Como Instalar y Encontrar Recursos Utiles.ipynb

Volver

Iniciando mi Viaje en Python: Como Instalar y Encontrar Recursos Utiles

1. Aspectos de Instalación de Python y Recursos

Descripción: Explica cómo instalar Python y enumera recursos útiles para principiantes. Código: No aplica directamente, pero podrías incluir capturas de pantalla de los pasos de instalación.

2. Mi Primer Script en Python

Descripción: Describe la experiencia de escribir y ejecutar tu primer script en Python. Código:

# HolaMundo.py

print("Hola, mundo!")

Resultado de Colab 

Hola, mundo!

3. Programas Básicos en Python

Descripción: Muestra cómo Python puede usarse para tareas cotidianas sencillas.

Código:

# CalculadoraSimple.py

numero1 = float(input("Ingresa el primer número: "))

numero2 = float(input("Ingresa el segundo número: "))

suma = numero1 + numero2

print("La suma es:", suma)

Resultado de Colab 

Ingresa el primer número: 5
Ingresa el segundo número: 6
La suma es: 11.0

4. Pensamiento computacional con Python

Descripción: Explica cómo Python ayuda a desarrollar habilidades de pensamiento computacional.

Código:

# Fibonacci.py

a, b = 0, 1

while b < 10:

    print(b)

    a, b = b, a+b

Resultado de Colab 

1
1
2
3
5
8

5. Estudio de Caso en Educación 1: Evaluación Automática

Descripción: Aborda cómo Python puede utilizarse para crear sistemas de evaluación automática.

Código:

# EvaluacionAutomatica.py

respuestas_correctas = ['b', 'd', 'a', 'c']

respuestas_estudiante = ['b', 'd', 'a', 'c']

calificacion = sum(1 for i, j in zip(respuestas_correctas, respuestas_estudiante) if i == j)

print("Calificación:", calificacion)

Resultado de Colab 

Calificación: 4

6. Estudio de Caso en Educación 2: Análisis de Texto

Descripción: Muestra cómo Python puede usarse para analizar textos en un contexto educativo.

Código:

# AnalisisDeTexto.py

texto = "Python es un lenguaje de programación poderoso y fácil de aprender."

palabras = texto.split()

frecuencia_palabras = {palabra: palabras.count(palabra) for palabra in palabras}

print(frecuencia_palabras)

Resultado de Colab 

{'Python': 1, 'es': 1, 'un': 1, 'lenguaje': 1, 'de': 2, 'programación': 1, 
'poderoso': 1, 'y': 1, 'fácil': 1, 'aprender.': 1}

7. Estudio de Caso en Educación 3: Visualización de Datos

Descripción: Describe cómo usar Python para visualizar datos educativos.

Código:

# VisualizacionDeDatos.py

import matplotlib.pyplot as plt

notas = [5, 7, 8, 6, 9]

materias = ['Matemáticas', 'Historia', 'Biología', 'Arte', 'Química']

plt.bar(materias, notas)

plt.xlabel('Materias')

plt.ylabel('Notas')

plt.title('Rendimiento Académico')

plt.show()

Resultado de Colab 

________________________________________

Aspectos de instalación de Python y Recursos: Google Colab y JupyterLab

Parte 1: Instalación de Python

1. Descarga de Python:

• Visita la página oficial de Python en python.org.

• Descarga la última versión de Python para tu sistema operativo (Windows, macOS, Linux).

• Ejecuta el archivo descargado para iniciar el instalador.

2. Instalación:

• Durante la instalación, asegúrese de marcar la opción "Agregar Python a PATH".

• Siga las instrucciones del instalador hasta completar la instalación.

3. Verificación:

• Abra una terminal o línea de comandos.

• Escribe python --versionpara verificar que Python se ha instalado correctamente.

Parte 2: Uso de Google Colab

1. Accede a Google Colab:

• Ve a Google Colab .

• Inicia sesión con tu cuenta de Google.

2. Creación de un nuevo cuaderno:

• Haz clic en "Nuevo cuaderno" o "New Notebook".

• Se abrirá un cuaderno nuevo con una celda de lista de códigos para usar.

3. Ejecución de Python:

• Escribe un código de Python en la celda, por ejemplo, print("Hola, mundo!").

• Presiona Shift + Enter para ejecutar la celda.

• Verás el resultado debajo de la celda.

4. Guardar y compartir:

• Tu cuaderno se guarda automáticamente en Google Drive.

• Puedes compartirlo haciendo clic en el botón "Compartir" y agregando correos electrónicos o generando un enlace.

Parte 3: Uso de JupyterLab

1. Instalación de JupyterLab:

• Asegúrese de tener Python instalado.

• Abre una terminal y escribe pip install jupyterlab.

• Espere a que se complete la instalación.

2. Iniciar JupyterLab:

• En la terminal, escribe jupyter lab.

• Se abrirá JupyterLab en tu navegador web por defecto.

3. Creación de un nuevo cuaderno:

• Haz clic en el icono de "Nuevo cuaderno" o "New Notebook".

• Se abrirá un cuaderno nuevo con una celda de lista de códigos.

4. Escribir y ejecutar código:

• Escribe el código de Python en la celda.

• Presiona Shift + Enter para ejecutar la celda.

• Observe los resultados debajo de la celda.

5. Guardar y explorar:

• Guarda tu cuaderno con Ctrl + S.

• Explora otras características de JupyterLab como la terminal integrada, el explorador de archivos y las extensiones.

________________________________________

Ejemplo de Análisis de Datos: Análisis de Calidad del Vino

Objetivo: Realizar un análisis exploratorio de datos (EDA) en un conjunto de datos de calidad de vino para entender mejor sus características y cómo se relacionan con la calidad percibida del vino.

Paso 1: Preparación del Entorno

1. Instalar las bibliotecas necesarias :

• Pandas para manejo de datos.

• Matplotlib y Seaborn para visualizaciones.

• Ejecuta !pip install pandas matplotlib seabornen una celda de Jupyter Notebook.

Paso 2: Obtención de Datos

1. Descarga del conjunto de datos :

• Utilizaremos el conjunto de datos de calidad del vino disponible en UCI Machine Learning Repository .

• Puedes descargarlo directamente usando pandas con la URL del archivo CSV.

Paso 3: Análisis Exploratorio de Datos

1. Carga y visualización inicial de datos :

• Carga el conjunto de datos usando pandas.

• Utilice métodos como head()para describe()obtener una visión inicial.

2. Visualización de datos :

• Crea gráficas para analizar la relación entre las diferentes características y la calidad del vino.

• Por ejemplo, utilice gráficos de barras, histogramas y diagramas de dispersión.

Paso 4: Ejemplo de Código en Jupyter Notebook

Aquí hay un ejemplo simplificado de cómo se vería el código en tu cuaderno de Jupyter:

import pandas as pd

import matplotlib.pyplot as plt

import seaborn as sns

# Carga de datos

url = "https://archive.ics.uci.edu/ml/machine-learning-databases/wine-quality/winequality-red.csv"

data = pd.read_csv(url, sep=';')

# Visualización básica

print(data.head())

print(data.describe())

# Gráfica de correlación

plt.figure(figsize=(10, 6))

sns.heatmap(data.corr(), annot=True, fmt=".2f")

plt.show()

# Histograma de calidad del vino

data['quality'].hist()

plt.title('Distribución de la Calidad del Vino')

plt.xlabel('Calidad')

plt.ylabel('Frecuencia')

plt.show()

Resultado de Colab 

 fixed acidity  volatile acidity  citric acid  residual sugar  chlorides  \
0            7.4              0.70         0.00             1.9      0.076   
1            7.8              0.88         0.00             2.6      0.098   
2            7.8              0.76         0.04             2.3      0.092   
3           11.2              0.28         0.56             1.9      0.075   
4            7.4              0.70         0.00             1.9      0.076   

   free sulfur dioxide  total sulfur dioxide  density    pH  sulphates  \
0                 11.0                  34.0   0.9978  3.51       0.56   
1                 25.0                  67.0   0.9968  3.20       0.68   
2                 15.0                  54.0   0.9970  3.26       0.65   
3                 17.0                  60.0   0.9980  3.16       0.58   
4                 11.0                  34.0   0.9978  3.51       0.56   

   alcohol  quality  
0      9.4        5  
1      9.8        5  
2      9.8        5  
3      9.8        6  
4      9.4        5  
       fixed acidity  volatile acidity  citric acid  residual sugar  \
count    1599.000000       1599.000000  1599.000000     1599.000000   
mean        8.319637          0.527821     0.270976        2.538806   
std         1.741096          0.179060     0.194801        1.409928   
min         4.600000          0.120000     0.000000        0.900000   
25%         7.100000          0.390000     0.090000        1.900000   
50%         7.900000          0.520000     0.260000        2.200000   
75%         9.200000          0.640000     0.420000        2.600000   
max        15.900000          1.580000     1.000000       15.500000   

         chlorides  free sulfur dioxide  total sulfur dioxide      density  \
count  1599.000000          1599.000000           1599.000000  1599.000000   
mean      0.087467            15.874922             46.467792     0.996747   
std       0.047065            10.460157             32.895324     0.001887   
min       0.012000             1.000000              6.000000     0.990070   
25%       0.070000             7.000000             22.000000     0.995600   
50%       0.079000            14.000000             38.000000     0.996750   
75%       0.090000            21.000000             62.000000     0.997835   
max       0.611000            72.000000            289.000000     1.003690   

                pH    sulphates      alcohol      quality  
count  1599.000000  1599.000000  1599.000000  1599.000000  
mean      3.311113     0.658149    10.422983     5.636023  
std       0.154386     0.169507     1.065668     0.807569  
min       2.740000     0.330000     8.400000     3.000000  
25%       3.210000     0.550000     9.500000     5.000000  
50%       3.310000     0.620000    10.200000     6.000000  
75%       3.400000     0.730000    11.100000     6.000000  
max       4.010000     2.000000    14.900000     8.000000  

Paso 5: Descarga del Cuaderno y el Conjunto de Datos

1. Para descargar el cuaderno :

• En JupyterLab, ve al menú "Archivo" y selecciona "Descargar como" > "Notebook (.ipynb)".

2. Para descargar el conjunto de datos :

• Puedes proporcionar un enlace directo al conjunto de datos en tu blog para que los lectores lo descarguen.

Volver

Entrada destacada

Información General

Iniciando mi Viaje en Python: Como Instalar y Encontrar Recursos Utiles

Como Instalar y Encontrar Recursos Utiles.ipynb

Volver

Iniciando mi Viaje en Python: Como Instalar y Encontrar Recursos Utiles

1. Aspectos de Instalación de Python y Recursos

2. Mi Primer Script en Python

3. Programas Básicos en Python

4. Pensamiento computacional con Python

5. Estudio de Caso en Educación 1: Evaluación Automática

6. Estudio de Caso en Educación 2: Análisis de Texto

7. Estudio de Caso en Educación 3: Visualización de Datos

Aspectos de instalación de Python y Recursos: Google Colab y JupyterLab

Parte 1: Instalación de Python

1. Descarga de Python:

2. Instalación:

3. Verificación:

Parte 2: Uso de Google Colab

1. Accede a Google Colab:

2. Creación de un nuevo cuaderno:

3. Ejecución de Python:

4. Guardar y compartir:

Parte 3: Uso de JupyterLab

1. Instalación de JupyterLab:

2. Iniciar JupyterLab:

3. Creación de un nuevo cuaderno:

4. Escribir y ejecutar código:

5. Guardar y explorar:

Ejemplo de Análisis de Datos: Análisis de Calidad del Vino

Paso 1: Preparación del Entorno

Paso 2: Obtención de Datos

Paso 3: Análisis Exploratorio de Datos

Paso 4: Ejemplo de Código en Jupyter Notebook

Paso 5: Descarga del Cuaderno y el Conjunto de Datos

Sin comentarios