Skip to content

README.md

Latest commit

 

History

History
143 lines (98 loc) · 4.77 KB

README.md

File metadata and controls

143 lines (98 loc) · 4.77 KB

Fundamentos de Python

Esta sección cubre los fundamentos de Python necesarios para Data Engineering. Trabajaremos con Jupyter Notebooks para aprender de forma interactiva.

🚀 Empezar: Trabajar con Jupyter Notebooks

Si estás usando Cursor

Si usas Cursor, es muy simple:

  1. Abre el notebook de ejemplo:

    • Ve a 03_python/ejemplos/00-notebook.ipynb
    • Ábrelo en Cursor (haz doble clic o click derecho → "Open with Cursor")

  2. Selecciona el kernel de Python:

    • En la parte superior del notebook, verás un selector de kernel
    • Haz clic y selecciona tu entorno Python (el que configuraste con pyenv o tu Python global)
    • Si no aparece, Cursor te pedirá instalar la extensión de Jupyter (acepta)

  3. ¡Empieza a escribir código!:

    • El notebook está vacío para que agregues tus propias celdas
    • Presiona Shift + Enter para ejecutar una celda
    • Agrega nuevas celdas con el botón + o Cmd/Ctrl + B

💡 Tip: Cursor tiene soporte nativo para Jupyter Notebooks. No necesitas instalar nada adicional, solo abrir el archivo .ipynb y seleccionar el kernel.

Si NO estás usando Cursor: Instalar Jupyter Notebook

Si prefieres usar Jupyter Notebook tradicional, sigue estos pasos:

Paso 1: Verificar Python

Asegúrate de tener Python instalado:

python3 --version
# Debería mostrar Python 3.8 o superior

💡 Si usas pyenv: Asegúrate de tener un entorno virtual activado. Revisa SETUP.md para más detalles.

Paso 2: Instalar Jupyter Notebook

# Instalar Jupyter y librerías básicas
pip install jupyter pandas matplotlib seaborn

# O si usas pyenv-virtualenv:
# pyenv virtualenv 3.11.0 python-fundamentos
# pyenv activate python-fundamentos
# pip install jupyter pandas matplotlib seaborn

Paso 3: Iniciar Jupyter Notebook

# Desde la carpeta donde quieres trabajar
jupyter notebook

# O usar JupyterLab (interfaz más moderna)
jupyter lab

Se abrirá en tu navegador en http://localhost:8888

Paso 4: Abrir el notebook de ejemplo

  1. En la interfaz de Jupyter, navega a 03_python/ejemplos/
  2. Abre el archivo 00-notebook.ipynb (está vacío para que empieces desde cero)
  3. O crea un nuevo notebook: haz clic en "New" → "Python 3"
  4. Escribe tu primer código: 
    print("¡Hola, Data Engineering!")
  5. Presiona Shift + Enter para ejecutar la celda

💡 Tip: El notebook 00-notebook.ipynb está vacío intencionalmente. Úsalo como punto de partida para tus ejercicios.

📖 Contenido

  • ✅ Fundamentos Python para DE

    • Sintaxis esencial
    • Estructuras de datos
    • Control de flujo
    • Funciones
    • Librerías clave

  • ✅ Manejo de archivos

    • Leer/escribir CSV, JSON, Parquet, Excel
    • Trabajar con APIs
    • Conexión a bases de datos
    • Procesar archivos grandes

  • ✅ Scripts vs Módulos

    • Cuándo usar scripts simples
    • Cuándo modularizar código
    • Estructura de proyectos
    • Reutilización de código

    💡 Nota: Por ahora trabajaremos principalmente con Jupyter Notebooks. Los scripts Python los veremos más adelante cuando construyamos pipelines. Sin embargo, entender estos conceptos te ayudará a organizar mejor tu código.

  • ✅ Storytelling con Datos

    • Comunicar hallazgos a personas de negocios
    • Principios de visualización efectiva
    • Estructura de historias con datos
    • Lenguaje de negocio vs técnico

    💡 Importante: En Data Engineering no solo construyes pipelines, también necesitas comunicar resultados a ejecutivos y stakeholders. El storytelling es tu puente entre datos técnicos y decisiones de negocio.

🎯 Objetivo

Al finalizar esta sección, deberías poder:

  • Trabajar con Jupyter Notebooks para escribir y ejecutar código Python
  • Escribir código Python claro y mantenible en notebooks
  • Leer y escribir diferentes formatos de archivos (CSV, JSON, Parquet, Excel)
  • Procesar archivos grandes usando técnicas de chunking
  • Organizar código en scripts y módulos cuando sea apropiado
  • Comunicar hallazgos efectivamente a personas de negocios usando storytelling con datos

🚀 Próximo paso

Ahora que sabes los fundamentos de Python, continúa con:

  1. Pandas - Manipulación y análisis de datos con pandas
  2. Jupyter Notebooks para Datos - Exploración de datos (EDA) y análisis interactivo

Flujo completo de Fundamentos:

  1. Fundamentos Python → 2. Manejo de archivos → 3. Scripts vs Módulos → 4. Storytelling con Datos

Recuerda: Los fundamentos sólidos te permitirán escribir código Python efectivo en Data Engineering.