0% encontró este documento útil (0 votos)

8 vistas63 páginas

Introducción a Python y Google Colab

El documento presenta una introducción a Python, destacando su naturaleza como un lenguaje de programación interpretado y de alto nivel, utilizado en ciencia de datos y machine learning. Se detalla el uso de Google Colab como entorno de programación en la nube, permitiendo la ejecución de código Python de manera accesible y gratuita. Además, se explican los tipos de variables en Python y cómo definirlas sin necesidad de declarar su tipo explícitamente.

Cargado por

Vicky Julianne Yovera

Derechos de autor

Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.

Formatos disponibles

Descarga como PDF, TXT o lee en línea desde Scribd

0% encontró este documento útil (0 votos)

8 vistas63 páginas

Introducción a Python y Google Colab

Cargado por

Vicky Julianne Yovera

Derechos de autor

Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.

Formatos disponibles

Descarga como PDF, TXT o lee en línea desde Scribd

Introducción Comandos básicos Estructuras Diccionarios

Bloque 2: Fundamentos de Python

(Parte 1)
Machine y Deep Learning para la detección de anomalías en imágenes y series temporales

Profesorado:
Kevin Ivan Barrera
[Link]@[Link]

Presencial, 07/10/2025

Plan de Recuperación, Transformación y Resiliencia – Financiado por la Unión Europea – Next Generation EU. Componente 21, inversión 6, C21.I06.P02.S04.S05. PROVISIONAL.SI01
Introducción Comandos básicos Estructuras Diccionarios

Bloque 2

Introducción

¿Qué es Python?

■ Es un lenguaje de programación interpretado (la computadora lo

ejecuta línea por línea sin necesidad de compilar) y de alto nivel (su
sintaxis es sencilla y cercana al lenguaje humano).
■ Se caracteriza por una sintaxis simple y legible.
■ Tiene una gran comunidad y miles de librerías disponibles.
■ Es muy utilizado en ciencia de datos, machine learning y deep
learning.
■ Los archivos de código se guardan con la extensión *.py.

¿Qué es Python?

■ Este lenguaje será nuestra herramienta para nuestro curso.

■ REPL (Read–Eval–Print Loop): ejecución inmediata línea a línea.
■ Script: archivo .py ejecutado por el intérprete.
■ Versiones: Python 3 (usaremos sintaxis 3.8 o superior).

REPL vs. script

1 # REPL:
2 >>> 2 + 3
3 5
4
5 # Script (archivo [Link]):
6 2 + 3

¿Dónde usamos Python?

■ Python se puede usar en entornos locales:

• Consola de comandos (Linux, macOS, Windows).
• Editores de texto e IDEs (VS Code, Sublime Text, PyCharm).
• Notebooks locales (Jupyter).
• Uso de gestores de entornos como Anaconda/Conda.
■ También en entornos en la nube, accesibles desde cualquier
navegador:
• Google Colab (gratuito, con GPU/TPU).
• Kaggle Notebooks (orientado a ciencia de datos y competiciones).
• Amazon SageMaker, Microsoft Azure Notebooks, Databricks,
entre otros.

En este curso Ú
Usaremos Google Colab ò , un entorno en la nube que combi-
na código, texto e imágenes, y nos permitirá ejecutar programas
en Python sin instalaciones.
5

¿Qué es Google Colab?

■ Plataforma gratuita de Google ò para programar en Python.

■ Basada en Jupyter Notebooks ò .
■ Permite usar GPU/TPU en la nube sin instalar nada y con un acceso
gratuito limitado.
■ Ideal para machine learning y deep learning.
■ Solo se necesita una cuenta de Google y conexión a Internet.
■ Fácil de compartir como en Google Drive.

¿Cómo usar Google Colab?

Para comenzar, accede a:

[Link] ò
■ Haz clic en Iniciar sesión 1 con tu cuenta de Google.
■ En la barra superior selecciona Archivo 2 .
■ Elige la opción Cuaderno nuevo en Drive 3 .

Nota Ú
Tu cuaderno se guardará automáticamente en Google Drive. Po-
drás acceder a él en cualquier momento desde cualquier dispo-
sitivo con la misma cuenta de Google.

¿Cómo usar Google Colab?

Para comenzar, accede a:

[Link] ò

Partes principales de la interfaz de Colab

■ Nombre del archivo 1

■ Menú principal 2
■ Barra superior de acciones 3
■ Área de celdas 4
■ Barra lateral izquierda 5

Interfaz de Google Colab

■ Nombre del archivo 1 : Aparece en la parte superior izquierda (por

defecto [Link]).
• Puedes hacer clic sobre él para cambiarlo y se guardará
automáticamente en tu Google Drive.
• Los cuadernos de Colab se guardan con la extensión .ipynb
(notebook interactivo).
• Si descargas el código en formato Python estándar, se guarda
como .py.

Interfaz de Google Colab

■ Menú principal 2 : Contiene las opciones clásicas.

• Archivo: renombrar el cuaderno, guardarlo en Drive, descargarlo
en otros formatos (.ipynb, .py, PDF).
• Editar: deshacer, rehacer, copiar/pegar, buscar y reemplazar texto.
• Ver: mostrar/ocultar paneles, ajustar la vista del cuaderno.
• Insertar: añadir nuevas celdas de código o de texto.
• Entorno de ejecución: ejecutar celdas, reiniciar kernel, conectar a
GPU/TPU.
• Herramientas: configuraciones de Colab (tema oscuro/claro,
accesibilidad, atajos).
• Ayuda: documentación y accesos rápidos a tutoriales.

Interfaz de Google Colab

■ Barra superior de acciones 3 : acceso rápido.

• + Código: añade una celda de Python.
• + Texto: añade una celda de texto en formato Markdown
(explicaciones, títulos, fórmulas).
• Ejecutar todas: corre todas las celdas del notebook de arriba a
abajo.
■ Área de celdas 4 : espacio principal de trabajo.
• Celdas de código: escribes y ejecutas instrucciones en Python.
• Celdas de texto: permiten documentación, fórmulas matemáticas
en LaTeX, e imágenes.
• Cada celda se ejecuta de forma independiente y muestra su salida
justo debajo.

Interfaz de Google Colab

■ Barra lateral izquierda 5 : utilidades adicionales.

• Índice del cuaderno: navegación rápida entre secciones y celdas
marcadas con títulos.
• Buscar/Reemplazar: localizar o sustituir fragmentos de código en
el notebook.
• Secretos: espacio seguro para almacenar variables de entorno
(claves API, rutas privadas). Solo visibles por el usuario.
• Archivos: permite subir archivos desde tu ordenador, acceder a
Google Drive o montar carpetas externas.

Celdas en Google Colab

En un cuaderno de Colab podemos añadir dos tipos de celdas:

■ Celdas de código: para escribir instrucciones en Python y ejecutarlas.
■ Celdas de texto: permiten añadir explicaciones usando Markdown
(negritas, títulos, listas, fórmulas matemáticas).

Uso de # en Markdown
■ # Título principal → crea un título grande.
■ ## Sección → subtítulo.
■ ### Subsección → título más pequeño.

Nota Ú
Los títulos creados con # se muestran también en el índice del
cuaderno, lo que facilita la navegación entre secciones.

Celdas en Google Colab

Para añadir una celda usamos los botones de la 3 barra

superior:
■ + Código → añade una celda de Python.
• Aquí escribimos instrucciones que el intérprete de Python
ejecutará.
• Al ejecutar la celda, la salida aparece justo debajo.
• Se pueden definir variables, funciones y cargar librerías.
■ + Texto → añade una celda de texto.
• Usa formato Markdown, que permite dar estilo al texto.
Un # crea un título grande.
▷
Dos # (##) crean un subtítulo.
▷
▷ Tres # (###) crean un título más pequeño.

• Ejemplo: títulos con #, negrita con texto, listas con -.

• Útil para documentar el código o escribir explicaciones.

Celdas en Google Colab

Recomendación Ú
Para aprovechar al máximo Google Colab:
■ Alterna siempre celdas de texto y celdas de código.
■ Usa las celdas de texto para explicar la intención del código,
añadir contexto o documentar resultados.
■ Usa las celdas de código para mostrar ejecuciones claras y
concisas, con comentarios que ayuden a comprenderlas.
■ De esta forma, tu cuaderno será un documento ordenado,
entendible y reproducible, útil tanto para tu propio estudio
como para compartir con compañeros o en proyectos
profesionales.

Actividad - Celdas en Google Colab

Actividad .

1 Abre un nuevo cuaderno en Google Colab.

2 Renómbralo como:
bloque_2_parte_1.ipynb (usa guiones bajos para evitar
problemas en nombres de archivo).
3 En la esquina superior derecha, haz clic en Conectar para
enlazarte a los servidores de Google.
4 Añade una celda de + Texto. En esa celda escribe:
# Datos informativos
Nombre y Apellidos: Tu Nombre Completo
Tema: Actividades del Bloque 2 - parte 1

Bloque 2

Comandos básicos

Primeros pasos: tipos de variables

En Python, las variables pueden almacenar diferentes tipos de datos:

■ Enteros (int): números sin decimales.
■ Decimales (float): números con punto decimal.
■ Cadenas de texto (str): secuencia de caracteres entre comillas.
■ Booleanos (bool): valores lógicos True o False.

1 edad = 25 # int
2 altura = 1 .75 # float
3 nombre = " Kevin " # str
4 activo = True # bool

Nota Ú
La almohadilla # se utiliza para escribir comentarios en el có-
digo. Estos no se ejecutan y sirven para explicar qué hace cada
parte del programa.

Primeros pasos: definir variables

En Python no necesitamos declarar el tipo de las variables:

basta con asignarles un valor usando el operador =.

1 # Definir variables
2 a = 10
3 b = 5
4 c = a + b # suma de a y b

Nota Ú
Las variables se crean en el momento de la asignación. Python
detecta automáticamente si son números, cadenas de texto,
etc.

Primeros pasos: imprimir y comentar en Python

Python nos permite mostrar mensajes en pantalla con la función

print ò . Además, podemos añadir comentarios para
documentar el código y hacerlo más entendible.

1 # Comentario de una línea

2 print ( " Hola , UPC " )
3
4 """
5 Comentario multilínea:
6 - Útil para notas y documentación breve
7 - También se usa como docstring al inicio de funciones/módulos
8 """

Primeros pasos: imprimir variables

Podemos mostrar en pantalla:

1 a = 10
2 b = 5
3
4 # Solo texto
5 print ( " Hola , UPC " )
6
7 # Solo variable
8 print ( a )
9
10 # Texto + variable
11 print ( " El valor de b es : " , b )
12
13 # Texto + variables
14 print ( " La suma de a y b es : " , a + b )

Actividad 1 - imprimir y comentar en Python

Actividad 1 .

1. Crea una celda de + Texto y escribe en Markdown: # Actividad 1

2. Añade una celda de + Código y define dos variables:
1 a = 20
2 b = 50

3. En la misma celda, escribe varios print:

1 print ( " Hola mundo " )
2 print ( " La variable a vale : " , a )
3 print ( " La variable b vale : " , b )
4 print ( " La suma de a + b es : " , a + b )

4. Añade un comentario con # explicando qué hace tu código.

Operaciones aritméticas en Python

En Python usaremos:
Suma
1 a , b = 10 , 3
2 c = a + b # suma
3 print ( c )

Resta
1 a , b = 10 , 3
2 c = a - b # resta
3 print ( c )

Multiplicación
1 a , b = 10 , 3
2 c = a * b # multiplicación
3 print ( c )

Operaciones aritméticas en Python

División real
1 a , b = 10 , 3
2 c = a / b # división real (float)
3 print ( c )

División entera
1 a , b = 10 , 3
2 c = a // b # división entera (cociente)
3 print ( c )

Módulo
1 a , b = 10 , 3
2 c = a % b # módulo (resto)
3 print ( c )

Operaciones aritméticas en Python

Potencia
1 a , b = 10 , 3
2 c = a ** b # potencia
3 # c = a ^ b # NO ES POTENCIA, ES XOR
4 print ( c )

Raíz cuadrada (potencia fraccionaria)

1 c = 49 ** 0 .5 # raíz como x**0.5
2 print ( c )

Raíz cuadrada (librería math)

1 import math # cargamos la librería de matemáticas
2 c = math . sqrt (49) # raíz con [Link]
3 print ( c )

Operaciones aritméticas en Python

Python incluye una librería estándar especializada en

matemáticas, llamada math ò . Ofrece funciones numéricas
para números reales: raíces, logaritmos, trigonometría,
redondeos y constantes (pi, e, tau). No necesitas instalar
nada: math viene con Python.
Cómo importarla
1 import math # uso : math . sqrt (49) , math . pi
2 from math import sqrt # uso directo : sqrt (49)
3 import math as m # alias : m . sqrt (49) , m . pi

Las funciones más comunes

■ Raíces y potencias: sqrt(x), pow(a,b) (devuelve float)
■ Redondeos: floor(x), ceil(x), trunc(x)
■ Ángulos: sin, cos, tan (en radianes), radians(), degrees()
■ Logaritmos y exponencial: log, log10, log2, exp
■ Constantes: pi, e, tau
Ejemplos rápidos
1 import math as m # cargamos la librería de matemáticas
2
3 print ( [Link] , m.e ) # constantes
4 print ( [Link] (49) ) # 7 .0
5 print ( [Link] (3 .7 ) , [Link] (3 .2 ) , [Link] ( -3 .9 ) )
6 ang = [Link] (60) # pasar a radianes
7 print ( [Link] ( ang ) ) # ~0 .8660254
8 print ( m.log2 (8) , [Link] (1) ) # 3 .0 , e ^1

Operaciones aritméticas en Python

Redondeo numérico con round

1 x = 3 .14159
2 y = round (x , 2) # redondea a 2 decimales (float)
3 print ( y ) # 3 .14

Mostrar con 2 decimales (texto)

1 x = 3 .14159
2
3 # formatea como string con 2 decimales: ’3.14’
4 print ( f " La respuesta es { x : .2f } " )
5 # equivalente: ’3.14’
6 print ( format (x , " .2f " ) )

Actividad 2 - Operaciones aritméticas en Python

Actividad 2 .

■ Paso 1 (Markdown): crea una celda + Texto con el título:

# Actividad 2.
■ Paso 2 (Código): calcula la expresión compuesta usando math
ò:
2 √
13 + 81 π
E = + 23 · sin + ln(100) − 7,9
5 6

■ Paso 3: imprime la respuesta con print() ò y 3 decimales:

print(f"La respuesta .....").

Respuesta Ú
214.685

Bloque 2

Estructuras de datos

Cadenas en Python — Conceptos básicos

Una cadena o string ò es una secuencia de caracteres entre

comillas simples o dobles. Se utilizan para almacenar y
manipular texto.

1 # Definición de cadenas
2 nombre = " UPC "
3 mensaje = ' Hola Python '
4
5 print ( nombre ) # Imprime: UPC
6 print ( mensaje ) # Imprime: Hola Python

Cadenas en Python — Operaciones comunes

Operaciones básicas:
■ Concatenación con +
■ Repetición con *
■ Indexación y slicing

1 texto = " Machine "

2 print ( texto + " Learning " ) # Concatenar
3 print ( texto * 3) # Repetir cadena
4 print ( texto [0]) # Acceder a índice 0: ‘M’
5 print ( texto [0:4]) # Subcadena: ‘Mach’
6 # Al usar slicing el primer índice se incluye
7 # y el último se excluye
8 # 0 = M 1 = a 2 = c 3 = h 4 = i : este último se excluye

En Python, el slicing o corte usa la regla inicio incluido, fin

excluido.

Cadenas en Python — Métodos útiles

Algunos métodos frecuentes:

1 frase = " aprendiendo Python "

2
3 print ( [Link] () ) # MAYÚSCULAS
4 print ( [Link] () ) # minúsculas
5 print ( [Link] () ) # Formato Título
6 print ( [Link] ( " Python " , " ML " ) ) # Reemplazo
7 print ( [Link] () ) # Divide en lista por espacios

Más ejemplos en el link ò .

Booleanos y operadores de comparación

Booleanos:
Un valor booleano ò es un tipo de dato en Python que solo
puede tener dos valores: True o False.
Operadores de comparación:
Devuelven un resultado booleano (True/False).

1 x , y = 10 , 20
2 print ( x == y ) # Igualdad
3 print ( x != y ) # Diferente
4 print ( x < y ) # Menor que
5 print ( x <= y ) # Menor o igual
6 print ( x > y ) # Mayor que
7 print ( x >= y ) # Mayor o igual

Operadores lógicos y comparación de cadenas

Operadores lógicos:
Permiten combinar valores booleanos.

1 llueve = True
2 hay_viento = False
3
4 print ( llueve and hay_viento ) # AND: ambos deben ser True
5 print ( llueve or hay_viento ) # OR: al menos uno True
6 print ( not llueve ) # NOT: invierte valor

Comparación de cadenas:
Se hace por orden alfabético.
1 print ( " abc " < " abd " ) # True, ‘abc’ va antes que ‘abd’

Actividad 3 — Cadenas y comparaciones

Actividad 3 .
■ Crea una celda + Texto con el título:
# Actividad 3.
■ Define una cadena con tu nombre completo.
■ Imprime el texto en: - Minúsculas - Mayúsculas - Formato título
■ Extrae e imprime los tres primeros caracteres.
■ Reemplaza tu primer nombre por Python.
■ Compara tu cadena original con "ZZZZZZZZ"): - ¿Es mayor o
menor en orden alfabético?

Listas en Python — Conceptos básicos

Una lista ò es una colección ordenada y alterable de

elementos, que puede contener diferentes tipos de datos:
números, cadenas, booleanos, etc.
Se definen con corchetes [ ] y se separan elemento a
elemento utilizando una coma.
1 # Definición de listas
2 numeros = [10 , 20 , 30 , 40]
3 mixta = [1 , " UPC " , True , 3 .14 ]
4
5 print ( numeros ) # Imprime: [10, 20, 30, 40]
6 print ( mixta ) # Lista con varios tipos

Listas en Python — Operaciones comunes

Operaciones básicas:
■ Indexación y slicing
■ Concatenación con +
■ Repetición con *

1 numeros = [10 , 20 , 30 , 40]

2
3 print ( numeros [0]) # Primer elemento: 10
4 print ( numeros [ -1]) # Último elemento: 40
5 print ( numeros [1:3]) # Sublista: [20, 30]
6
7 print ( numeros + [50 , 60]) # Concatenar listas
8 print ( numeros * 2) # Repetir lista

En Python, el slicing o corte usa la regla inicio incluido, fin

excluido.

Listas en Python — Métodos útiles

Algunos métodos frecuentes: ò

1 frutas = [ " manzana " , " naranja " , " uva " ]
2
3 [Link] ( " pera " ) # Añadir al final
4 [Link] (1 , " kiwi " ) # Insertar en posición 1
5 [Link] ( " uva " ) # Eliminar elemento
6 ultimo = [Link] () # Extraer último
7 print ( frutas )
8
9 print ( len ( frutas ) ) # Número de elementos
10 print ( " kiwi " in frutas ) # Comprobar existencia

Listas en Python — Listas anidadas

Listas anidadas:
Una lista puede contener otras listas. Son útiles para
representar tablas o matrices en Python.

1 matriz = [[1 , 2] , [3 , 4] , [5 , 6]]

2
3 print ( matriz [0]) # Primera fila: [1, 2]
4 print ( matriz [1][1]) # Elemento fila 2, col 2: 4

Listas en Python — Append vs Extend

Diferencia entre append y extend: ò

■ append() ò añade un único elemento al final de la lista. Si ese
elemento es otra lista, se crea una lista anidada.
■ extend() ò añade cada elemento de otra lista de forma individual.

1 valores = [10 , 20]

2 valores . append ([30 , 40])
3 print ( valores )
4 # [10, 20, [30, 40]] # Lista anidada
5
6 valores = [10 , 20]
7 valores . extend ([30 , 40])
8 print ( valores )
9 # [10, 20, 30, 40] # Elementos añadidos uno a uno

Funciones útiles en listas — Resumen numérico

Funciones básicas:
Python incluye funciones integradas para obtener información
de una lista:
■ len() → devuelve la longitud de la lista.
■ min() → devuelve el mínimo valor.
■ max() → devuelve el máximo valor.
■ .index() → devuelve la posición (índice) de un valor en la lista.
■ average: no existe como función integrada, pero puede calcularse con
sum(lista)/len(lista), con [Link](lista), o con
[Link](lista).

Funciones útiles en listas — Resumen numérico

1 import statistics # librería de estadística

2 # librería de programación científica y el análisis de datos
3 import numpy as np
4
5 vib_mm_s = [2 .1 , 2 .3 , 2 .2 , 2 .5 , 2 .4 ]
6
7 print ( " Longitud : " , len ( vib_mm_s ) ) # 5
8 print ( " Minimo : " , min ( vib_mm_s ) ) # 2.1
9 print ( " Maximo : " , max ( vib_mm_s ) ) # 2.5
10 indx_m = vib_mm_s.index ( max ( vib_mm_s ) )
11 print ( " Indice del maximo : " , indx_m )
12 print ( " Promedio manual : " , sum ( vib_mm_s ) / len ( vib_mm_s ) )
13 mean_stat = [Link] ( vib_mm_s )
14 print ( " Promedio ( statistics ) : " , mean_stat )
15 print ( " Promedio ( NumPy ) : " , [Link] ( vib_mm_s ) )

Funciones útiles en listas — Resumen numérico

Nota Ú
NumPy ò es la librería más utilizada en Python para el cálculo
numérico. Ofrece estructuras de datos eficientes (arrays mul-
tidimensionales) y operaciones vectorizadas que son mucho
más rápidas que las listas nativas de Python.
Se emplea en la mayoría de aplicaciones de ingeniería y ciencia
de datos porque:
■ Maneja grandes volúmenes de datos de forma eficiente.
■ Está optimizada en C para cálculos rápidos.
■ Incluye funciones matemáticas avanzadas (mean, std, dot, fft).
■ Es la base de librerías como Pandas, SciPy, Scikit-learn y
TensorFlow.

Listas en Python y comparación con MATLAB

Idea clave: En Python, las listas son versátiles, pero no están

optimizadas para cálculos numéricos grandes. En ingeniería, cuando
trabajamos con señales, imágenes o matrices grandes, se suele usar
NumPy.
■ En MATLAB, los vectores y matrices son el tipo de dato por defecto.
■ En Python, se usan NumPy arrays para un rendimiento similar.
■ Ejemplo: un vector en MATLAB [1 2 3 4] se corresponde con
[Link]([1,2,3,4]) en Python.

1 import numpy as np
2 vector = np . array ([1 , 2 , 3 , 4])
3 matriz = np . array ([[1 , 2] , [3 , 4]])
4 print ( vector )
5 print ( matriz )

Actividad 4 — Listas aplicadas

Actividad 4 .
■ Crea una lista vib_mm_s con lecturas de vibración (mm/s) de un
aerogenerador: [2.1, 2.3, 2.2, 5.8, 2.4, 2.5]
■ Añade dos nuevas lecturas (2.6 y 150.1) con append o extend.
Imprime la lista actualizada.
■ El sensor falló en la última lectura: elimina el último valor con
pop. Imprime la lista corregida.
■ Calcula y muestra (imprime) a partir de la lista corregida:
• Longitud de la lista
• Valor mínimo y máximo
• Índice del valor máximo
• Promedio de las lecturas usando NumPy

Bloque 2

Estructuras de datos

Diccionarios en Python — Definición

Definición:
Un diccionario ò en Python almacena información en pares
clave => valor.
■ Las claves son únicas e inmutables (str, int, tuple).
■ Los valores pueden ser de cualquier tipo (números, cadenas, listas).

1 # Diccionario de un sensor de vibración

2 sensor = {
3 " id " : " WT -07 " ,
4 " ubicacion " : " carcasa " ,
5 " vib_mm_s " : [2 .1 , 2 .3 , 2 .2 ] ,
6 " umbral " : 4 .5
7 }

Diccionarios en Python — Acceso y modificación

Acceso: se hace con la clave.

Modificación: se puede añadir o actualizar un par clave→valor.
1 # Acceso directo: WT-07
2 print ( sensor [ " id " ])
3
4 # Añadir nueva clave
5 sensor [ " fabricante " ] = " SKF "
6
7 # Modificar valor existente
8 sensor [ " umbral " ] = 5 .0
9
10 print ( sensor )
11 # Muestra todas las claves y valores

Diccionarios en Python — Diccionarios anidados

Diccionarios anidados:
Un valor puede ser otro diccionario. Esto permite representar
estructuras complejas (ej. múltiples sensores).
1 aerogenerador = {
2 " WT -07 " : { " ubicacion " : " carcasa " ,
3 " vib_mm_s " : [2.1 , 2.3]} ,
4 " WT -08 " : { " ubicacion " : " tower " ,
5 " vib_mm_s " : [1.8 , 2.0]}
6 }
7
8 print ( aerogenerador [ " WT -07 " ][ " ubicacion " ]) # carcasa
9 print ( aerogenerador [ " WT -08 " ][ " vib_mm_s " ]) # [1.8, 2.0]

Matplotlib y diccionarios

Matplotlib: ò
Es la librería más usada en Python para la visualización de
datos. Permite generar gráficos de:
■ Líneas (series temporales).
■ Barras y sectores.
■ Histogramas y dispersión.
■ Mapas de calor e imágenes.
Módulo principal: [Link] suele importarse con la
abreviatura plt.
1 import matplotlib . pyplot as plt

Uso básico de plot

Sintaxis general:
[Link](x, y, opciones) dibuja una curva de y frente a x.

1 import matplot [Link] as plt

2
3 # Datos de ejemplo
4 t = [0 , 1 , 2 , 3 , 4 , 5]
5 y = [2 .1 , 2 .3 , 2 .5 , 2 .2 , 2 .4 , 2 .3 ]
6
7 # Gráfico básico
8 [Link] (t , y )
9 [Link] () # Muestra el gráfico en pantalla

Nota: Ú
Por defecto, se dibuja una línea azul continua.

Uso básico de plot

Opciones comunes en plot

Parámetros más usados: ò

■ marker → estilo de los puntos (o, x, s).
■ linestyle → estilo de la línea (-, –, :).
■ color → color de la curva (r, g, b).
■ label → texto para la leyenda.

1 [Link] (t , y , marker = " o " , linestyle = " --" , color = " r " ,
label = " signal " )
2 # Curva con puntos, línea discontinua y color rojo
3 [Link] ( " Ejemplo de signal " ) # Título del gráfico
4 [Link] ( " Tiempo ( s ) " ) # Etiqueta del eje X
5 [Link] ( " Valor " ) # Etiqueta del eje Y
6 [Link] () # Muestra la leyenda definida en label
7 [Link] ( True ) # Activa la cuadrícula
8 [Link] () # Muestra el gráfico en pantalla

Opciones comunes en plot

Uso práctico con diccionarios

Con diccionarios podemos guardar señales y luego visualizarlas

con [Link] ò .
1 import matplot [Link] as plt
2 # Diccionario con señal de vibración
3 sensor = {
4 " id " : " WT -07 " ,
5 " t " : [0 , 1 , 2 , 3 , 4 , 5] ,
6 " vib_mm_s " : [3 .2 , 3 .1 , 3 .15 , 3 .3 , 3 .0 , 3 .2 ]
7 }
8 # Visualización
9 [Link] ( sensor [ " t " ] , sensor [ " vib_mm_s " ] , marker = " o " )
10 [Link] ( " Vibracion WT -07 " )
11 [Link] ( " Tiempo ( s ) " )
12 [Link] ( " Vibracion ( mm / s ) " )
13 [Link] ( True )
14 [Link] ()

Uso práctico con diccionarios

Actividad 5 — Diccionarios y señales

Actividad 5 .

Define las siguientes variables:

1 import numpy as np
2 import matplot [Link] as plt
3
4 # Vector de tiempo (0 a 5 s, paso 0.1)
5 t = [Link] (0 , 5 , 0 .1 )
6
7 # Señal de vibración sintética
8 vib = 2 .0 + 0 .3 * [Link] (2* [Link] *1 .5 * t )

Actividad 5 — Diccionarios y señales

Actividad 5 .
■ Crea un diccionario sensor con el ID del aerogenerador (Clave
“id”), el vector de tiempo (Clave “t”) y la señal de vibración (Clave
“vib_mm_s”).
■ Imprime el diccionario
■ Calcula el promedio de vibración con NumPy.
■ Visualiza la señal con plot mostrando título, ejes y cuadrícula.

Respuesta Ú
Promedio de vibración: 2.011775663033031

Actividad 5 — Diccionarios y señales

Gracias por la atención

Plan de Recuperación, Transformación y Resiliencia – Financiado por la Unión Europea – Next Generation EU. Componente 21, inversión 6, C21.I06.P02.S04.S05. PROVISIONAL.SI01

También podría gustarte

Introducción a Google Colab y Python
100% (1)
Introducción a Google Colab y Python
20 páginas
Introducción a Python en Google Colab
Aún no hay calificaciones
Introducción a Python en Google Colab
11 páginas
Guía para usar Google Colab en español
Aún no hay calificaciones
Guía para usar Google Colab en español
2 páginas
Introducción a Google Colab y sus funciones
Aún no hay calificaciones
Introducción a Google Colab y sus funciones
4 páginas
Cómo usar Colabory en Google Colab
Aún no hay calificaciones
Cómo usar Colabory en Google Colab
6 páginas
Introducción a Google Colab en MACTI
Aún no hay calificaciones
Introducción a Google Colab en MACTI
19 páginas
S01.s1 - Material
Aún no hay calificaciones
S01.s1 - Material
35 páginas
Practica 01 Google Colab
Aún no hay calificaciones
Practica 01 Google Colab
8 páginas
Google Colab
Aún no hay calificaciones
Google Colab
6 páginas
Intro Python
Aún no hay calificaciones
Intro Python
20 páginas
Plataformas Clave en Ciencia de Datos
Aún no hay calificaciones
Plataformas Clave en Ciencia de Datos
26 páginas
Guía Completa de Google Colab
Aún no hay calificaciones
Guía Completa de Google Colab
4 páginas
Guía Práctica de Google Colab para Python
Aún no hay calificaciones
Guía Práctica de Google Colab para Python
6 páginas
Guía de Instalación de Python y Notebooks
Aún no hay calificaciones
Guía de Instalación de Python y Notebooks
21 páginas
Practica 3 Variables y Google Colab ....
Aún no hay calificaciones
Practica 3 Variables y Google Colab ....
2 páginas
Practica 3 Variables y Google Colab ....
Aún no hay calificaciones
Practica 3 Variables y Google Colab ....
2 páginas
Practica 3 Variables y Google Colab ....
Aún no hay calificaciones
Practica 3 Variables y Google Colab ....
2 páginas
Practica 3 Variables y Google Colab ....
Aún no hay calificaciones
Practica 3 Variables y Google Colab ....
2 páginas
Unidad 1
Aún no hay calificaciones
Unidad 1
9 páginas
Guía de Google Colab para Python
Aún no hay calificaciones
Guía de Google Colab para Python
3 páginas
Visualización de datos en Colab
Aún no hay calificaciones
Visualización de datos en Colab
4 páginas
Ventajas y Uso de Google Colab
Aún no hay calificaciones
Ventajas y Uso de Google Colab
4 páginas
Introducción a Google Colab y librerías
Aún no hay calificaciones
Introducción a Google Colab y librerías
4 páginas
Introducción a Python para Geotecnia
Aún no hay calificaciones
Introducción a Python para Geotecnia
15 páginas
Google Colab
Aún no hay calificaciones
Google Colab
2 páginas
Introducción a Python para Data Science
Aún no hay calificaciones
Introducción a Python para Data Science
77 páginas
Ventajas y uso de Google Colab
Aún no hay calificaciones
Ventajas y uso de Google Colab
2 páginas
Uso de Google Colab y gestión de archivos
Aún no hay calificaciones
Uso de Google Colab y gestión de archivos
15 páginas
Clase Python Cero Colab Viva Incidentes 60min
Aún no hay calificaciones
Clase Python Cero Colab Viva Incidentes 60min
27 páginas
Buenas Prácticas en Python y Google Colab
Aún no hay calificaciones
Buenas Prácticas en Python y Google Colab
154 páginas
Tutorial Colab
Aún no hay calificaciones
Tutorial Colab
12 páginas
Google Colab: Ventajas y Funcionamiento
Aún no hay calificaciones
Google Colab: Ventajas y Funcionamiento
5 páginas
Exportar Google Colab a PDF
Aún no hay calificaciones
Exportar Google Colab a PDF
8 páginas
Abrir archivo .ipynb en Google Colab
Aún no hay calificaciones
Abrir archivo .ipynb en Google Colab
30 páginas
Entornos de Desarrollo para Imágenes Médicas
Aún no hay calificaciones
Entornos de Desarrollo para Imágenes Médicas
5 páginas
Google Colab y Programación en Python
Aún no hay calificaciones
Google Colab y Programación en Python
8 páginas
Introducción a Google Colab y Python
Aún no hay calificaciones
Introducción a Google Colab y Python
125 páginas
Jupyter y Google Colab: Entornos Colaborativos
Aún no hay calificaciones
Jupyter y Google Colab: Entornos Colaborativos
27 páginas
Ensayo de Google Colab
Aún no hay calificaciones
Ensayo de Google Colab
9 páginas
Google Colab
Aún no hay calificaciones
Google Colab
9 páginas
Colab Proyecto
Aún no hay calificaciones
Colab Proyecto
9 páginas
Ensayo de Google Colab
Aún no hay calificaciones
Ensayo de Google Colab
9 páginas
Ensayo Es Google Colab
Aún no hay calificaciones
Ensayo Es Google Colab
9 páginas
00-Instalacion e Introduccion-CEF
Aún no hay calificaciones
00-Instalacion e Introduccion-CEF
9 páginas
ACL ManualPracticas25 26 ES 2
Aún no hay calificaciones
ACL ManualPracticas25 26 ES 2
129 páginas
Instalación de Python y Jupyter Notebook
Aún no hay calificaciones
Instalación de Python y Jupyter Notebook
17 páginas
Guía de Uso de Google Colaboratory
Aún no hay calificaciones
Guía de Uso de Google Colaboratory
5 páginas
Introducción a Python y análisis de datos
100% (1)
Introducción a Python y análisis de datos
5 páginas
Introducción a Python en Laboratorio 0
Aún no hay calificaciones
Introducción a Python en Laboratorio 0
9 páginas
Fundamentos Esenciales de Python
Aún no hay calificaciones
Fundamentos Esenciales de Python
25 páginas
Atdf102 s1 Tutorial
Aún no hay calificaciones
Atdf102 s1 Tutorial
3 páginas
Introducción a Linux y Python en UJI
Aún no hay calificaciones
Introducción a Linux y Python en UJI
9 páginas
Semana 03 - Manual - Modularidad en Python
Aún no hay calificaciones
Semana 03 - Manual - Modularidad en Python
7 páginas
00 Instructivo - 30 Ejercicios para Familiarizarse Con Python y Colab
Aún no hay calificaciones
00 Instructivo - 30 Ejercicios para Familiarizarse Con Python y Colab
48 páginas
Tutorial Introductorio Google Colab
Aún no hay calificaciones
Tutorial Introductorio Google Colab
2 páginas
Atdf102 s1 Tutorial
Aún no hay calificaciones
Atdf102 s1 Tutorial
3 páginas
Python
Aún no hay calificaciones
Python
1 página
Google Colab y Librerías Python Esenciales
100% (1)
Google Colab y Librerías Python Esenciales
22 páginas
00-Instalacion - e - Introduccion-CEF (1) .Ipynb - Colab-TEORIA PARTE 1
Aún no hay calificaciones
00-Instalacion - e - Introduccion-CEF (1) .Ipynb - Colab-TEORIA PARTE 1
6 páginas
Filogenia de Ratites con UPGMA
Aún no hay calificaciones
Filogenia de Ratites con UPGMA
4 páginas
Circuito Diesel: Alta y Baja Presión
100% (11)
Circuito Diesel: Alta y Baja Presión
21 páginas
Estadística Descriptiva y Gráficos
Aún no hay calificaciones
Estadística Descriptiva y Gráficos
5 páginas
Estudio del Flujo Ideal en Mecánica de Fluidos
Aún no hay calificaciones
Estudio del Flujo Ideal en Mecánica de Fluidos
5 páginas
Fundamentos de la Cristalización
Aún no hay calificaciones
Fundamentos de la Cristalización
75 páginas
Ventajas y Desventajas de la Albañilería Armada
Aún no hay calificaciones
Ventajas y Desventajas de la Albañilería Armada
42 páginas
Levantamientos Topográficos con Cinta
Aún no hay calificaciones
Levantamientos Topográficos con Cinta
9 páginas
Ensayos de Resistencia en Rocas
Aún no hay calificaciones
Ensayos de Resistencia en Rocas
6 páginas
Maquinabilidad de Materiales en Mecanizado
0% (1)
Maquinabilidad de Materiales en Mecanizado
44 páginas
Estudio de Caída Libre en Física
Aún no hay calificaciones
Estudio de Caída Libre en Física
25 páginas
Tipos y Fuentes de Energía Explicadas
100% (4)
Tipos y Fuentes de Energía Explicadas
93 páginas
Diagrama de Pourbaix del Agua
50% (2)
Diagrama de Pourbaix del Agua
31 páginas
Informe Laboratorio: Motores CA Inducción
Aún no hay calificaciones
Informe Laboratorio: Motores CA Inducción
10 páginas
Experimento de Diálisis con Buche de Pollo
100% (2)
Experimento de Diálisis con Buche de Pollo
12 páginas
Línea de Alturas Piezométricas
Aún no hay calificaciones
Línea de Alturas Piezométricas
5 páginas
Detector Proximidad Inductivo PNP IP67
Aún no hay calificaciones
Detector Proximidad Inductivo PNP IP67
1 página
Bombas Multietapas Verticales
Aún no hay calificaciones
Bombas Multietapas Verticales
2 páginas
Producto Matricial: Multiplicación de Matrices
Aún no hay calificaciones
Producto Matricial: Multiplicación de Matrices
3 páginas
Actividades sobre Leyes de los Gases
Aún no hay calificaciones
Actividades sobre Leyes de los Gases
3 páginas
Proyecto de Innovación en Energía Solar
Aún no hay calificaciones
Proyecto de Innovación en Energía Solar
9 páginas
Valor Numérico de Expresiones Algebraicas
Aún no hay calificaciones
Valor Numérico de Expresiones Algebraicas
3 páginas
Razonamiento Lógico y Proposiciones
Aún no hay calificaciones
Razonamiento Lógico y Proposiciones
169 páginas
Informe sobre Medidas Directas en Física
Aún no hay calificaciones
Informe sobre Medidas Directas en Física
18 páginas
Planificación Matemática 8vo EGB 2022-2023
Aún no hay calificaciones
Planificación Matemática 8vo EGB 2022-2023
16 páginas
Nombres y estrellas para niños
Aún no hay calificaciones
Nombres y estrellas para niños
25 páginas
Perfiles Metálicos Tipo I: Análisis y Usos
Aún no hay calificaciones
Perfiles Metálicos Tipo I: Análisis y Usos
7 páginas
Propiedades y Ejercicios de Sumatorias
Aún no hay calificaciones
Propiedades y Ejercicios de Sumatorias
10 páginas
Carátula Geometría 2do Bimestre
Aún no hay calificaciones
Carátula Geometría 2do Bimestre
32 páginas
Matriz de Química - Daniel - Alexander - Diaz - Gallardo
Aún no hay calificaciones
Matriz de Química - Daniel - Alexander - Diaz - Gallardo
5 páginas
Definición y Tipos de Intervalos Matemáticos
Aún no hay calificaciones
Definición y Tipos de Intervalos Matemáticos
14 páginas

Introducción a Python y Google Colab

Cargado por

Introducción a Python y Google Colab

Cargado por

Introducción Comandos básicos Estructuras Diccionarios

Bloque 2: Fundamentos de Python

■ Es un lenguaje de programación interpretado (la computadora lo

■ Este lenguaje será nuestra herramienta para nuestro curso.

REPL vs. script

¿Dónde usamos Python?

■ Python se puede usar en entornos locales:

¿Qué es Google Colab?

■ Plataforma gratuita de Google ò para programar en Python.

¿Cómo usar Google Colab?

Para comenzar, accede a:

¿Cómo usar Google Colab?

Para comenzar, accede a:

Partes principales de la interfaz de Colab

■ Nombre del archivo 1

Interfaz de Google Colab

■ Nombre del archivo 1 : Aparece en la parte superior izquierda (por

Interfaz de Google Colab

■ Menú principal 2 : Contiene las opciones clásicas.

Interfaz de Google Colab

■ Barra superior de acciones 3 : acceso rápido.

Interfaz de Google Colab

■ Barra lateral izquierda 5 : utilidades adicionales.

Celdas en Google Colab

En un cuaderno de Colab podemos añadir dos tipos de celdas:

Celdas en Google Colab

Para añadir una celda usamos los botones de la 3 barra

• Ejemplo: títulos con #, negrita con **texto**, listas con -.

Celdas en Google Colab

Actividad - Celdas en Google Colab

1 Abre un nuevo cuaderno en Google Colab.

Primeros pasos: tipos de variables

En Python, las variables pueden almacenar diferentes tipos de datos:

Primeros pasos: definir variables

En Python no necesitamos declarar el tipo de las variables:

Primeros pasos: imprimir y comentar en Python

Python nos permite mostrar mensajes en pantalla con la función

1 # Comentario de una línea

Primeros pasos: imprimir variables

Podemos mostrar en pantalla:

Actividad 1 - imprimir y comentar en Python

1. Crea una celda de + Texto y escribe en Markdown: # Actividad 1

3. En la misma celda, escribe varios print:

4. Añade un comentario con # explicando qué hace tu código.

Operaciones aritméticas en Python

Operaciones aritméticas en Python

Operaciones aritméticas en Python

Raíz cuadrada (potencia fraccionaria)

Raíz cuadrada (librería math)

Operaciones aritméticas en Python

Python incluye una librería estándar especializada en

Las funciones más comunes

Operaciones aritméticas en Python

Redondeo numérico con round

Mostrar con 2 decimales (texto)

Actividad 2 - Operaciones aritméticas en Python

■ Paso 1 (Markdown): crea una celda + Texto con el título:

■ Paso 3: imprime la respuesta con print() ò y 3 decimales:

Cadenas en Python — Conceptos básicos

Una cadena o string ò es una secuencia de caracteres entre

Cadenas en Python — Operaciones comunes

1 texto = " Machine "

En Python, el slicing o corte usa la regla inicio incluido, fin

Cadenas en Python — Métodos útiles

Algunos métodos frecuentes:

1 frase = " aprendiendo Python "

Más ejemplos en el link ò .

Booleanos y operadores de comparación

Operadores lógicos y comparación de cadenas

Actividad 3 — Cadenas y comparaciones

Listas en Python — Conceptos básicos

Una lista ò es una colección ordenada y alterable de

Listas en Python — Operaciones comunes

1 numeros = [10 , 20 , 30 , 40]

En Python, el slicing o corte usa la regla inicio incluido, fin

Listas en Python — Métodos útiles

• Ejemplo: títulos con #, negrita con texto, listas con -.