Python es de lejos uno de los lenguajes de programación más populares y versátiles en el mundo de la tecnología. Aunque su nombre evoca imágenes de serpientes, Python es mucho más que eso. Desde su creación, Python ha inundado el panorama del desarrollo de software con su simplicidad, eficiencia y facilidad de uso. Pero, ¿qué es Python realmente? En este artículo, exploraremos los fundamentos de este lenguaje y descubriremos por qué es tan apreciado por programadores y empresas de todo el mundo. Prepárate para sumergirte en el fascinante mundo de Python y descubrir todo lo que este lenguaje puede ofrecer.
Un lenguaje de programación versátil y de código abierto comúnmente utilizado para la ciencia de datos.
Más de 1,8 millones de profesionales utilizan CFI para aprender contabilidad, análisis financiero, modelado y más. Comience con una cuenta gratuita para explorar más de 20 cursos siempre gratuitos y cientos de plantillas financieras y hojas de trucos.
¿Qué es Python?
Python es un lenguaje de programación versátil y de código abierto que se utiliza habitualmente para la ciencia de datos. Es flexible y tiene muchas aplicaciones posibles debido a sus numerosos paquetes: colecciones de funciones y datos que trabajan juntos para realizar una tarea específica. Python se usa ampliamente para la ciencia de datos, ya que existen varios paquetes populares que se utilizan para diferentes aspectos de la ciencia de datos. Con Python, los científicos de datos pueden conectarse a datos de diversas fuentes, transformar los datos, crear algoritmos de aprendizaje automático y visualizar los resultados.
Dado que Python es una tecnología de código abierto, su uso y ampliación son gratuitos. Su legibilidad, su capacidad para agregar funciones fácilmente mediante bibliotecas y el hecho de que es un lenguaje de alto nivel lo convierten en uno de los lenguajes de programación más fáciles de aprender.
En pocas palabras, Python es simple pero poderoso.
Puntos clave
- Python es un lenguaje de programación versátil y de código abierto que se utiliza habitualmente para la ciencia de datos.
- Python es imprescindible para los científicos de datos y permite a los analistas de datos llevar sus habilidades al siguiente nivel.
- La sintaxis de Python utiliza variables que almacenan datos y luego nos permiten hacer referencia a esos datos en todo nuestro código.
¿Quién debería usar Python?
Python puede ser utilizado por casi cualquier persona, desde desarrolladores web hasta científicos de datos y profesionales menos técnicos. Cuando es necesario realizar automatización y análisis, Python es una gran herramienta.
Decidir aprender a programar en Python puede ser uno de los movimientos más inteligentes que puede tomar en su carrera financiera. Es el lenguaje más popular para aplicaciones de aprendizaje automático, pero también se puede utilizar para todo, desde desarrollo web hasta automatización del flujo de trabajo. Los profesionales financieros confían en Python para cargar y limpiar conjuntos de datos con el fin de analizarlos y visualizarlos. No hace falta mucho para aprender a optimizar una cartera financiera en Python, y eso es sólo el comienzo.
Sintaxis de Python
variables
Fundamental para Python y la codificación en general: las variables almacenan datos y luego nos permiten hacer referencia a esos datos en todo el código. Esto hace que nuestros programas sean más flexibles, nos da la capacidad de aceptar entradas y también facilita la lectura y las referencias.
Python tiene cuatro tipos de datos básicos.
- Entero: Beneficio = 5000000
- Flotación: Precio = 5,99
- Booleano: repetir_cliente = Verdadero
- Cadena: nombre_cliente = «Sam»
Como puede ver arriba, tanto los números enteros como los de punto flotante corresponden a valores numéricos, donde los números enteros son números enteros y los números de punto flotante son números decimales. Los valores booleanos son verdaderos o falsos, mientras que una cadena se refiere únicamente a texto.
Es importante tener en cuenta que las variables se pueden componer utilizando diferentes operadores, pero deben ser del mismo tipo de variable. Por ejemplo, si queremos imprimir la declaración «Sam gastó 5,99» usando nuestra variable, nuestro código se vería así:
print(customer_name + “ spent “ + str(price))
Usamos la función print() junto con str() para convertir el precio flotante en una cadena. Podemos usar int() para convertir variables a números enteros, mientras que float() y bool() convierten a flotantes y booleanos respectivamente.
Estructuras de datos
Podemos llevar la manipulación de datos al siguiente nivel aprovechando las estructuras de datos integradas de Python. Los tres más importantes son listas, tuplas y diccionarios.
Una lista es un grupo de puntos de datos recopilados en un orden y marcados con [ ]. Por ejemplo:
qualified_leads = [‘Yuting’, ‘John’, ‘Karina’, ‘Rahul’]
Ahora tenemos una lista de cadenas y podemos acceder a estos elementos utilizando el poder del índice de una lista que comienza en 0. Accedamos al tercer elemento de nuestra lista.
print(qualified_leads[2]) ‘Karina’
También podemos usar negativos para comenzar al final de la lista.
print(qualified_leads[-3]) ‘John’
Las listas pueden contener una combinación de todos los tipos de datos e incluso otras listas.
to_contact = [qualified_leads, ‘Pavel’] print(to_contact) [[‘Yuting’, ‘John’, ‘Karina’, ‘Rahul’], ‘Pavel’]
Una de las razones principales para usar listas es que son mutables, lo que significa que podemos manipularlas. Comencemos ordenando en orden ascendente. Esto funciona igualmente bien para ordenar números de menor a mayor o para ordenar cadenas en orden alfabético.
qualified_leads.sort() [‘John’, ‘Karina’, ‘Rahul’, ‘Yuting’]
También podemos invertir el orden, de mayor a menor o en orden alfabético inverso. Sin embargo, tenga en cuenta que solo podemos ordenar listas que contengan el mismo tipo de datos.
qualified_leads.sort(reverse = True) [‘Yuting’, ‘Rahul’, “Katrina”, ‘John’]
También podemos agregar elementos a nuestra lista usando la función Agregar:
qualified_leads.append(‘Rosie’) [‘Yuting’, ‘Rahul’, “Katrina”, ‘John’, ‘Rosie’]
O editamos entradas individuales dentro de la lista:
qualified_leads[1] = ‘Oscar’ [‘Yuting’, ‘Oscar’, “Katrina”, ‘John’, ‘Rosie’]
También es posible eliminar entradas:
del qualified_leads[3] [‘Yuting’, ‘Oscar’, “Katrina”, ‘Rosie’]
Otra estructura de datos importante es la tupla, una colección de valores separados por comas y encerrados entre (). Pueden contener los mismos elementos que una lista, incluidas otras listas y tuplas. Por ejemplo:
fixed_costs = (2000, 50, 320, 800)
Las tuplas son similares a las listas, pero son inmutables y, por lo tanto, no se pueden cambiar. Esto puede resultar beneficioso si queremos mantener la integridad de los datos y asegurarnos de que no se pueda cambiar ni eliminar nada.
La tercera estructura de datos es el diccionario, una colección de pares clave-valor desordenados denotados por {}. Por ejemplo:
profile = {‘first_name’: ‘Frank’, ‘last_name’: ‘Park’, ‘age’: 20}
Un método común para crear diccionarios es utilizar listas. Tome este ejemplo:
sales = [100, 200, 140, 400, 100, 500]
stores = [‘Store A’, ‘Store B’, ‘Store A’, ‘Store C’, ‘Store D’, ‘Store B’]
dict_sales = {‘sales’: sales, ‘stores’:stores}
print(dict_sales)
{‘sales’: [100, 200, 140, 400, 100, 500], ‘stores’: [‘Store A’, ‘Store B’, ‘Store A’, ‘Store C’, ‘Store D’, ‘Store B’]}
Operadores y funciones
Ahora es el momento de incorporar la lógica a nuestro código. Comenzamos con los operadores estándar para matemáticas, comparación y lógica.
Los operadores matemáticos son bastante simples: suma, resta, multiplicación, división, exponente y módulo, lo que significa que dividimos dos expresiones y devolvemos el resto. Por ejemplo, el 4% devuelve 3 1.
Las comparaciones devuelven un valor booleano, Verdadero o Falso. Mayor que y menor que solo se pueden usar para números, mientras que igual (==) o no igual (!=) se puede usar tanto para valores numéricos como de cadena.
Los operadores lógicos nos permiten juntar operadores y funciones, por ejemplo mediante comparaciones, para producir un resultado más complejo. Cuando se utiliza el operador «y», se deben cumplir ambas condiciones para devolver Verdadero. Es posible que queramos asegurarnos de que un cliente califique si, por ejemplo, cumple con los requisitos de volumen de pedidos y ventas.
Por otro lado, «o» devuelve verdadero si alguna de las condiciones es verdadera. Un ejemplo podría ser aprobar una tarjeta de crédito para un cliente si tiene un ingreso individual de más de $60 000 o un ingreso familiar de más de $100 000.
Python también incluye una serie de funciones integradas para realizar una variedad de tareas. Aquí hay algunos conceptos básicos.
max() devuelve el valor máximo de un grupo de valores.
max(4, 7, 23, 11) 23
min() devuelve el mínimo.
min(4, 7, 23, 11) 4
abs() devuelve el valor absoluto.
abs(-9.4) 9.4
sum() devuelve la suma de los valores.
sum([1, 2, 3]) 6
Round() redondea a un decimal específico. El primer argumento es el número que queremos redondear y el segundo es el número de decimales que queremos.
round(4.91278, 2) 4.19
pow() devuelve el primer valor alto con el segundo valor. Corresponde al operador **.
pow(2, 3) 8
Finalmente, len() devuelve la cantidad de valores dentro de una lista.
len([1, 3, 5, 7, 9]) 5
declaraciones if y bucles for
Una vez que tengamos una descripción general de las variables, estructuras de datos, operadores y funciones básicas, podemos comenzar a incorporarlos en una lógica aún más compleja usando sentencias condicionales si/entonces y “bucles for” que pueden iterar la lógica sobre una secuencia. Ambas técnicas abren una increíble cantidad de posibilidades, hacen que nuestro código sea más potente y abren aplicaciones útiles.
Paquetes de Python para análisis de datos.
También es fácil ir más allá de la funcionalidad estándar de Python integrando paquetes prediseñados. Esto puede ser tan simple como usar paquete de matemáticas para acceder a la función sqrt() para encontrar la raíz cuadrada de un número, o puede llegar incluso a utilizar paquetes avanzados de ciencia de datos como pandas o NumPy.
Recursos adicionales
Curso básico de Python
Python para la ciencia de datos
Transición de Excel a Python
Ver todos los recursos de ciencia de datos
