Curso de introducción para aprender a automatizar el procesamiento de datos y la realización de tareas repetitivas.

Requisitos: Algo de experiencia en cualquier otro lenguaje de programación (MATLAB/GNU Octave, C/C++, Java) es bienvenida.

Licencia: Texto: CC-BY | Código: MIT

• Instalar Anaconda (Python)
• Descargar materiales

Toma de notas: https://beta.etherpad.org/p/curso-python

Introducción a la programación y ecosistema de Python científico.

• Instalación y primeros pasos con Python (1h)

  • Instalación de Python científico (Anaconda, Jupyter Notebook)
  • Ventajas e inconvenientes frente a otros lenguajes
  • Algunos ejemplos de motivación automatizando tareas para mostrar la versatilidad de Python (además de cálculo)

• Análisis de datos con Python (7 h), adaptación de SWC (http://swcarpentry.github.io/python-novice-inflammation/index.html):

  • Análisis de datos con Python, NumPy y Matplotlib
  • Repaso a la sintaxis de Python (estructuras de control)
  • Buenas técnicas de programación
  • Uso de programas Python por línea de comandos

• Repaso a las librerías principales del ecosistema de Python científico (4h) http://www.scipy-lectures.org/

  • Algebra lineal, optimización, cálculo numérico y estadística con SciPy
  • Breve presentación de diversos paquetes científicos especializados:
    • Estadística (statsmodel y pandas)
    • Machine learning (sklearn)
    • Plotting (matplotib, seaborn)

• Trabajo con ficheros y automatización de tareas (4h)

  • Trabajo con archivos (lectura y escritura, organización) - https://v4.software-carpentry.org/sysprog/index.html
  • Scripting de sistema con Python (compatible con windows, mac y linux)
  • Peticiones web y bases de datos
    • Ejemplo para automizar la descarga de datos desde páginas tipo: https://opendata.aemet.es/centrodedescargas/inicio
  • Web-scraping
  • Python 2 vs Python 3
  • Ejemplos de postprocesamiento con Python y la API de Paraview (macros) o QGIS

• Documentación y ayuda (docs, GitHub, Stack Overflow...)

• [ES] Curso de Python para científicos e ingenieros

• [ES] Recursos para aprender Python
• [EN] Software-Carpentry: Talleres de Python, Linux, SQL, GitHub (EN)
• [EN] A gallery of interesting Jupyter and IPython Notebooks
• [EN] Python tutor

• [EN] Python Data Science Handbook
• [EN] A Whirlwind Tour of Python
• [EN] Automate the Boring Stuff with Python

• [ES] StackOverflow
• [ES] GitHub, pidiendo ayuda a los desarroladores

• Un editor de texto: Notepad++ (Windows), Atom, Sublime Text
• Un IDE: Spyder (similar a MATLAB) o PyCharm (recomendado)
• Una distribución: Anaconda, miniconda (si no necesitas todos los paquetes)