Python es uno de los lenguajes de programación más utilizados en la actualidad gracias a que es un lenguaje de alto nivel, interpretado, multiparadigma y de propósito general, esto significa que se puede utilizar en diversas áreas de la programación como en el desarrollo de APIs, la ciencia de datos (data science) o machine learning entre muchas otras áreas. Además Python tiene una sintaxis sencilla e intuitiva, que facilita la lectura y escritura de código.
En este artículo veremos algunos ejemplos sobre qué puedes hacer con Python y algunas de sus áreas de uso más relevantes. Puedes ver este artículo si quieres saber más cobre cómo programar con Python
Una de las áreas en la que puedes utilizar Python es en el desarrollo de aplicación para back-end, existen diferentes frameworks que te permite crear un API con Python, a continuación veremos algunos de los más utilizados y relevantes.
En el siguiente ejemplo veremos cómo construir una API con ayuda del framework de FastAPI.
pip
:1pip install fastapi
1pip install "uvicorn[standard]"
main.py
y dentro de él pega el siguiente código:1from fastapi import FastAPI 2app = FastAPI() 3 4@app.get("/") 5def hello_world(): 6 return {'message': "Hello world!!!"}
1uvicorn main:app --reload
Una vez que se levante el servidor, podrás ingresar a la ruta http://127.0.0.1:8000
para acceder al contenido de la API y tambien podrás acceder a la ruta http://127.0.0.1:8000/docs
para ver la documetación que se genera de manera automática con la librería de Swagger.
Aqui te dejamos un tutorial paso a paso sobre cómo construir un API con Flask
La ciencia de datos (Data Science) es la disciplina que se encarga de extraer conocimientos e insights a partir de datos, utilizando técnicas de estadística, matemáticas, programación y visualización. Python es uno de los lenguajes más utilizados en este campo, debido a que ofrece herramientas poderosas y flexibles para la manipulación, análisis y visualización de datos.
Algunos de los frameworks más populares para el análisis de datos con Python, son:
El siguiente es un pequeño ejemplo de ciencia de datos con Python.
1import pandas as pd 2import matplotlib.pyplot as plt 3 4data_frame = pd.DataFrame({ 5 'Name': ['John', 'Mary', 'Peter', 'Anne', 'Michael', 'Emily'], 6 'Age': [25, 30, 22, 28, 35, 26], 7 'Score': [85, 90, 78, 92, 88, 95] 8}) 9 10plt.scatter(data_frame['Age'], data_frame['Score']) 11plt.title('Relationship between age and score') 12plt.xlabel('Age') 13plt.ylabel('Score') 14plt.show()
output del código:
En este ejemplo hacemos uso de la librería de Pandas para crear un DataFrame con la información de 6 usuarios (nombre, edad y puntuación), después utilizamos la librería de Matplotlib para visualizar la relación entre la edad de los usuarios y la puntuación obtenida. Este es un pequeño ejemplo sobre cómo puedes utilizar estas librerías para analizar, manipular y visualizar un conjuntos de datos.
Puedes utilizar Python para crear todo tipo de aplicaciones de inteligencia artificial, como reconocimiento de imágenes, procesamiento de lenguaje natural, aprendizaje automático, etc..
A continuación veremos algunos de los framework más relevantes para crear aplicaciones de aprendizaje automático con ayuda de Python.
A continuación veremos un pequeño ejemplo de aprendizaje automático utilizando la librería de TensorFlow.
1import numpy as np 2import tensorflow as tf 3import matplotlib.pyplot as plt 4 5np.random.seed(42) 6X_train = np.random.rand(100, 1) * 10 7y_train = 2 * X_train + 1 + np.random.randn(100, 1) 8 9# Definir el modelo 10model = tf.keras.Sequential([ 11 tf.keras.layers.Input(shape=(1,), name='input_layer'), 12 tf.keras.layers.Dense(units=1, activation='linear', name='output_layer') 13]) 14 15model.compile(optimizer='sgd', loss='mean_squared_error') # Compilar el modelo 16model.fit(X_train, y_train, epochs=50, verbose=0) # Entrenar el modelo 17X_test = np.array([[2.5], [5.0]]) # Crear datos de prueba 18predictions = model.predict(X_test) # Realizar predicciones
Después de entrenar al modelo, podemos utilizar la librería de Matplotlib para visualizar los resultados:
1plt.scatter(X_train, y_train, label='Datos de entrenamiento') 2plt.plot(X_test, predictions, color='red', label='Predicciones') 3plt.xlabel('X') 4plt.ylabel('Y') 5plt.legend() 6plt.show()
output del código:
En este ejemplo, estamos entrenando a un modelo de regresión lineal. En términos sencillos, el modelo está aprendiendo la relación lineal entre la entrada X, (que representa un número) y la salida Y (que también representa un número). Este es un corto ejemplo que nos permite representar como podría ser el flujo de trabajo con un modelo real más complejo.
Estas son solo algunas de las áreas en las que puedes utilizar Python como lenguaje de programación, pero existen muchísimas más, actualmente puedes utilizar Python para desarrollar casi cualquier tipo de aplicación, desde aplicaciones móviles, aplicaciones web, aplicaciones de escritorio, videojuegos y mucho más.
En este artículo, vimos un poco sobre la versatilidad de Python y también vimos algunas de las áreas en las que puedes utilizar este lenguaje de programación, Python es uno de los lenguajes más populares actualmente gracias a su versatilidad, sencillez y su pequeña curva de aprendizaje, lo cual lo convierte en uno de los lenguajes preferidos por los desarrolladores en diferentes áreas especialmente en la ciencia de datos y el aprendizaje automático.
Si te interesa aprender más características sobre este lenguaje de programación, te invito a que te registres en el curso start coding with python de 4Geeks, donde aprenderás muchas más caracteristicas sobre este lenguaje colaborando en vivo con estudiantes alrededor del mundo.