son simplemente archivos de
Python que contienen definiciones y declaraciones previamente escritas, como
funciones, variables y clases. Estas bibliotecas están diseñadas para
ayudarnos a realizar ciertas tareas sin tener que escribir el código desde cero.

Algunas de las más usadas (que usaremos más adelante en el curso) son:

1. NumPy: Esta es una biblioteca fundamental para la computación

científica en Python. Proporciona soporte para arrays y matrices de gran
tamaño, junto con una colección de funciones matemáticas para operar
con estos arrays.
#Importamos la biblioteca numpy y la renombramos para
usarla más fácilmente como np:
import numpy as np

# Crear un array
arr = np.array([1, 2, 3, 4, 5])

# Realizar operaciones matemáticas

print("Suma de los elementos: ", np.sum(arr))
print("Media de los elementos: ", np.mean(arr))

2. Pandas: Esta biblioteca proporciona estructuras de datos de alto

rendimiento y herramientas de análisis de datos. Es especialmente útil
para manipular y analizar datos tabulares, como los que se encuentran
en las hojas de cálculo de Excel o en las bases de datos SQL.

#Importamos la biblioteca pandas y la renombramos para

usarla más fácilmente como pd:
import pandas as pd

# Crear un DataFrame
data = {
'Nombre': ['Juan', 'Ana', 'Pedro'],
 @maildovale

'Edad': [28, 24, 30],

}
df = pd.DataFrame(data)

# Ver los datos

print(df)

# Filtrar por edad

print(df[df['Edad'] > 25])

3. Matplotlib: Esta es una biblioteca de trazado 2D en Python que produce

figuras de calidad en una variedad de formatos impresos y entornos
interactivos. Matplotlib se puede usar para crear gráficos de líneas,
barras, histogramas, gráficos de dispersión, etc.

#Importamos la biblioteca matplotlib.pyplot y la

renombramos para usarla más fácilmente como plt:
import matplotlib.pyplot as plt

# Datos para el gráfico

x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]

# Crear un gráfico de líneas

plt.plot(x, y)

# Mostrar el gráfico
plt.show()

Los anteriores fueron ejemplos aislados, a decir verdad cuando estamos

trabajando con Python en la vida real, importamos todas las bibliotecas juntas
para tener un código limpio. Es lo primero que hacemos al trabajar con datos.
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
 @maildovale

1.1.2 Instalación de Python y configuración de su

entorno.
(Ver material audiovisual)

Es importante mencionar que Python puede instalarse de forma aislada y

funcionar perfectamente para una amplia variedad de tareas de programación.
Sin embargo, para el análisis de datos y el trabajo en ciencia de datos, a
menudo es preferible trabajar con herramientas adicionales que proporcionan
un entorno más interactivo y flexible para manipular y visualizar datos como:
Jupyter Notebooks o Google Colab. Este último no necesita instalación y viene
con muchas librerías instaladas por lo que puedes trabajar en la nube a pesar
de tener una máquina con pocos recursos dado que Google Colab también
ofrece recursos de computación gratuitos, incluyendo el uso de GPUs y TPUs,
lo que puede ser útil para tareas de procesamiento intensivo, como el
entrenamiento de modelos de aprendizaje profundo (deep learning).

Para acceder a Google Colab, hacé clic aquí:

https://colab.research.google.com/

El sitio oficial de Python, www.python.org, es un recurso invaluable, el sitio

también ofrece una amplia gama de documentación. La documentación oficial
de Python es un recurso muy completo que proporciona información detallada
sobre cada parte del lenguaje.
Es posible que te encuentres con situaciones en las que necesites comprender
una función o característica específica de Python en detalle. En tales casos, la
documentación oficial puede ser un recurso muy útil.
 @maildovale

1.1.3 Sintaxis básica y estructura de un programa

Python
Python es un lenguaje de programación muy fácil de leer y escribir gracias a su
sintaxis clara y concisa. La estructura básica de un programa en Python incluye
varias partes principales que vamos a nombrar a continuación, sin embargo
siempre recuerda que ante cualquier duda la mejor fuente es el sitio oficial.
● https://docs.python.org/3/

Así mismo tenemos una gran documentación en español en el siguiente enlace

para los que quieran aprender en profundidad.
● https://docs.python.org/es/3/tutorial/

Ahora si, ¡vamos a lo que vinimos!

1. Comentarios: Los comentarios en Python se crean utilizando el símbolo '#'.

Todo lo que sigue a este símbolo en una línea de código es ignorado por el
intérprete de Python. Los comentarios son útiles para explicar el propósito de
un bloque de código a otros desarrolladores o a ti mismo en el futuro.

# Esto es un comentario

2. Variables y tipos de datos: Python es un lenguaje de tipado dinámico, lo

que significa que no necesitas declarar el tipo de una variable cuando la creas.
Los tipos de datos básicos en Python incluyen enteros, flotantes (números
decimales), cadenas (texto), listas, tuplas y diccionarios.

a = 10 # Entero
b = 3.14 # Flotante
c = 'Hola Mundo' # Cadena
d = [1, 2, 3, 4, 5] # Lista
e = (1, 2, 3, 4, 5) # Tupla
f = {"nombre": "Juan", "edad": 28} # Diccionario
 @maildovale

3. Operaciones: Python soporta todas las operaciones matemáticas básicas

como la suma (+), resta (-), multiplicación (*), división (/), y exponenciación (**).

suma = a + b
producto = a * b

4. Condicionales: Python utiliza if, elif (abreviatura de "else if") y else para
controlar el flujo de ejecución de un programa basándose en condiciones.
Recuerda que las condiciones nos permiten elegir entre 2 o más opciones.

if a > b:
print("a es mayor que b")
elif a < b:
print("a es menor que b")
else:
print("a es igual a b")

La porción de código anterior se lee: “Si a es mayor que b, entonces: imprime “a es

mayor que b”, sino, si a es menor que b entonces: imprime “a es menor que b”, sino
imprime “a es igual a b”.”

5. Bucles: Python tiene dos tipos de bucles, for (para) y while (mientras). Los
bucles for se usan para iterar sobre una secuencia (como una lista o una
cadena), mientras que los bucles while se ejecutan mientras una condición sea
verdadera.

for i in d:
print(i)

j = 0
while j < 5:
print(j)
j += 1
 @maildovale

6. Funciones: Las funciones en Python se definen con la palabra clave def,

seguida del nombre de la función (el que vos quieras) y los parámetros entre
paréntesis. Así:

def saludo(nombre):
print(f"Hola {nombre}")
saludo("Juan")

En la anterior porción de código la función se llama “saludo” y los parámetros

de la función (variables) se encuentran dentro del paréntesis que le sigue.

1.1.4 Tipos de Datos y Variables

Python tiene varios tipos de datos básicos que son utilizados para clasificar y
manipular la información. Aquí te explico los más comunes:

1. Números enteros (int): Son números sin decimales. Pueden ser positivos o
negativos. Por ejemplo, 10, -2, 0 son enteros.

a = 10
b = -2

2. Números flotantes (float): Son los números que tienen una parte decimal.
Por ejemplo, 3.14, -0.01, 0.0 son flotantes.

c = 3.14
d = -0.01

3. Cadenas de caracteres (str): Son una secuencia de caracteres (letras,

números, símbolos). Las cadenas se escriben entre comillas simples o dobles.
Por ejemplo, "Hola Mundo", 'Python', "1234" son cadenas.

e = "Hola Mundo"
f = 'Python'
 @maildovale

4. Listas (list): Una lista es una colección de elementos ordenada y

modificable. Los elementos de una lista están entre corchetes [] y se separan
por comas. Por ejemplo, [1, 2, 3, 4], ['manzana', 'banana', 'cereza'] son listas.

g = [1, 2, 3, 4]
h = ['manzana', 'banana', 'cereza']

5. Tuplas (tuple): Una tupla es similar a una lista, pero es inmutable, lo que
significa que no puedes cambiar sus elementos una vez creada. Las tuplas se
escriben entre paréntesis (). Por ejemplo, (1, 2, 3, 4), ('manzana', 'banana',
'cereza') son tuplas.

i = (1, 2, 3, 4)
j = ('manzana', 'banana', 'cereza')

6. Diccionarios (dict): Un diccionario es una colección de elementos que

están almacenados como pares de clave-valor. Las claves y los valores están
separados por dos puntos (:), los pares clave-valor están separados por comas,
y todo está encerrado entre llaves {}. Por ejemplo, {"nombre": "Juan", "edad":
28} es un diccionario.

k = {"nombre": "Juan", "edad": 28}

7. Booleanos (bool): Los booleanos representan uno de dos valores: True

(verdadero) o False (falso). Se suelen usar para verificar condiciones en las
estructuras de control como if, while, etc.

l = True
m = False

Es importante recordar que en Python, las variables se crean cuando asignas

un valor a un nombre. No necesitas declarar el tipo de la variable porque
Python lo inferirá automáticamente basándose en el tipo de dato que asignes.
Esto hace que Python sea muy flexible y fácil de usar.