Si estás pensando en aprender Python, o si recientemente comenzaste a aprenderlo, te estarás preguntando: “¿Para qué puedo usar exactamente Python?”. Bueno, esa es una pregunta difícil de responder, porque hay muchas aplicaciones para Python. Sin embargo, hay claramente 3 aplicaciones más populares que el resto:
- Desarrollo web
- Ciencia de datos, incluido el aprendizaje automático, el análisis de datos y la visualización de datos
- Scripting
Vamos a ver cada una de ellas.
Desarrollo web con Python
Los frameworks web basados en Python como Django y Flask se han vuelto muy populares recientemente para el desarrollo web. Estos frameworks ayudan a crear código de servidor (código de back-end) en Python. Ese es el código que se ejecuta en su servidor, a diferencia de los dispositivos y navegadores de los usuarios (código de front-end).
Pero, ¿por qué necesito un framework web?
Esto se debe a que un framework web facilita la creación de una lógica de back-end común. Esto incluye correlacionar diferentes URLs con fragmentos de código Python, tratar con bases de datos y generar archivos HTML que los usuarios ven en sus navegadores.
¿Qué framework web de Python debería usar?
Django y Flask son dos de los frameworks web de Python más populares. Lo mejor es usar uno de ellos si recién estás comenzando.
¿Cuál es la diferencia entre Django y Flask?
Diferencias principales:
Flask proporciona simplicidad, flexibilidad y gran control. No es optimizado (te permite decidir cómo quieres implementar cosas).
Django proporciona una experiencia de “todo incluido”: obtienes un panel de administración, interfaces de base de datos, un ORM (mapeo relacional de objetos), una estructura de directorios para tus aplicaciones y proyectos listos para usar.
Deberías elegir:
Flask, si estás enfocado en la experiencia y las oportunidades de aprendizaje, o si quieres tener más control sobre qué componentes usar (como qué bases de datos quieres usar y cómo quieres interactuar con ellas).
Django, si te centras en el producto final. Especialmente si estás trabajando en una aplicación sencilla, como un sitio de noticias, una tienda electrónica o un blog, y deseas que siempre haya una manera única y obvia de hacer las cosas.
En otras palabras, si eres un principiante, Flask es probablemente una mejor opción porque tiene menos componentes con los que lidiar. Además, Flask es una mejor opción si quieres más personalización. Por último, Flask es más adecuado para crear estas cosas denominadas API REST que Django debido a su flexibilidad.
Por otro lado, si estás buscando construir algo sencillo, Django probablemente te permita llegar más rápido.
Python para Ciencia de datos, incluido el aprendizaje automático, el análisis de datos y la visualización de datos
El aprendizaje automático generalmente implementa un algoritmo que detecta automáticamente un patrón en la entrada determinada. Por ejemplo, le puedes dar 1.000 imágenes de un perro y 1.000 imágenes de una tabla a un algoritmo de aprendizaje automático. Luego, aprenderá la diferencia entre un perro y una mesa. Cuando le das una nueva imagen de un perro o una mesa, podrá reconocer cuál es.
Puedes aplicar la misma idea a sistemas de recomendación (piensa en YouTube, Amazon y Netflix), Reconocimiento facial o reconocimiento de voz entre otras aplicaciones.
Los algoritmos populares de aprendizaje automático de los que quizás hayas oído hablar incluyen redes neuronales, aprendizaje profundo, máquinas de vectores de soporte, bosque aleatorio… se puede usar cualquiera de estos algoritmos para resolver el problema de etiquetado de imágenes del perro y la mesa.
Python para aprendizaje automático
Existen bibliotecas conocidas de aprendizaje automático y frameworks para Python. Dos de los más populares son scikit-learny TensorFlow.
scikit-learn viene con algunos de los algoritmos de aprendizaje automático más populares incorporados.
TensorFlow es más una biblioteca de bajo nivel que permite crear algoritmos de aprendizaje automático personalizados. Si estás comenzando con un proyecto de aprendizaje automático, lo recomendable es que empieces con scikit-learn. Si comienzas a encontrar problemas de eficiencia, entonces comenzaría a investigar sobre TensorFlow.
Análisis / visualización de datos con Python
Una de las bibliotecas más populares para la visualización de datos es Matplotlib. Es una buena biblioteca para comenzar porque: Es fácil comenzar con ella, y algunas otras bibliotecas, como seaborn, se basan en ella. Por ello, aprender Matplotlib te ayudará a aprender estas otras bibliotecas más adelante.
Scripting con Python
¿Qué es el scripting?
El scripting generalmente se refiere a escribir pequeños programas que están diseñados para automatizar tareas simples. Python es adecuado para este tipo de tareas, principalmente porque tiene una sintaxis relativamente simple y es fácil de escribir. También es rápido escribir algo pequeño con él y probarlo.
Otras aplicaciones de Python
Aplicaciones integradas: Python funciona con Rasberry Pi. Es una aplicación popular entre los aficionados al hardware.
Gaming y desarrollo de juegos: se puede usar una biblioteca llamada PyGame para desarrollar juegos, pero no es el motor de juegos más popular que existe. Podrías usarlo para construir un proyecto como pasatiempo, pero no es recomendable si te tomas en serio el desarrollo del juego.
Aplicaciones de escritorio: podrías crear una con Python usando Tkinter, pero tampoco es la opción más popular.