Introducción a Python

¿Qué es Python?

Es un lenguaje de programación muy versátil que permite desarrollar casi cualquier tipo software y que puede ser ejecutado en casi cualquier dispositivo. Una de sus mayores fortalezas es su gran comunidad que ha ayudado a extender las posibilidades de este lenguaje creando paquetes de funciones que facilitan muchísimo el desarrollo de nuevo programas. Como no podría ser de otra manera, también encontramos un inmensa cantidad de paquetes específicos para ciencia de datos.

Existen muchos tutoriales para instalar Python, en realidad para análisis de datos los más recomendable es usar Anaconda que es un distribución de Python que incluye la mayoría de liberarías que necesitaremos. Aquí os dejo un tutorial para instalarlo.

¿Dónde escribo el código?

podemos destacar tres maneras de escribir código en Python:

IPython Shell: La shell de Python (comando ipython en nuestro terminal), es un lugar donde puede escribir código Python y ver inmediatamente los resultados de manera interactiva
Archivos .py: Estos son los scripts, archivos de texto con la extensión .py. Son básicamente una lista de comandos de Python que se ejecutan, casi como si estuviera escribiendo los comandos en la shell, línea por línea.
Jupyter notebook: Es un entorno de desarrollo que combina la programación interactiva como IPython con la documentación a modo de informe. Esta herramienta se estructura en bloques tanto de código en Python como de texto usando la sintaxis markdown.

Operadores	Significado
`<`	menor que
`<=`	menor o igual
`>`	mayor que
`>=`	mayor o igual
`==`	igual
`!=`	no igual

Listas

Para trabajar con varias medidas como, por ejemplo, la altura de varias personas y almacenar esta información en una única variable se pueden utilizar las listas. Las listas se definen entre corchetes ([a, b, c]) y pueden contener múltiples tipos de elementos dentro de la misma lista, es decir, podríamos definir una lista con esta estructura de elementos [str, float, bool, str] o incluso hacer una lista de listas.

Python utiliza índices para acceder al contenido de la lista. La primera posición de la lista se establece con le índice en la posición 0. Por ejemplo, acceder al cuarto elemento de la lista a necesita establecer el índice en la tercera posición a[3]. También se puede especificar números negativos como índices. Esto es útil para acceder a una lista empezando por el final de la misma. Por ejemplo, la última posición de la lista a sería a[-1].

Además de acceder a elementos específicos, también podemos seleccionar subconjuntos de listas definiendo un intervalo. En la lista a la selección del subconjunto a[3:5] devuelve al cuarta y la quinta posición de la lista pero no la sexta, es decir devuelve desde donde comiencuandoza (start) pero no devuelve la posición donde acaba (stop) definiendo a[ start : stop ]. También se puede no especificar el índice al principio o al final de intervalo, por ejemplo:

a[:5] en este caso entiende que tiene que mostrar todos los valores desde la posición 0
a[3:] mostrará todos los índices desde la cuarta posición hasta el final de la lista.
a[:] mostrará todos los elementos de la lista.

Con las listas seleccionadas, las acciones que podemos hacer son: cambiar elementos de la lista, añadir elementos nuevos o eliminar los existentes:

Cambiar elementos: A partir de los mismos corchetes que hemos usado para subconjuntos de listas, asignamos nuevos elementos usando el signo igual. Por ejemplo, podemos asignar el valor 1.86 al sexto elemento lista a de manera que a[5]=1.86 o podemos modificar varios elementos a la vez seleccionando y reasignado subconjuntos en las listas. En este caso modificamos los dos primeros elementos de la lista a asignándole una lista del mismo tamaño, es decir, a[0:2] = ["lisa", 1.74]
Añadir nuevos elementos: Cuando se utiliza el signo + en dos listas, Python simplemente pega su contenido en una sola lista. Si queremos concatenar la lista añadir el contenido de la lista a a la lista b tendríamos que especificar: a = a + b.
Eliminar elementos: Para eliminar uno o varios elementos tendremos que especificar la selección a eliminar dentro de la función del. Por ejemplo, si queremos eliminar el tercer elemento de la lista a tendríamos que declarar del(a[2]).

Funciones

Una función es un trozo de código reutilizable que resuelven una tarea particular. Por ejemplo, si queremos obtener el máximo de una lista x = [1,3,5,8] podemos utilizar la función max(x) que ya viene integrada en el lenguaje. Otra de estas funciones que vienen integradas en el lenguaje es round. En este caso, esta función necesita especificar dos parámetros, el primero el número que a redondear y el segundo el número de de dígitos detrás del punto decimal. De manera que si queremos redondear el número 1.68 a solamente un decimal podemos usar round(1.68, 1). Tenga en cuenta que los múltiples parámetros se separan por comas.

Métodos

Podemos explicar los métodos como funciones que pertenecen a objetos en Python. Un objeto Python de tipo cadena tiene métodos, como el método capitalize() que convierte la cadena en mayúsculas o el método replace() que remplaza un conjunto de caracteres por otros. Las listas tienen sus propios métodos como el método index que permite encontrar la posiciones de estos elementos.

Suponga que quiere identificar la palabra manzana dentro de la lista a = ["tomate", "fresa", "manzana"]. Para llamar al método index utilizaremos el punto para unir el objeto y el método, de manera que a.index("manzana") debería devolver el índice 2.

Tenga en cuenta que el método index también existe en los objeticos de tipo carácter (str), sin embargo, éste busca la posición del carácter.

Paquetes

Los paquetes sirven para extender las funcionalidades de Python con funciones, tipos de objetos y métodos creados para resolver problemas particulares. Se estructuran como un directorio de scripts donde cada uno de ellos especifica un subconjunto de todas las funcionalidades el cual se conoce como módulo.

Hay miles de paquetes de Python disponibles en Internet. Entre ellos se encuentran los paquetes para la ciencia de datos: numpy para trabajar de manera eficiente con matrices, matplotlib para la visualización de datos o scikit-learn para el aprendizaje automático.

No todos estos paquetes están disponibles en Python de forma predeterminada. Para usar paquetes de Python, primero tendrás que instalarlos en tu propio sistema y luego poner en el código unos comandos para decirle a Python que desea usar estos paquetes.

Para facilitar el proceso de instalación podemos utilizar el programa pip, un sistema de mantenimiento de paquetes para Python. Si lo tenemos instalado podemos ejecutar el comando pip3 install numpy e instalar en nuestro sistema el paquete numpy.

Antes de poder utilizar las funcionalidades de este paquete debemos importarlo en nuestro script. Tenemos varias opciones:

Importar el módulo e utilizar el nombre del mismo para acceder a sus funciones.
```
import numpy
numpy.array([1, 2, 3])
```
Importar el módulo e utilizar un alias del mismo.
```
import numpy as np
np.array([1, 2, 3])
```
El alias np nos permite escribir menos en nuestro desarrollo y esto hace que la lectura del código sea más sencilla.
Importar una función del paquete.
```
from numpy import array
array([1, 2, 3])
```
De esta manera solamente estaríamos importando la función array del paquete numpy.

Numpy

El paquete de Python Numpy ofrece grandes funcionalidades para el manejo de de listas y matrices y así facilitar la manipulación de datos. Por ejemplo, operaciones como la división están implementadas por defecto en este tipo de objetos.

height = [1.73, 1.68, 1.71, 1.89, 1.79]
weight = [65.4, 59.2, 63.6, 88.4, 68.7]

# La siguiente operación devuelve este error: 
# TypeError: unsupported operand type(s) for **: 'list' and 'int'
weight / height ** 2

# Sin embargo con Numpy podemos realizarlo:
np_height = np.array(height)
np_weight = np.array(weight)
np_weight / np_height ** 2array

# Devolviendo el resultado
([ 21.852,  20.975,  21.75 ,  24.747,  21.441])

Debemos tener en cuenta que Numpy puede hacer todo esto tan fácilmente porque asume que su matriz Numpy solo puede contener valores de un solo tipo. Por ejemplo, una matriz numérica o de boléanos.

Además de las funcionalidades para la manipulación de datos, Numpy ofrece métodos que nos permiten calcular estadísticos, por ejemplo np.mean(), np.median(), np.std(), etc.

Matplotlib

Existen muchos paquetes en Python para visualizar datos pero Matplotlib es uno de los mas populares. La creación de gráficos es sencilla, por ejemplo, tenemos la función plot() que nos genera un gráfico automáticamente a partir de dos variables uniendo cada combinación de puntos con una línea:

import matplotlib.pyplot as plt

year = [1950, 1970, 1990, 2010]
pop = [2.519, 3.692, 5.263, 6.972]
plt.plot(year, pop)
plt.xlabel('Year')
plt.ylabel('Population')
plt.title('World Population')
plt.show()

Matplotlib plot function

Un gráfico de utilizad es el diagrama de dispersión, Matplotlib también incluye esta función. Para rehacer con este tipo de gráfico, solamente tendríamos que substituir la función plotpor la función scatter. De la misma manera, podemos crear histogramas con la función hist para explorar la distribución de una variable numérica.

Diccionario

Los diccionarios en Python son estructuras de datos que permiten almacenar datos como pares de clave-valor al igual que sucede en como con los diccionarios convencionales donde tenemos la palabra (clave) y la definición (valor). Por ejemplo:

world = {"afghanistan":30.55, "albania":2.77, "algeria":39.21}

# La siguiente instrucción devuelve el valor 
# 2.77 que corresponde a la clave albania 
world["albania"]

# Para ver todas la claves en un diccionario 
# podemos utilizar el método .keys()
world.keys
# --> dict_keys(['afghanistan', 'albania', 'algeria'])

# Para añadir o eliminar ( del() ) elementos al diccionario 
# podemos accerlo de manera similar a las listas
world["sealand"] = 0.0028

Como se puede ver en la imagen anterior, los diccionarios de definen entre llaves ({ }) donde se incluye los pares clave-valor separados por comas. Ten en cuenta que las claves en un diccionario son únicas y si se añaden claves repetidas solamente se mantendrá la última.

Pandas

El paquete Pandas nos presenta la posibilidad de estructurar los datos como DataFrames, un tipo de datos que podemos encontrar de igual manera en R. El formato de un DataFrame es muy sencilla, las filas representan las observaciones y las columnas representan las variables.

Para crear un DataFrame existen diferentes métodos, lo podemos hacer desde un diccionario pandas.DataFrame() pero lo más habitual será utilizar un archivo o base de datos. En este ejemplo utilizaremos un archivo CSV donde importaremos el archivo brics.csv

import pandas as pd

brics = pd.read_csv("brics.csv", index_col = 0)
print(brics)

# Nota: el parámetros index_col = 0 nos permite 
# indicar que la primera columna contiene los índices 
# de las filas

El resultado de esté será la tabla que hemos leído.

	country			capital		area	population
BR	Brazil			Brasilia	8.516	200.40
RU	Russia			Moscow		17.100	143.50
IN	India			New Delhi	3.286	1252.00
CH	China	 		Beijing		9.597	1357.00
SA	South Africa		Pretoria	1.221	52.98

Para seleccionar un subconjunto de de filas o columnas tenemos que utilizar los corchetes ([ ]). Pandas solo acepta:

un nombre de columna o una lista con los nombres de varias columnas.
un subconjunto de filas o una condición booleana.

Por tanto para seleccionar la columna countryy capitaltenemos que utilizar la instrucción brics[["country", "capital"]] y para seleccionar los primero cuatro filas de la tabla brics[0:4].

Las funciones de locy iloc nos facilita la selección de elementos en un DataFrame. loc se utilizar para seleccionar utilizando las etiquetas y iloc es el equivalente para la selección basado en posiciones. Por ejemplo:

# Podemos seleccionar filas usando .loc
brics.loc[["RU", "IN", "CH"]]

donde se mostrarán la filas correspondientes:

country		capital		area	population
RU	Russia	Moscow		17.100	143.5
IN	India	New Delhi	3.286	1252.0
CH	China	Beijing		9.597	1357.0

También podemos filtrar filas y columnas a la vez añadiendo un coma tras la selección de filas, brics.loc[["RU", "IN", "CH"], ["country", "capital"]] o seleccionar solamente filas incluyendo todas las filas brics.loc[:, ["country", "capital"]].

La función iloc funciona de manera similar y podríamos realizar las mismas selecciones que antes usando las posiciones, por ejemplo brics.iloc[[1, 2, 3]] para seleccionar solamente filas, brics.iloc[[1, 2, 3], [0, 1]] para filas y columnas, y brics.iloc[:, [0, 1]] para solamente columnas.

Operadores

Además de los operadores de relación como el > o el ==, éstos los podemos combinar usando los operadores lógicos, los tres más comunes son and, or y not. Las matrices y listas en Numpy no soportan estos operadores ya que normalmente intentaremos comparar múltiples elementos y los operadores básicos no están diseñados para tal propósitos. Para ello, existen las funciones logical_and(), logical_or() y logical_not().

import numpy as np
height = np.array([1.73, 1.68, 1.71, 1.89, 1.79])

# Evalúa si cumplen la condición
print(np.logical_and( height >= 1.70, height <= 1.80))

# Muestra los valores 
print(height[np.logical_and( height >= 1.70, height <= 1.80)])

Cuando queremos realizar acciones según las condiciones, tenemos los operadores condicionales como if, else y elif.

`if`

Tras la instrucción if tenemos que indicar la condición a evaluar y añadir dos puntos al final. Si cumple la condición el código se ejecutará. En el siguiente ejemplo se mostrarán los dos impresiones por pantalla. Tenemos que recordar que las acción tras el operador de condición (if, else y elif) deben estar indicadas ya sea por un tabulador o por cuatro espacios. Con el IDE (Integrated Development environment) que utilicemos o el notebook ya nos realizará esto automáticamente, pero no está de más tenerlo en cuenta. Para continuar con el código sin incluirlo en el if simplemente dejaremos de incluir acciones tabuladas o con espacios.

z = 6
if z % 2 == 0 :    # False    
    print("checking "  + str(z))    
    print("z is even")
# Devuelve "checking 6" y "z is even"

`else`

La instrucción else se ejecuta si la condición ifno se cumple. Como vemos en el ejemplo siguiente, la expresión elseno hace falta especificar una condición.

z = 5
if z % 2 == 0 :    # False    
    print("z is even")
else :    
    print("z is odd")
# Devuelve "z i odd"

`elif`

Cuando necesitamos un comportamiento aún más personalizado tenemos las opción de incluir uno o varios elif. Éste sirve para incluir cadenas de condiciones que necesitan ser evaluadas.

z = 9
if z % 2 == 0 : 
    print("z is divisible by 2")    # False
elif z % 3 == 0 : 
    print("z is divisible by 3")    # True
else :
    print("z is neither divisible by 2 nor by 3")

Bucle

En esta sección repasaremos como definir bucles en Python, como son while,

`while`

El bucle definido por la instrucción while es algo similar a una instrucción if, ejecuta el código interno si la condición es verdadera. Sin embargo, a diferencia de la instrucción if, el bucle while continuará ejecutando este código una y otra vez siempre que la condición sea verdadera. La sintaxis de un bucle while es muy similar a la instrucción if, como puede ver en el siguiente ejemplo:

# Definimos un valor inicial
error = 50.0

# La condición se evalúa hasta 
# que se cumpla la condición
while error > 1:     
    error = error / 4      
    print(error)

`for`

El bucle for se ejecuta un número determinado por una secuencia. Por ejemplo, en el bucle siguiente, se imprime el valor de la variable height que se va actualizando en cada iteración recorriendo la lista fam.

fam = [1.73, 1.68, 1.71, 1.89]

for height in fam :     
    print(height)
# 1.73
# 1.68
# 1.71
# 1.89

La función enumerate() dentro de un bucle for nos permite acceder a dos valores de la lista, primero a los valores de la lista y segundo a los índices de la misma. Para utilizar esta función debemos modificar algo el bucle anterior e incluir dos variables dentro de la definición del for, la variable index y la variable height:

fam = [1.73, 1.68, 1.71, 1.89]

for index, height in enumerate(fam) :    
    print("index " + str(index) + ": " + str(height))
# index 0: 1.73
# index 1: 1.68
# index 2: 1.71
# index 3: 1.89

El bucle forno solo funciona con listas y también podemos crear un bucle que recorra los caracteres de una cadena.

Para recorrer diccionarios en un bucle for debemos utilizar el método .items() de manera que la primera línea de bucle sería algo como:

for key, val in my_dict.items() :
    ...

En cambio, para recorrer listas de Numpy debemos utilizar la función .nditer() y el bucle quedaría algo como esto:

for val in np.nditer(my_array) :
    ...

Durante el análisis de datos los bucles más comunes serán sobre los DataFrame de Pandas. Si definimos un bucle iterando el DataFrame como si fuera un lista, el bucle mostrará las etiquetas de las columnas (ver Ejemplo 1).

import pandas as pd

brics = pd.read_csv("brics.csv", index_col = 0)

# 		country			capital		area	population
# BR	Brazil			Brasilia	8.516	200.40
# RU	Russia			Moscow		17.100	143.50
# IN	India			New Delhi	3.286	1252.00
# CH	China	 		Beijing		9.597	1357.00
# SA	South Africa	Pretoria	1.221	52.98

# Ejemplo 1: Itera las las columnas 
for val in brics :
    print(val)
# country
# capital
# area
# population

Para iterar sobre las filas, debemos utilizar el método .iterrows(). Este método proporciona dos piezas de datos, las etiquetas (variable lab en el siguiente ejemplo) y los valores de las filas del DataFrame (variable row del ejemplo). En la primera iteración del mostrará por tanto, la etiqueta BR guarda en la variable laby el objeto correspondiente a la fila de Brazil en la variable row.

# Ejemplo 2: Itera las filas
for lab, row in brics.iterrows():    
    print(lab)    
    print(row)
# El primer print muestra el rowname
# El segundo print muestra los valores de la fila

En el tercer ejemplo mostramos como crear una nueva columna dentro del bucle. En el podemos ver como podemos combinar los otros métodos y funciones dentro del bucle.

# Ejemplo 3: Crea un nuevo valor en cada iteración
for lab, row in brics.iterrows() :  
    brics.loc[lab, "name_length"] = len(row["country"])
print(brics)

No obstante, la creación de de esta variable dentro de un bucle no es para nada eficiente y para ello disponemos de métodos como applyque además de simplificar la creación de la columna, facilitar la lectura del código, es más eficiente que el bucle for.

# Ejemplo 4: Ejemplo 3 de manera optimzada
# método apply
brics["name_length"] = brics["country"].apply(len)
print(brics)

¿Qué es Python?#

¿Dónde escribo el código?#

Lo más básico del lenguaje Python#

Listas#

Funciones#

Métodos#

Paquetes#

Numpy#

Matplotlib#

Diccionario#

Pandas#

Operadores#

if#

else#

elif#

Bucle#

while#

for#