Python puede ser la segunda opción para R, pero su popularidad y facilidad de uso lo posicionan para dominar la ciencia de datos.
por Matt Asay
“Cuando comenzó [el equipo de ciencia de datos de Netflix], había un solo tipo de científico de datos”, dice Christine Doig, directora de innovación para experiencias personalizadas en Netflix. “Ahora el rol se ha integrado en la organización”. Esto no es solo una cosa de Netflix. En todas las industrias, las empresas están adoptando la ciencia de datos para crear experiencias atractivas y personalizadas, optimizar los precios y más. Mientras lo hacen, están ampliando el uso de la ciencia de datos en la gestión de productos, el marketing y otras áreas.
Esta es la razón por la que el lenguaje que utilizan las organizaciones para descifrar sus datos será cada vez más Python, no R. A medida que las organizaciones busquen un grupo más diverso para ayudar con la ciencia de datos, el atractivo masivo de Python facilita la rampa de acceso.
¿R o Python?
Históricamente, si quería hacer ciencia de datos, necesitaba saber R. Como se detalla en el sitio del proyecto R , “R es un conjunto integrado de instalaciones de software para la manipulación de datos, el cálculo y la visualización gráfica”. No es realmente un lenguaje de programación per se, pero incluye uno. Creado originalmente para el análisis estadístico y numérico, R se ha mantenido fiel a esas raíces y sigue siendo una herramienta excelente, en particular para los estadísticos en su rol de científicos de datos. Esta fortaleza también puede ser una debilidad, dada la difusión de la ciencia de datos mucho más allá del área del análisis estadístico.
Es cierto, como señala Sheetal Kalburgi, gerente asociado de productos de Anaconda, que “los científicos de datos son más técnicos y estadísticos” y, a menudo, son “responsables de tareas como desarrollar algoritmos estadísticos complejos que comunican el rendimiento del producto, predicen resultados, diseñan experimentos como Pruebas A/B y optimización de operaciones computacionales, por nombrar algunas”. Pero también tienden a estar bien versados en programación, que es donde es mucho más probable que su científico de datos promedio tenga experiencia en programación que en estadísticas de núcleo duro.https://imasdk.googleapis.com/js/core/bridge3.517.2_es.html#goog_9325057531 second of 27 secondsVolumen 0%
Incluso si el problema comercial de una empresa se centra en las estadísticas, a menudo se dará el caso de que Python demostrará ser superior, aunque solo sea por la familiaridad. Como me dijo Van Lindberg, asesor general de Python Software Foundation , “Python es el segundo mejor lenguaje para todo. R puede ser el mejor para las estadísticas, pero Python es el segundo… y el segundo mejor para [aprendizaje automático], servicios web, herramientas de shell y (insertar caso de uso aquí). Si quiere hacer algo más que estadísticas, entonces la amplitud de Python es una victoria abrumadora”.
Nadie realmente quiere la medalla de plata en lugar de la de oro, pero en este caso, el segundo lugar significa que Python será útil para una gama mucho más amplia de casos de uso. Como dijo Peter Wang, CEO de Anaconda, en una entrevista, “Python tenía un alcance más amplio desde el principio”. El ADN de ingeniería y ciencia está “integrado en el núcleo de Python”. Por lo tanto, será la respuesta correcta con mucha más frecuencia que R.
Python se traga la ciencia de datos
Eso no es tanto una crítica a R como un reconocimiento del impulso y la masa que Python tiene a su favor. De acuerdo con una encuesta reciente de SlashData de más de 20,000 desarrolladores, Python es un favorito de los desarrolladores, ocupando el segundo lugar después de JavaScript en términos de popularidad. Parte de esto se debe a la gran comunidad en torno a Python que extiende la utilidad de Python a todo tipo de dominios (aprendizaje profundo, inteligencia artificial y más) mientras la ajusta en áreas clave para mejorar el rendimiento. Cada vez es más difícil encontrar áreas en las que Python no se esfuerce por ser la primera opción, no simplemente la “segunda mejor”, para usar la frase de Lindberg.
Parte de la popularidad de Python se deriva simplemente de lo fácil que es de usar. Dado que las empresas están tratando desesperadamente de encontrar talento en ciencia de datos, el camino más fácil es reclutar a los empleados existentes. Incluso aquellos sin experiencia en ingeniería encuentran fácil adoptar la sintaxis simple y la legibilidad de Python y aprecian lo útil que es para la creación rápida de prototipos.
Últimamente, la facilidad de uso de Python se ha vuelto aún más fácil a medida que Anaconda lanzó PyScript, que hace que Python sea más accesible para los desarrolladores front-end al permitir escribir Python en HTML para crear aplicaciones web. Esta es solo una innovación más en una larga serie de innovaciones en la comunidad de Python para expandir la amplitud y profundidad de lo que los desarrolladores y científicos de datos pueden hacer con Python.
Esas innovaciones, y la comunidad de Python que se beneficia de ellas, hacen que la decisión de usar Python sea cada vez más fácil. Para las áreas en las que R u otra alternativa podría ser la primera opción, Wang sugiere que la historia de Python como un gran lenguaje de unión significa que “tal vez alguien construya un buen envoltorio de Python para exponer una cuña delgada para exponer algunas capacidades de R” o, de lo contrario, facilitará las cosas para un científico de datos para construir con Python mientras agrega complementos de otras comunidades, como R.
Todo esto ayuda a explicar por qué Python parece estar listo para ayudar a impulsar la próxima década de la ciencia de datos, dado lo sólido que es para científicos de datos experimentados y aspirantes con menos experiencia.
Fuente: https://www.infoworld.com/article/3662033/as-data-science-goes-mainstream-so-does-its-language.html
7 dulces IDE de Python que quizás te hayas perdido
Desde una plataforma simple para principiantes hasta un banco de trabajo de desarrollo de nivel experto, hay un IDE para la mayoría de los Pythonistas.
por Serdar Yegulalp
Seis productos hicieron el corte en nuestro último resumen, pero hubo muchos más que vale la pena mencionar: esfuerzos sofisticados que brindan un sistema de desarrollo completo para expertos, así como proyectos modestos adecuados para un Pythonista principiante.
Aquí hay otros siete IDE de Python, desde el mínimo hasta el máximo, que también deberían estar en su radar.
Eric6
Al igual que el IDE IDLE nativo de Python, Eric6 es un IDE de Python escrito en Python, aunque utiliza el marco de interfaz de usuario Qt5 para proporcionar una interfaz de usuario mucho más sofisticada que IDLE.
Pero empezar requiere algo de ensamblaje, porque Eric6 no se implementa como una aplicación nativa de plataforma convencional. Es esencialmente un gran paquete de Python con varias dependencias importantes, como los enlaces de Python para Qt5. El resultado: Comenzar con Eric6 significa comprender la administración de paquetes de Python, por lo que no es probable que atraiga a los usuarios principiantes. Dicho esto, la secuencia de comandos del instalador proporciona comentarios para que sepa qué paquetes deben obtenerse e instalarse para finalizar el proceso de configuración (PyQt5, QScintilla).https://imasdk.googleapis.com/js/core/bridge3.517.2_es.html#goog_14576284981 second of 28 secondsVolumen 0%
Aparte del proceso de instalación, Eric6 está notablemente bien equipado. Tiene las utilidades habituales incluidas en los IDE modernos, como la exploración de clases y el control de versiones, pero también integra soporte para funciones específicas de Python como unittest, PyLint, el sistema de distribución de aplicaciones PyInstaller y cx_freeze, y un paquete integrado PyPI/pip. -Navegador de gestión.
Los nuevos proyectos creados en Eric6 también se pueden crear como aplicaciones de consola y GUI PyQT4/5, porque las bibliotecas subyacentes ya están instaladas, aunque las herramientas de desarrollo adicionales como el diseñador de formularios Qt no se incluyen de forma predeterminada.
Wing
Anunciado como “el entorno de desarrollo inteligente para los programadores de Python”, Wing IDE enfatiza las integraciones de características diseñadas específicamente para los usuarios de Python. Esto va más allá de refactorizar funciones en una base de código o trabajar con múltiples intérpretes de Python. También incluye integración detallada con muchos marcos populares de Python (Django, Zope, Plone), paquetes (PyQT, WXPython, PyGTK) y aplicaciones de terceros (Maya, Blender). Los usuarios de Raspberry Pi también pueden usar Wing IDE para desarrollar.
La versión 7 de Wing agrega soporte para versiones de Python hasta 3.8, calidad de código y funciones de inspección (tanto de forma nativa como a través de complementos como PyLint), un visor de datos de matriz como Pandas DataFrames y NumPy ndarrays, y un modo de presentación para charlas. o demostraciones de código.
Wing es un producto comercial, pero tiene dos ediciones gratuitas con concesiones para desarrolladores independientes y principiantes. La edición Wing IDE 101 no tiene la mayoría de las funciones avanzadas de la suite, incluidas muchas de las cosas del día a día que un desarrollador podría usar (marcadores, exploración de módulos, refactorización), pero es una buena manera para un Python novato dev para comenzar sin luchar con algo tan poco potente como IDLE. La versión Personal , también gratuita, restaura muchas funciones de nivel profesional, pero no todas. La versión Pro viene en ofertas de licencias perpetuas y anuales , a partir de $69 por usuario. También hay una versión de prueba de 30 días.
Pyzo
A veces solo necesitas tanto. Pyzo es un IDE pequeño dirigido principalmente a audiencias de computación científica, con un pequeño conjunto de herramientas: editor, shell interactivo, navegador de archivos, navegador de estructura fuente y algunas otras comodidades. Está destinado en gran medida a la interacción sobre la marcha con bibliotecas, donde escribe comandos en REPL de Python o ejecuta archivos individuales en lugar de desarrollar aplicaciones formales. En ese sentido, es menos adecuado para aquellos que quieren crear aplicaciones y es más para personas que quieren usar Python como un entorno de banco de trabajo.
Para facilitar el desempaquetado y la puesta en marcha, Pyzo se entrega como ejecutables nativos de la plataforma, sin necesidad de improvisar el tiempo de ejecución. Funciona con los tiempos de ejecución de CPython existentes, pero sus creadores recomiendan la versión reducida de Continuum Analytics de la distribución de Anaconda, Miniconda, que facilita la obtención de paquetes y complementos. Pyzo ahora también puede detectar automáticamente los intérpretes configurados con pipenv.
Thony
Los principiantes que buscan mojarse los pies con Python a menudo son dirigidos hacia IDLE, pero Thonny , un pequeño IDE diseñado específicamente para que los principiantes se acostumbren al lenguaje, es una opción sustancialmente más libre de problemas. Disponible en Windows, Mac y Linux, evita al usuario tener que descargar o configurar un intérprete de Python. Una versión reciente de Python (actualmente, 3.7) se incluye directamente con Thonny, y el IDE funciona con ella de manera predeterminada. Dicho esto, siempre puede cambiar en cualquier otro tiempo de ejecución de Python.
De forma predeterminada, Thonny se instala en el directorio del perfil del usuario, por lo que no requiere permisos elevados para configurar o usar, lo que es útil para las personas que usan la computadora de otra persona o una en la que no tienen derechos de administrador.
Los comandos de menú le permiten abrir una sesión de línea de comandos con el intérprete y el administrador de paquetes de Thonny disponibles como opciones predeterminadas al escribir pythono pip. (Esta es una gran idea). Otras características interesantes incluyen un visor de árbol para el AST de un script, una sección de toma de notas en la barra lateral e inspectores de objetos, pila, montón y variables en modo de depuración.
Ninja-IDE
Un proyecto independiente, Ninja-IDE es comparable a herramientas de desarrollo de nivel profesional como Komodo IDE o PyCharm de ActiveState, no solo en términos de experiencia de desarrollador, sino también en que su conjunto de funciones fue creado por y para usuarios de Python.
Por ejemplo, el cuadro de diálogo Preferencias para Ninja-IDE tiene una pestaña dedicada al intérprete de Python que se utilizará al ejecutar programas, junto con casillas de verificación para habilitar o configurar todas las diversas opciones de línea de comandos utilizadas por el intérprete. Esto es tremendamente útil si, como yo, olvida cuáles son o no recuerda configurarlos para scripts específicos. Otra pestaña en el IDE que se muestra de forma predeterminada es Migración 2to3, por lo que los scripts escritos para Python 2.x se pueden analizar y hacer sugerencias.
Código de Microsoft Visual Studio
El editor de código simple y delgado de Microsoft obtiene su poder de su galaxia de extensiones que brindan soporte para varios idiomas. Los desarrolladores de Python tienen una gran cantidad de extensiones de Visual Studio Code , pero el mejor lugar para comenzar es con la creada originalmente por Don Jayamanne y ahora oficialmente respaldada por Microsoft . Se ha mantenido actualizado con cada nueva versión de Python e integra soporte para todas las cosas buenas que desea: fragmentos, linting de código, autocompletado, integración con herramientas científicas como Jupyter , refactorización, pruebas unitarias, depuración y mucho más.
Átomo de GitHub
El editor Atom de GitHub está construido a partir de algunas de las mismas piezas que impulsan Visual Studio Code, pero su mayor similitud es la filosofía de diseño: Manténgalo simple y agregue características específicas del lenguaje o del desarrollador a través de paquetes externos.
Para los usuarios de Python, no existe un único complemento global como el patrocinado por Microsoft para Visual Studio Code. La mayoría de las piezas cruciales se encuentran en algunos paquetes: language-python para resaltar la sintaxis básica y compatibilidad con fragmentos, python-tools para algunas funciones útiles como refactorización rápida, autocompletar-python para autocompletar y linter-flake8 / linter-pep8 / linter- pycodestyle para la limpieza del código, según el paquete de Python que esté utilizando.
