Summary and Setup

Lesson Maintainers: {{ page.maintainers | join: ‘,’ }}

Python es un lenguaje de programación general que es útil para escribir scripts para trabajar con datos de manera efectiva y reproducible.

Esta es una introducción a Python diseñada para participantes sin experiencia en programación. Estas lecciones pueden enseñarse en un día (~ 6 horas). Las lecciones empiezan con información básica sobre la sintaxis de Python, la interfaz de Jupyter Notebook, y continúan con cómo importar archivos CSV, usando el paquete Pandas para trabajar con DataFrames, cómo calcular la información resumen de un DataFrame, y una breve introducción en cómo crear visualizaciones. La última lección demuestra cómo trabajar con bases de datos directamente desde Python. Nota: los datos no han sido traducidos de la versión original en inglés, por lo que los nombres de variables se mantienen en inglés y los números de cada observación usan la sintaxis de habla inglesa (coma separador de miles y punto separador de decimales).

Antes de empezar

La enseñanza en Data Carpentry es práctica, y por tanto se fomenta que los participantes usen sus propias computadoras para asegurar la correcta configuración setup de las herramientas para un trabajo eficiente. Estas lecciones no asumen conocimientos previos sobre los temas presentados o herramientas usadas.

Para empezar, sigue las direcciones en Setup para bajar los datos a tu computadora y siguen las instrucciones de instalación.

Prerequisitos

Esta lección requiere la instalación de Python. Para el uso efectivo de este material, por favor instala todo antes de trabajar en la lección.

Para instructores

Si enseñas esta lección en un taller, por favor lee las Notas de instructor.

Datos

Los datos para esta lección son del Portal Project Teaching Database - disponible en FigShare.

En esta lección usaremos los seis archivos enumerados a continuación. Descarga estos archivos a su computadora haciendo clic en este enlace, luego tendrás todo en un archivo comprimido. Tienes que descomprimir este archivo después de descargarlo.

O descarga cada archivo individualmente con los siguientes enlaces:

Software

Python es un lenguaje muy utilizado en la computación científica y también es ideal para la programación de propósito general. La instalación de todos los paquetes científicos individualmente puede ser un poco difícil, por lo que recomendamos un instalador todo en uno.

Para este taller utilizamos la versión 3.x.

Paquetes de Python requeridos para este taller

Instalación de software


Usaremos Anaconda o Miniconda para instalar Python y los paquetes necesarios. Ambos usan Conda, pero Anaconda viene con Pandas, Jupyter Notebook, Numpy y Matplotlib preinstaladas, mientras que Miniconda no lo hace.

Instalación de Anaconda

Anaconda te instalará los paquetes.

Descarga e instala Anaconda

Descarga e instala Anaconda. Recuerde descargar e instalar el instalador para Python 3.x.

Descarga el paquete para crear gráficos.

El paquete para crear gráficos, plotnine, no está instalado por defecto. Para instalarlo desde el terminal, escriba:

PYTHON

conda install -c conda-forge plotnine

Instalación de Miniconda

Miniconda es una versión “ligera” de Anaconda. Si haces la instalación usando Miniconda, también necesitarás instalar los paquetes requeridos para el taller.

Descarga e instala Miniconda

Descarga e instala Miniconda siguiendo las instrucciones. Recuerda descargar y ejecutar el instalador para Python 3.x.

Compruebe la instalación de Miniconda

En la terminal, escribe:

BASH

conda list

Instala los paquetes requeridos con Conda

En la terminal, escribe:

BASH

conda install -y numpy pandas matplotlib jupyter
conda install -c conda-forge plotnine

Abre un Jupyter Notebook


Después de instalar Python y los paquetes requeridos, abre un Jupyter Notebook escribiendo este comando en la terminal:

BASH

jupyter notebook

Un Jupyter Notebook se abrirá automáticamente en tu navegador. Si no es así, o si deseas utilizar un navegador diferente, abre este enlace: http://localhost:8888.

Para una breve introducción a Jupyter Notebooks, consulta nuestra página “Introducción a Jupyter Notebooks”.