Programación en Python: Fundamentos y estructuras de control
Programación en Python: Fundamentos y estructuras de control.ipynb
Python es un lenguaje de programación muy popular y versátil que se utiliza en una amplia variedad de aplicaciones, incluida la inteligencia artificial.
En Python, los fundamentos incluyen:
Variables : Puedes crear variables para almacenar datos. Por ejemplo:
- nombre = "Héctor" edad = 30
Estructuras de control : Puedes utilizar estructuras de control como condicionales y bucles para controlar el flujo de tu programa. Por ejemplo:
if edad >= 18: print("Eres mayor de edad") else: print("Eres menor de edad")
Listas y diccionarios : Python ofrece formas convenientes de almacenar y manipular datos, como listas y diccionarios.
frutas = ["manzana", "banana", "naranja"]
persona = {"nombre": "Héctor", "edad": 30}
Funciones : Puedes definir funciones para reutilizar el código. Por ejemplo:
def saludar(nombre):
return "Hola, " + nombre
mensaje = saludar("Héctor")
print(mensaje)
Módulos y bibliotecas : Python tiene una amplia variedad de módulos y bibliotecas para realizar tareas específicas, como numpy para matemáticas y pandas para análisis de datos.
Programación orientada a objetos : Python es un lenguaje orientado a objetos, lo que significa que puedes definir clases y crear objetos a partir de ellas.
Ejemplo de una suma simple:
# Definimos dos números
numero1 = 10
numero2 = 5
# Realizamos la suma
resultado = numero1 + numero2
# Imprimimos el resultado
print("La suma de", numero1, "y", numero2, "es igual a:", resultado)P
Ejemplo de una condicional:
# Definimos una variable de edad
edad = 20
# Comprobamos si es mayor de edad
if edad >= 18:
print("Eres mayor de edad")
else:
print("Eres menor de edad")
Ejemplo de bucle para recorrer una lista:
# Definimos una lista de frutas
frutas = ["manzana", "banana", "naranja"]
# Iteramos sobre la lista e imprimimos cada fruta
for fruta in frutas:
print(fruta)
Ejemplo de una función:
# Definimos una función para calcular el área de un rectángulo
def calcular_area(base, altura):
area = base * altura
return area
# Llamamos a la función
area_rectangulo = calcular_area(5, 8)
print("El área del rectángulo es:", area_rectangulo)
Ejemplo de uso de una biblioteca externa (matemáticas):
# Importamos la biblioteca math
import math
# Calculamos la raíz cuadrada de un número
numero = 25
raiz_cuadrada = math.sqrt(numero)
# Imprimimos el resultado
print("La raíz cuadrada de", numero, "es:", raiz_cuadrada)
Importamos librerias
import matplotlib.pyplot as plt
import numpy as np
import seaborn as sns
Plot lineas con matplotlib
# make data
x = np.linspace(0, 10, 100)
y = 4 + 2 * np.sin(2 * x)
# plot
fig, ax = plt.subplots()
ax.plot(x, y, linewidth=2.0)
ax.set(xlim=(0, 8), xticks=np.arange(1, 8),
ylim=(0, 8), yticks=np.arange(1, 8))
plt.show()
Plot barras con matplotlibpPlo
labels = ['G1', 'G2', 'G3', 'G4', 'G5']
men_means = [20, 35, 30, 35, 27]
women_means = [25, 32, 34, 20, 25]
men_std = [2, 3, 4, 1, 2]
women_std = [3, 5, 2, 3, 3]
width = 0.35 # the width of the bars: can also be len(x) sequence
fig, ax = plt.subplots()
ax.bar(labels, men_means, width, yerr=men_std, label='Men')
ax.bar(labels, women_means, width, yerr=women_std, bottom=men_means,
label='Women')
ax.set_ylabel('Scores')
ax.set_title('Scores by group and gender')
ax.legend()
plt.show()
Grafico de dispersion con matplotlib
# Fixing random state for reproducibility
np.random.seed(19680801)
N = 100
r0 = 0.6
x = 0.9 * np.random.rand(N)
y = 0.9 * np.random.rand(N)
area = (20 * np.random.rand(N))**2 # 0 to 10 point radii
c = np.sqrt(area)
r = np.sqrt(x ** 2 + y ** 2)
area1 = np.ma.masked_where(r < r0, area)
area2 = np.ma.masked_where(r >= r0, area)
plt.scatter(x, y, s=area1, marker='^', c=c)
plt.scatter(x, y, s=area2, marker='o', c=c)
# Show the boundary between the regions:
theta = np.arange(0, np.pi / 2, 0.01)
plt.plot(r0 * np.cos(theta), r0 * np.sin(theta))
plt.show()
Trazar barras de error con Matplotlib
# example data
x = np.arange(0.1, 4, 0.1)
y1 = np.exp(-1.0 * x)
y2 = np.exp(-0.5 * x)
# example variable error bar values
y1err = 0.1 + 0.1 * np.sqrt(x)
y2err = 0.1 + 0.1 * np.sqrt(x/2)
fig, (ax0, ax1, ax2) = plt.subplots(nrows=1, ncols=3, sharex=True,
figsize=(12, 6))
ax0.set_title('all errorbars')
ax0.errorbar(x, y1, yerr=y1err)
ax0.errorbar(x, y2, yerr=y2err)
ax1.set_title('only every 6th errorbar')
ax1.errorbar(x, y1, yerr=y1err, errorevery=6)
ax1.errorbar(x, y2, yerr=y2err, errorevery=6)
ax2.set_title('second series shifted by 3')
ax2.errorbar(x, y1, yerr=y1err, errorevery=(0, 6))
ax2.errorbar(x, y2, yerr=y2err, errorevery=(3, 6))
fig.suptitle('Errorbar subsampling')
plt.show()
h
yyy