Consolas online Python

Hay situaciones en las que se nos torna imposible instalar el SDK Python en nuestros equipos como por servirnos de un ejemplo cuando empleamos una Tablet o bien un Móvil, o bien sencillamente cuando deseamos practicar de una manera diferente a la tradicional. Para esto existen múltiples servicios en línea que nos dejan practicar nuestro lenguaje preferido sin instalarlo en nuestro sistema.

Estos son mis servicios de terminal on line preferidos preferidos:

Python.org/shell
Terminal “oficial” de Python.org, la que incluye las próximas características:

Deja copiar y pegar los comandos en la consola de terminal.
Cuenta con una shell mejorada merced a que tiene IPython corriendo en el back-end.
Es superior a la terminal de Python por defecto.
Ofrece introspección de objetos.
Simple acceso a los comandos del sistema operativo y se integra con su editor de texto.
Dispone de un pequeño vídeo tutorial para facilitar su empleo.
REPL.it
A mi juicio es la mejor consola en línea de programación interactiva, puesto que aparte de ofrecer una interfaz muy intuitiva aguanta múltiples lenguajes de programación. Ciertos de sus puntos fuertes son:

Para los principiantes ofrece múltiples ejemplos de código.
Deja compartir tu código tanto en redes sociales como en sitios webs.
Puede guardar los contenidos sesión activa y reiniciarla en el momento en que te apetezca.
Su código fuente es libre, se halla en un repositorio de Github.
Es una aplicación web, con lo que sería prácticamente trabajar desde cualquier dispositivo con un navegador.

Trinket.io
Si REPL.IT es la opción mejor a nivel general, esta es la opción mejor para Python particularmente. Veamos sus características:

Deja ejecutar y redactar código en cualquier navegador, en cualquier dispositivo.
Marcha al momento, sin precisar conectarse, descargar complementos, o bien instalar software.
Ofrece librerías como Numpy, Matplotlib, SciPy y más.
Del mismo modo que REPL.IT nos deja compartir de manera fácil nuestro código, mas además de esto si lo incrustamos en algún sitio deja editar el código desde ahí sin salirte del lugar.
En este tutorial de Python, podréis ver lo bien que queda engastado la REPL de trinket. El artículo es algo como una mezcla entre un tutorial y una cheatsheet, en el que se exponen los fundamentos para aprender python.

Si conoces alguna consola on line de Python que merezca la pena probar, háznoslo saber.

Aguardamos que te haya te ha agradado la entrada, si es de esta forma, comparte en tus redes sociales y comenta.

Compartir es vivir.

Python, el rey del big data 2

Beneficios de Python

Uno de los mayores beneficios de hacer ciencia de datos en Python es la eficiencia de la utilización de un lenguaje de programación mediante diferentes aplicaciones. Tal Yarkoni, estudioso asociado en la Universidad de Texas, explica:

“Hacer todo el desarrollo y análisis en un mismo lenguaje aporta un importante beneficio. Cuando haces todo en un mismo lenguaje, no tienes que padecer el incesante cambio de contexto y el tiempo perdido que acarrea. Además, tampoco necesitas preocuparte sobre la interfaz a usar por diferentes lenguajes y en diferentes partes del código. No hay nada más molesto que parsear texto en Python y caer en la cuenta que tienes que escribir en el disco en un formato diferente solo para poder manejarlo con R o MATLAB. Esto puede no parecer un gran inconveniente (no lleva un buen tiempo redactar un CSV o JSON con Python y leerlo desde R) mas son cosas que van sumando.”

Por mucho que podamos loar tecnología de nicho que resuelve un inconveniente realmente bien, las tecnologías que tienden a ganar son las herramientas de empleo general que resuelven una serie de problemas. Según el directivo de Optimización y Análisis de AppNexus, David Himrod, “Uno de los mayores desafíos a los que AppNexus se enfrenta es de qué forma conseguir un conjunto diversos de empleados que trabajen con exactamente la misma tecnología. Python proporciona a los empleados de distintos orígenes (particularmente los ingenieros, matemáticos y analistas) un lenguaje común, fácil de entender que se puede usar para crear prototipos de nuevas funcionalidades para la empresa”.

Datos y Python

A Python aún le falta algo de la riqueza de R para el análisis de datos, mas se está acercando de forma rápida. La clave para el éxito de Python no es necesariamente su capacidad para hacer frente a las funciones más arcanas de R (o bien cualquier otra herramienta de análisis), sino su proximidad y su uso general. La ciencia de datos se mueve fuera de la esfera de los “geeks alfa”, algo que fue meridianamente evidente en la conferencia de O’Reilly Strata en la ciudad de Nueva York el mes pasado. Los Doctores acostumbraban a atestar sus salas, al tiempo que ahora los analistas y demás personas encargadas por sus empresas para descubrir sobre Big Data, constituían la mayor parte de los asistentes.

Y esta nueva mayoría de científicos de datos es más probable que utilicen Python que R. Al igual que en otros mercados, las herramientas que conocemos o bien que son simples de aprender tienen más probabilidades de ganar.

http://hackpuntes.com/preparando-sublime-text-3-programar-python/

Python, el rey del big data

Al paso que R ha sido de forma tradicional el lenguaje de programación escogido por los científicos de datos, poquito a poco va cediendo terreno a Python.
Aunque hay múltiples razones para el cambio, quizá la más esencial es que Python es de empleo general y de manera comparativa más simple de aprender, al tiempo que R sigue siendo un entorno de programación bastante complejo de dominar. En un planeta poco a poco más dependiente de los datos y con “hambre” de científicos de datos, lo fácil gana.
R
Mas R es bastante difícil incluso para personas con experiencia en instrumentos estadísticos como SAS y SPSS, como destaca Bob Muenchen. “R reduce posiblemente la dificultad de este género de análisis, puesto que incorpora los lenguajes de macros y de matrices, entre otras cosas, que herramientas como SPSS requieren el propio usuario domine. Mas para aquellos que esperan que R funcione como Stata, siento decirles que no es así”.
Una de las razones por la que a la gente le cuesta aprender R es por el hecho de que no es realmente un lenguaje de programación. R es más bien un ambiente interactivo para hacer estadísticas, y es por ello que sea considerablemente más difícil para los aspirantes a desarrolladores captar sus matices.

Generalmente, R es diferente, lo que hace que sea difícil.

Python es mucho más accesible

Python, sin embargo, es considerablemente más accesible. Por una parte, un extenso abanico de desarrolladores están familiarizados con Python y lo utilizan para una extensa gama de aplicaciones. En contraste a R, que prácticamente solo se utiliza para el análisis de datos, un desarrollador puede empezar de manera rápida a experimentar con Python.

Las empresas cada vez dan más relevancia a los datos y luchan por localizar los científicos de datos más cualificados. Con frecuencia, no obstante, tales científicos de datos pueden estar ya trabajando en la propia empresa y probablemente tengan alguna familiaridad con Python. Dada la relevancia de un buen análisis de datos, la formación en las tecnologías Big Data apropiadas es mucho más eficaz que contratar y formar nuevos científicos de datos en programas más complejos.