Jupyter Notebooks para ciencia de datos
Inicio de Jupyter, escritura de celdas, uso de comandos mágicos y exportación de notebooks.
Jupyter Notebooks para ciencia de datos es una lección gratuita de Learn AI with Python en CoddyKit. Esta es la lección 2 de 4. Puedes leer la lección completa abajo gratuitamente — luego la practicas en el navegador con un editor de código integrado y un tutor de IA 24/7. Forma parte de la ruta de aprendizaje de Learn AI with Python, y tu progreso se sincroniza en la web y la app de CoddyKit. El curso de Learn AI with Python incluye 4 lecciones en total.
Cuadernos para explorar
Un cuaderno de Jupyter combina código, resultados, gráficos y texto explicativo en un solo documento. El código se ejecuta en pequeñas celdas, que conservan el estado entre sí, lo que resulta ideal para explorar datos de forma iterativa.
Notebook frente a Lab
Jupyter Notebook es la interfaz clásica de un solo documento. JupyterLab es la interfaz moderna, similar a un IDE, con explorador de archivos, pestañas y varios paneles. Ambos ejecutan los mismos archivos .ipynb.
pip install jupyterlab notebook
jupyter lab # modern interface
jupyter notebook # classic interfaceTipos de celdas
Las celdas son de tipo Code (las ejecuta el kernel) o Markdown (se muestran como texto con formato para las explicaciones). Cambie una celda a Markdown con la tecla M y vuelva a Code con Y.
# Code cell
import numpy as np
np.arange(5)
# Markdown cell (rendered):
# ## Section title
# Some **bold** explanation.Ejecutar y mostrar resultados
Pulse Shift+Enter para ejecutar una celda y pasar a la siguiente. El valor de la última expresión se muestra automáticamente; no hace falta usar print.
x = 2 + 2
x # displays 4 below the cellMedir tiempos con %timeit
La magia de línea %timeit ejecuta una instrucción muchas veces e informa del promedio. Es la forma estándar de comparar implementaciones.
%timeit sum(range(1000))
# 1000 loops, best of 5: 12.3 us per loopMedir el tiempo de toda una celda
Duplique el signo de porcentaje para usar una magia de celda. %%timeit mide el tiempo de toda la celda, no solo de una línea.
%%timeit
total = 0
for i in range(1000):
total += iGráficos integrados
%matplotlib inline indica a Jupyter que muestre los gráficos directamente debajo de la celda como imágenes estáticas. Configúrelo una vez cerca del principio del cuaderno.
%matplotlib inline
import matplotlib.pyplot as plt
plt.plot([1, 4, 9, 16])Comandos de shell en las celdas
Anteponer ! a una línea permite ejecutar un comando de shell. Es útil para comprobar versiones o enumerar archivos sin salir del cuaderno.
!pip install seaborn
!ls -la
!python --versionCapturar la salida del shell
Puede asignar la salida del shell a una variable de Python. El resultado es una lista de líneas de salida.
files = !ls *.csv
print(len(files), "CSV files found")Kernel: reiniciar y ejecutar todo
La ejecución desordenada puede ocultar errores. Kernel → Restart and Run All borra todo el estado y vuelve a ejecutar cada celda de arriba abajo, demostrando que el cuaderno es reproducible.
Enumerar nombres definidos
La magia %who enumera las variables definidas en la sesión. Es útil después de una exploración larga para ver qué hay en la memoria.
%who
# files np plt xComprobación rápida
Compruebe sus conocimientos fundamentales sobre los cuadernos.
Resumen
Ahora puede trabajar eficazmente con cuadernos:
- Notebook (clásico) y Lab (similar a un IDE) comparten los archivos
.ipynb - Tipos de celda Code y Markdown
%timeit/%%timeitpara realizar mediciones de rendimiento%matplotlib inlinepara los gráficos!cmdpara los comandos de shell- Reiniciar y ejecutar todo para garantizar la reproducibilidad;
%whopara inspeccionar el estado
Preguntas frecuentes
¿La lección «Jupyter Notebooks para ciencia de datos» es gratis?
Sí — el texto completo de «Jupyter Notebooks para ciencia de datos» es gratis para leer aquí en la web. Para practicarla de forma interactiva (editor de código integrado y tutor de IA 24/7) y desbloquear el resto del curso de Learn AI with Python, actualiza a CoddyKit PRO. El curso de Learn AI with Python incluye 4 lecciones en total.
¿Qué aprenderé en «Jupyter Notebooks para ciencia de datos»?
Inicio de Jupyter, escritura de celdas, uso de comandos mágicos y exportación de notebooks. Practicas Learn AI with Python con código real que ejecutas directamente en el navegador, y un tutor de IA 24/7 responde tus preguntas mientras trabajas en la lección.
¿Necesito experiencia previa para empezar Learn AI with Python?
No se requiere experiencia previa. Learn AI with Python en CoddyKit está estructurado para principiantes hasta estudiantes avanzados, así que puedes empezar aquí o desde el inicio y avanzar a tu ritmo. Esta es la lección 2 de 4.
¿Cuánto tiempo toma la lección «Jupyter Notebooks para ciencia de datos»?
La mayoría de las lecciones de CoddyKit toman alrededor de 5–10 minutos. Cada una es compacta e interactiva, así que avanzas constantemente y retomas exactamente por donde dejaste en la web y la app.
¿Puedo escribir y ejecutar código en esta lección de Learn AI with Python?
Sí. Cada lección de Learn AI with Python incluye un editor de código integrado, así que escribes y ejecutas código real directamente en tu navegador y obtienes retroalimentación instantánea de IA — sin configuración local necesaria.
Todas las lecciones de este curso
- Entornos virtuales y pip
- Jupyter Notebooks para ciencia de datos
- Tipos de datos de Python para ciencia de datos
- Uso del REPL de Python e IPython