Esta clase va a ser

grabada
 Clase 02. DATA SCIENCE

Introducción a la
programación con Python I
Temario

01 02 03

La necesidad de Introducción a la
Introducción a la
Información en la programación con
programación con
Industria 4.0 Python (Parte II)
Python (Parte I)
✓ Industria 4.0 ✓ Estructura de control
✓ Transformación digital
✓ Definición de pro ✓ Funciones
✓ Ciclo de vida de un proyecto d grama
e ciencia de datos ✓ Datos
✓ Valor y retorno de la Ciencia d ✓ Instalación de Pyt ✓ IPython
e Datos hon
✓ Estrategia data-driven ✓ ✓ Instalación
Nociones básicas
Objetivos de la clase

Realizar una primera aproximación al lenguaje de

programación Python.

Conocer las distintas formas de desarrollo con Python.

 MAPA DE CONCEPTOS

Programación y
lenguajes
Toma de contacto
Python como lenguaje
con Python
Interpretado vs
Compilado
Basics: Variables,
asignación, operaciones

Python tradicional
Formas de desarrollo Estructuras
con Python
IPython y notebooks
Funciones

Tipos de datos
 Cuestionario de tarea
¿Te gustaría comprobar tus conocimientos de la
clase anterior?
Te compartimos a través del chat de Zoom / chat de la
plataforma el enlace a un breve cuestionario de
Kahoot.
Duración: 10 minutos
Librería Pandas

Estructuras fundamentales series

y Data Frames
Indexamiento de series y Data Frames

Datos nulos

También aprendimos a leer archivos planos (.txt, .csv, .xlsx) locales o por APIs en Python.
Definición de
programa
 Desde el principio:
programación y Python
¿Qué es la programación?
✔ La programación es una forma de ejecutar un
algoritmo.
✔ Un algoritmo es una secuencia de pasos que
lleva a un resultado.
✔ Una receta es un algoritmo.
✔ Si se sigue el algoritmo, se llega al resultado.
Programa y computadora
✔ La computadora nació para resolver cálculos.
✔ La computadora entiende ceros y
✔ La programación es un complemento para la
unos (lenguaje binario), nosotros
computadora.
no.
✔ Es una forma de que la computadora entienda ✔ Por lo tanto, un programa traduce
el funcionamiento de un algoritmo y lo
un lenguaje humano a lenguaje
ejecute.
binario.
Programación y lenguajes
✔ Para Data Science, existen
✔ No existe un solo lenguaje que solucione
algunos lenguajes que funcionan
todos los problemas
muy bien: Python, R, Julia y
✔ Cada lenguaje resuelve un conjunto de
Scala son algunos de ellos.\
problemas posibles: Empresariales, Web,
Ciencia, Salud, etc.

Python R Julia Scala

Lenguaje interpretado vs.
compilado
¿Interpretado o Compilado?
✔ Usa un programa intérprete que traduce en
tiempo casi real nuestras órdenes a binario.
Python es un lenguaje interpretado,
esto quiere decir que: ✔ La traducción se hace línea por línea.
✔ Podemos probar código “de a pedacitos”.
✔ El lenguaje compilado se traduce todo junto al
final.
✔ No es simplemente una mejora, es una forma
de trabajar muy útil para Data Science.
Python como lenguaje
 PARA RECORDAR

Contenido destacado
Python es el lenguaje más solicitado en las búsquedas laborales
relacionadas con Data Science y se ubica entre el segundo y tercer
puesto en 2021 de acuerdo a varios rankings de lenguajes de
desarrollo general (no sólo Data Science).
 PARA RECORDAR

En otras palabras, Python no puede faltar en un

portfolio de Data Science.
Python en pocas
palabras
Lenguaje Open Source: un código abierto y accesible diseñado REEMPLAZAR
para que cualquier pueden ver, modificar y distribuirlo. POR IMAGEN
Creado por Guido Van Rosssum y su primera versión se dio en
1991 en el CWI (Centrum Wiskunde Informática)
Python, Open Source: componentes

1 2 3
Intérprete IDE Paquetes

programa intérprete, entorno de desarrollo, conjuntos de

traductor a binario. lugar donde funciones pre-
escribiremos código. armadas para
problemas habituales.
Instalación de Python vía
miniconda
Python tradicional
Anaconda y
Miniconda
Tradicionalmente, Python puede
desarrollarse en Anaconda, o en su versión
simplificada, Miniconda.
A su vez, puede utilizarse de varias formas
más:
Formas

La forma más básica es escribiendo python en la Otra forma más útil es usando Python interactivo
terminal, lo que abre un entorno de trabajo dentro de (IPython). Puede accederse escribiendo ipython en la
la misma terminal. terminal.

📢 No es la forma más cómoda, ni la más utilizada. 📢 No aporta muchas mejoras si se usa de esa forma.

¡No siempre es la mejor forma!

Jupyter notebooks
IPython y notebooks
✔ Escribimos código en el navegador que resulta
Las notebooks siguen siendo IPython, pero con ser el IDE.
vitaminas 🚀 ✔ El código pasa por el mismo intérprete que es
el que usa la terminal, pero todo se trabaja en
el navegador.
✔ El código se escribe en cajas de texto que
pueden ejecutarse de a una o todas juntas.
✔ El conjunto total de cajas de texto es una
notebook.

👉 Esta configuración es de las más utilizadas para

Data Science.
IPython y notebooks

Podemos encontrar 4 partes principales:

1. Nombre del notebook (termina con
extensión .ipynb)
2. Barra de menú: Permite ejecutar código y
opciones genéricas
3. Toolbar: Permite ejecutar celdas de código,
guardar, añadir, borrar, cortar o pegarlas
4. Celdas de Código: Pueden ser Markdown
(texto) o Código Python
¿Cómo usar Google
Collab?
Google Colab

Permite trabajar en un entorno no local y la creación ✔ Es un producto de Google Research. Está

de Notebooks 🚀 especialmente adecuado para tareas de
aprendizaje automático, análisis de datos y
educación.
✔ Jupyter es el proyecto de código abierto en el
que se basa Colab.
✔ Nos permite compartir notebooks sin la
necesidad de descargar ningún software extra.
✔ El código se ejecuta en una máquina virtual
dedicada a tu cuenta y pueden eliminarse
luego de cierto tiempo.
 Ejemplo en vivo

¿Cómo podemos usar Google Colab como un entorno

para programar lenguaje de Python?
¡Vamos a verlo conjuntamente!
Cómo usar Google Colab

Si queremos crear un modelo de aprendizaje Google Colaboratory es un entorno de portátil

automático, pero no tienen una computadora que Jupyter, gratuito proporcionado por Google donde
pueda asumir la carga de trabajo, Google Colab es la puede usar GPU y TPU gratuitas que pueden
plataforma ideal. resolver todos estos problemas.

Incluso si tiene una GPU o una buena computadora,

crear un entorno local con anaconda e instalar
paquetes y resolver problemas de instalación es una
molestia.
Cómo usar Google Colab
EXAMPLES: Contiene ejemplos de Jupyter
notebooks con diversos ejemplos.
RECENT: Jupyter notebooks que has trabajado
recientemente.
GOOGLE DRIVE: Jupyter notebooks en tu
google drive.
GITHUB: Puedes añadir Jupyter notebooks
desde Github pero es necesario conectar Colab
con GitHub.
UPLOAD: Si deseas subir un Jupyter notebook
desde tu equipo local.

Ir al siguiente enlace: https://colab.research.google.com

Cómo usar Google Colab

De lo contrario, puede crear un nuevo cuaderno de

Jupyter haciendo clic en Nuevo cuaderno de Python3
o Nuevo cuaderno de Python2 en la esquina inferior
derecha.

Al crear un nuevo cuaderno, creará un cuaderno

Jupyter llamado Untitled0.ipynb y lo guardará en su
unidad de Google en una carpeta llamada Colab
Notebooks. Todos los comandos de los cuadernos de
Jupyter funcionarán aquí.
IDE’s
IDE’s

Son aplicaciones de software que permiten a ✔ Editor de código.

programadores desarrollar código en diferentes ✔ Depuradores (Debuggers) que permiten
lenguajes. encontrar errores en el código
Consta, usualmente, de: ✔ Herramientas automáticas
IDE’s para el
desarrollo de Python
Permite trabajar en un entorno no local y la creación de Notebooks 🚀
Las herramientas que mostramos anteriormente no son las únicas en
donde compilar código de Python…
 ¡Atención!
Recuerda instalar Python con Anaconda para la próxima clase.

Ver tutorial
 ☕
Break
¡10 minutos y volvemos!
Nociones básicas: Variable,
asignación, expresiones
Variable
Variables

Las variables se utilizan para almacenar información Es útil pensar en las variables como contenedores de
para ser referenciada y manipulada en un programa información.
de computadora. Su único propósito es etiquetar y almacenar datos en
Proporcionan una forma de etiquetar los datos con un la memoria.
nombre descriptivo, para que los programas puedan
ser entendidos con mayor claridad.
Variables

Los tipos de datos estándar o integrados

de Python:
a) Numérico
b) Tipo de secuencia
c) Booleano
d) Conjuntos
e) Diccionario
Asignación
Asignación
Nombrar variables es una tarea compleja.
Cuando nombre variables, piense detenidamente en los nombres
(Comprensible).
La asignación de lleva a cabo por medio del símbolo =
El nombre de la variable va a la izquierda y el valor que desea
almacenar en la variable va a la derecha.
Asignación

Reglas para asignación de variables en Python ✔ Los nombres de las variables distinguen entre
✔ El nombre de una variable debe comenzar con mayúsculas y minúsculas (nombre, Nombre y
una letra o el carácter de subrayado. NOMBRE son tres variables diferentes).
✔ Un nombre de variable no puede comenzar ✔ Las palabras reservadas (palabras clave) no se
con un número. pueden usar para nombrar la variable.
✔ Un nombre de variable solo puede contener
caracteres alfanuméricos y guiones bajos (A-
z, 0-9 y _).
Objetos y punteros
Objetos y punteros

Python es un lenguaje orientado a objetos ✔ Datos

Es así que en Python todo es un objeto, o sea, cuenta ✔ Metadatos, atributos o propiedades (un punto
con: y una palabra sin paréntesis):
X.atributo 👉 Un atributo caracteriza al dato
✔ Funcionalidad o métodos (un punto y una
palabra con paréntesis):
x.método() 👉 Un método es algo que el dato
puede hacer, por lo tanto al ejecutarlo le
estamos pidiendo al dato que ejecute una
acción
x=1.0
x.is_integer() # ¿es x un entero? se lo preguntamos con el método is_integer()

x=1.4
x.is_integer() # ¿y ahora? se lo preguntamos de vuelta

print(x.real,x.imag) # miramos los atributos de x, en este caso su parte real

# y su parte imaginaria
Objetos y punteros

Las variables en Python no contienen los datos,

sino que apuntan a los datos.
Esta es la forma de trabajo de los punteros, lo que
hace que el lenguaje sea más eficiente.
 Para pensar
¿Cuáles son las salidas de los siguientes bloques de
código?

Contesta mediante el chat de Zoom

¿No notaste algo raro en el ejercicio
anterior...?
Objetos y punteros

Cuando operamos sobre una variable (método) Cuando realizamos una asignación (=) conectamos
operamos sobre el objeto al que apunta. (apuntamos) la variable al objeto. Aquí no
cambiamos el objeto.
Objetos y punteros
x = [1, 2, 3] # x es una lista
y=x # el objeto al que apunta x ([1, 2, 3]) ahora es también
# apuntado por y
print(y is x) # x e y son el mismo objeto (True)
print(x,y) # [1, 2, 3] [1, 2, 3]
x.append(4) # aquí operó sobre el objeto [1, 2, 3] apuntado por x.
# Los métodos se identifican luego de un punto (x.método())
print(y) # como x e y apuntan al mismo objeto, y refleja los cambios
x = "hola" # al realizar asignación, ahora x apunta al objeto texto
# (string) "hola"
print(x is y) # x e y ahora no apuntan al mismo objeto (False)
print(x,y) # x e y apuntan a dos objetos diferentes (“hola” [1, 2, 3, 4])
Objetos y punteros
La diferencia es muy sutil y en general no afecta el
trabajo de Data Science. No obstante, no todos los
lenguajes se comportan así.

⚠ Hay que tener en cuenta esto para no cometer

errores.
✔ Un método comienza por un punto después de la
variable.
✔ El método modifica el objeto apuntado por la
variable.
✔ La variable no es, ni contiene al objeto.
✔ La asignación “conecta” a la variable con el
objeto apuntado.
Expresiones
Expresiones
Una expresión es una combinación de operadores y REEMPLAZAR
operandos que se interpreta para producir algún otro valor. POR IMAGEN
En cualquier lenguaje de programación, una expresión se
evalúa según la precedencia de sus operadores.
Expresiones

Expresiones constantes: son las expresiones que

solo tienen valores constantes.

x = 15 + 1.3
print(x)
👉 16.3
Expresiones

Expresiones aritméticas: una expresión aritmética

es una combinación de valores numéricos,
operadores y, a veces, paréntesis.

x = 40
52
y = 12
add = x + y
👉 28
480
sub = x - y 3.3333333333333335
pro = x * y
div = x / y
print(add);print(sub);print(pro);print(div)
Expresiones

Expresiones integrales: este es el tipo de

expresiones que producen solo resultados enteros
después de todos los cálculos.

a = 13
b = 12.0
👉 25
c = a + int(b)
print(c)
Expresiones

Expresiones flotantes: este es el tipo de expresiones

que producen números de punto flotante como
resultado de todos los cálculos

a = 13
b = 5
👉 2.6
c = a / b
print(c)
Operadores
Operadores
✔ Los operadores permiten trabajar sobre las variables, a la
manera de las operaciones matemáticas.

✔ Cada operador da un resultado como salida.

✔ Identificamos 4 tipo de operadores:

✓ Operadores aritméticos
✓ Operadores de asignaciones
✓ Operadores de identidad y pertinencia
Operadores aritméticos
Los operadores aritméticos son directamente operaciones
matemáticas estándar.

Aritméticos
a+b Suma
a-b Resta
a*b Multiplicación
a/b División

a // b División entera (resultado sin decimal)

a%b Módulo (resto de la división entera)

a ** b Exponenciación
-a Negativo
Operadores de Asignaciones

asignaciones a += b

a -= b
a=a+b

a=a-b

Los asignadores simplifican operadores aritméticos comunes. a *= b a=a*b

a /= b a=a/b

a //= b a = a // b

a %= b a=a%b

a **= b a = a ** b
 Comparadores Operadores de
a == b

a != b
a igual a b

a distinto de b
comparación
a<b a menor a b Los comparadores dan resultados lógicos (si/no, true/false)
a>b a mayor a b

a <= b a menor o igual que b

a >= b a mayor o igual que b

Operadores de
identidad y Identidad y pertenencia

pertenencia a is b a es el mismo objeto que b

a is not b a no es el mismo objeto que b
a in b a está contenido en b
✔ Los operadores de identidad y pertenencia verifican
relaciones entre objetos. a not in b a no está contenido en b
✔ Dentro de esta categoría, los operadores “in”, como casos
particulares, buscan objetos dentro de listas. ¡Son muy
útiles!
Uso de filtros booleanos
Los operadores nos permiten crear filtros booleanos que ayudan a obtener filtros rápidos para
información de interés

import pandas as pd index_bool=df['Eo']>10

import numpy as np
index_bool
df= pd.DataFrame(data=np.random.randint(64,
size=(8,8)),columns=['Ja','Mu','Ct','Dn','Eo','Tp','Yn','Om'])
print(df) df['Eo'][index_bool]
Ja Mu Ct Dn Eo Tp Yn Om 0 41
0 26 41 62 50 41 52 49 35
1 18
1 4 13 37 4 18 7 30 43
2 57 19 41 55 53 15 14 57 2 53
3 47 6 53 47 58 15 39 49 3 58
4 61 32 53 15 48 56 42 20 4 48
5 60 56 40 55 7 32 51 13
6 48
6 45 9 29 21 48 43 61 30
Name: Eo, dtype: int64
7 44 5 27 59 6 47 7 46
 Ejemplo en vivo
Examinemos un poco lo que se conoce como
estructuras de control
 Para pensar
¿Qué diferencia hay entre usar and/or? ¿Qué significa
el operador %?

Contesta
mediante el chat
de Zoom
CLASE N°2

Glosario
Programación: formas de ejecutar un algoritmo (recetas) Variable: Cualquier estructura que permita almacenar
información para su manipulación
Lenguajes: herramientas computacionales que permiten
resolver problemas con estructuras de código. En Data Asignación: Proceso mediante el cual se le asigna un valor
Science existen varios comunes: Python , R , Java, Julia, C, particular a una variable
C++
Punteros: herramientas que nos permiten conectar a las
Lenguaje interpretado: cualquier lenguaje de programación variables con sus valores respectivos
que se ejecute línea a línea y que convierta las órdenes a
Expresiones: combinaciones de operadores y operandos que
formato binario (e.g Python , R)
dan como resultado un valor particular
IDE: aplicaciones donde escribimos el código de un lenguaje
Operadores: son los que permiten trabajar sobre las
particular (e.g Spyder, Kite, Visual Studio, Atom)
variables, pueden ser de 4 tipos (aritméticos, relacionales, de
asignación y lógicos)
¿Preguntas?
 Resumen
de la clase hoy
✓ Definición de Programa
✓ Lenguaje Interpretado vs compilado
✓ Python como Lenguaje
✓ Nociones básicas: variable, asignación y expresiones
✓ Objetos y punteros
Opina y valora
esta clase
Muchas gracias.