Alquimista de código

  Matplotlib es una biblioteca completa para crear visualizaciones estáticas, animadas e interactivas en Python. ¿Qué podemos hacer con Matplotlib? Crear gráficos con calidad de publicación. Crear figuras interactivas que puedan ampliar, desplazarse y actualizarse. Personalizar el estilo visual y el diseño. Exportar a diversos formatos de archivo. Integración con JupyterLab e interfaces gráficas de usuario. Instalación y verificación: $ pip install matplotlib $ pip show matplotlib Veamos un ejemplo sencillo: grafica.py import matplotlib.pyplot as plt # Datos de ejemplo x = [ 1 , 2 , 3 , 4 , 5 ] y = [ 2 , 4 , 6 , 8 , 10 ] # Crear el gráfico plt . plot(x, y, marker = 'o' , linestyle = '-' , color = 'b' , label = 'Datos' ) # Añadir etiquetas y título plt . xlabel( 'Eje X' ) plt . ylabel( 'Eje Y' ) plt . title( 'Gráfico de Líneas Simple' ) plt . legend() # Mostrar el gráfico plt . grid(...

Scikit-learn es una biblioteca de Python para aprendizaje automático (machine learning) que ofrece herramientas simples y eficientes para tareas como clasificación, regresión, clustering y preprocesamiento de datos. Se usa a la par de otras librerías como SciPy , Numpy y Matplotlib . Scikit-learn provee de varios algoritmos de clasificación, regresión y análisis de grupos entre los cuales están máquinas de vectores de soporte, bosques aleatorios, Gradient boosting, K-means y DBSCAN. Sirve para: Clasificación: Identificar a qué categoría pertenece un dato (ej. spam/no spam).  Regresión: Predecir valores numéricos (ej. precios de casas).  Clustering: Agrupar datos similares sin etiquetas previas.  Preprocesamiento: Escalar, normalizar o codificar datos.  Evaluación de modelos: Métricas como precisión, recall, etc. Si no tenemos instalada la librería, la podemos instalar de esta forma: $ pip install scikit-learn Nota: Si no tenemos Scipy, N...

SciPy es un paquete científico más completo, que incluye interfases a librerías científicas muy conocidas como LAPACK , BLAS u ODR entre muchas otras. Contiene módulos para optimización, álgebra lineal, integración, interpolación, funciones especiales, FFT , procesamiento de señales y de imagen, resolución de ODEs y otras tareas para la ciencia e ingeniería. Proporciona algoritmos para optimización, integración, interpolación, problemas de valores propios, ecuaciones algebraicas, ecuaciones diferenciales, estadísticas y muchas otras clases de problemas. Amplía NumPy proporcionando herramientas adicionales para el cálculo de matrices y proporciona estructuras de datos especializadas, como matrices dispersas y árboles k-dimensionales. Para instalarlo existen varias formas, nosotros usaremos pip: $ python -m pip install scipy $ pip show scipy Estos comandos lo instalarán y verificarán la instalación. Entramos al REPL de Python: $ python Importemos la lib...

Apache Spark es un motor de análisis unificado para el procesamiento de datos a gran escala. Ofrece API de alto nivel en Scala, Java, Python y R, y un motor optimizado que admite gráficos de cálculo general para el análisis de datos. También es compatible con un amplio conjunto de herramientas de alto nivel, como Spark SQL para SQL y DataFrames, la API de Pandas en Spark para cargas de trabajo de Pandas, MLlib para aprendizaje automático, GraphX para procesamiento de gráficos y Structured Streaming para procesamiento de flujos. Lo puedes usar en Java, Python, Scala y R. Nosotros lo usaremos con Python. Descargamos Apache Spark: https://www.apache.org/dyn/closer.lua/spark/spark-4.0.0/spark-4.0.0-bin-hadoop3.tgz Lo descomprimimos en: Configuramos la variable de entorno `` SPARK_HOME ```: Nombre de la variable: SPARK_HOME  Valor de la variable: C:\Spark\spark-4.0.0-bin-hadoop3 La agregamos al Path: %SPARK_HOME%\bin Podrías agregar otra instalación: https:...

Numpy ayuda con el tratamiento de datos y el cálculo numérico. Es similar a la librería Pandas y la complementa. Es fundamental para el cálculo numérico y el manejo de arrays multidimensionales. Es ampliamente utilizada en ciencia de datos, machine learning, y computación científica. Instalación: $ pip install numpy Verificar instalación: $ pip list Podemos crear un script para verificar que se ha instalado: verify.py import numpy as np print(np.__version__) Ejecutando el script: $ py verify.py Veremos la versión instalada. ¿Qué se puede hacer con Numpy? 1. Estructuras de datos: Arrays Crear arrays multidimensionales (ndarrays) para almacenar datos numéricos. Ejemplo: np . array([ 1 , 2 , 3 ]) np . array([[ 1 , 2 ], [ 3 , 4 ]]) Soporta arrays de cualquier dimensión (1D, 2D, 3D, etc.). Operaciones vectorizadas: cálculos rápidos sin bucles explícitos. 2. Operaciones matemáticas. Aritmética: Suma, resta, multiplicación, división, etc., elem...

Pandas es una herramienta de análisis y manipulación de datos de código abierto rápida, potente, flexible y fácil de usar, construida sobre el lenguaje de programación Python. Instalando: $ pip install pandas Nota: También puedes instalarlo usando Anacaconda . Verificar instalación: $ pip list Al ejecutar este comando veremos las librerías y paquetes instalados. Otra forma de validar la instalación es entrando al Repl de Python: $ py >>> import pandas as pd >>> >>> exit() Si no sale error, entonces la instalación fue correcta. ¿Qué se puede hacer con Pandas? 1. Estructuras de datos principales. Pandas ofrece dos estructuras fundamentales: Series: Una columna unidimensional, similar a un array, pero con índices personalizables.  DataFrame: Una tabla bidimensional (filas y columnas), como una hoja de cálculo o una tabla SQL. 2. Carga y almacenamiento de datos. Leer datos desde múltiples formatos: CSV: pd.read_csv( 'arc...

De nueva cuenta mostramos otro "nuevo" lenguaje de programación orientado al desarrollo web: Opa Language . La documentación oficial nos dice: Opa proporciona una pila completa para el desarrollo de aplicaciones web, que incluye un servidor web, un motor de base de datos, bibliotecas de distribución y un lenguaje de programación compilable en JavaScript. Opa se compila en JavaScript, usando jQuery en el frontend y Node.js en el servidor. Opa esta enfocado al desarrollo web y puede realizar operaciones CRUD fácilmente. También se nos dice que que es un framework, por lo que nos podrá ahorrar código en nuestros proyectos. Se recomienda comprar este libro: " Opa: Up and Running: Rapid and Secure Web Development" . Opa Language promete: Control total de la aplicación.  Acceso a todas las librerías JS.  Implementación en la mayoría de las nubes de manera directa y escalar verticalmente o horizontalmente con facilidad.  Compatibilidad con la base de datos SQ...

Según la documentación oficial, Ioke es: Un lenguaje plegable que permite escribir código altamente expresivo que escribe código, además de crear abstracciones a cualquier nivel, y la expresividad es el objetivo final del lenguaje.  Un lenguaje dinámico orientado a máquinas virtuales, actualmente la Máquina Virtual de Java y Common Language Runtime .  Fue diseñado desde cero para ser un lenguaje de propósito general altamente flexible.  Es un lenguaje de programación basado en prototipos, inspirado en Io , Smalltalk , Lisp y Ruby . Si lo quieres descargar ve a este enlace: https://ioke.org/download.html Un programa hecho en este lenguaje tiene la extensión *.ik. Veamos un ejemplo: holamundo.ik "Hola, mundo!" println Ejecutamos el programa: $ ioke holamundo . ik Hola, mundo ! Otro ejemplo: Ioke = LanguageExperiment with( goal: :expressiveness, data: as(code), code: as(data), features: [ :dynamic, :object_oriented, ...

Cuando programamos es usual cometer ciertos errores que hacen que el flujo normal de un programa sea interrumpido. Tales como operaciones incorrectas, formateo de cadenas que no son cumplen un requisito o condición, invocación de métodos que no deberían realizarse, etc. Go es un lenguaje moderno que ha tomado lo mejor de los lenguajes como Java, C#, etc. y ha mejorado ciertos mecanismos como el manjeo de excepciones. Ejemplo de excepciones (en Java): // División por cero try { int divide = 2 / 0 ; } catch(ArithmeticException ex) { ex . printStackTrace ( ) ; } // Acceder a un índice inexistente int[] arreglo = { 1 , 2 , 3 } ; try { int numero = arreglo [ 3 ] ; } catch(ArrayIndexOutOfBoundsException ex) { ex . printStackTrace ( ) ; } catch(Exception ex) { ex . printStackTrace ( ) ; } // Parsear una cadena no numérica o con formato incorrecto try { int entero = Integer . parseInt ( "23f" ) ; } catch(NumberFormatExcept...