Skip to content

Introducción rápida a Python y librerías numéricas y de análisis de datos

License

Notifications You must be signed in to change notification settings

BIOS-IMASL/Intro_Python

Repository files navigation

Introducción a la programación científica usando Python

Este repositorio contiene material didáctico para el dictado de un curso rápido de introducción a Python Científico. Este material es trabajo en progreso. El material consiste en Jupyter notebooks y tiene un enfoque práctico. Confío en que este formato ayudará a los estudiantes a entusiasmarse con los distintos tópicos y aún más importante que los motivará para seguir estudiando por su cuenta.

Temas

  • Programación científica e introduccion a Python
  • Arreglos de NumPy y algo de SciPy
  • Dibujando con Matplotlib y con Seaborn
  • Manipulando datos con Pandas (TODO)

Material Bibliográfico

  • Think Python libro. Un aversión anterior de este libro se tradujo al español: Aprenda a Pensar Como un Programador con Python libro

Instalación

Para usar este material es necesario tener instalado Python (se recomienda la versión 3.4 o superior, aunque es posible que corra con Python 2.7 con ligeras modificaciones). Además es necesario instalar los siguientes paquetes:

Las notebooks fueron creadas en una computadora x86_64 corriendo Ubuntu 15.10 y usando las siguientes librerías de Python:

  • Jupyter 4.0.1
  • NumPy 1.10.4
  • Matplotlib 1.5.1
  • Seaborn 0.7.0

Para los usuarios de Windows/Mac Os X se recomienda instalar Python y todas las librerías requeridas vía Anaconda. Para los usuarios de Linux se recomienda Anaconda o pip, ya que los gestores de paquetes suelen tener versiones algo viejas de estas librerías.

Contribuciones

Todo el contenido de este repositorio es abierto, esto quiere decir que cualquier persona interesada puede contribuir a el. Todas las contribuciones serán bien recibidas incluyendo:

  • Correcciones ortográficas
  • Nuevas figuras
  • Correcciones en el código Python, incluidas mejoras de estilo
  • Mejores ejemplos
  • Mejores explicaciones
  • Correcciones de errores conceptuales

La forma de contribuir es vía la interfaz de Github, es decir los cambios deberán ser hechos en forma de pull requests y los problemas/bugs deberán reportarse como Issues.