Python Aplicado (español)

© 2021 Elida Bahit Research Centre - EBRC Publisher
Autora: Eugenia Bahit   |   ISBN 9781838190125   |   e-ISBN 9781838190132 (PDF)   |   202 págs.   |   15 x 21 cm (A5)

Python Programming Linux Data Science Statics Web Databases Unit Testing OOP Design Patters

Sinopsis

Python Aplicado es la nueva edición de Python para Principiantes, un libro en el que la autora recorre el lenguaje desde su concepción hasta su aplicación en disciplinas tan variadas como la administración de sistemas GNU/Linux, la ciencia de datos, la probabilidad y estadística, el desarrollo de aplicaciones Web, las bases de datos y la programación orientada a objetos.

LO NUEVO: En esta nueva edición, incorpora temas como las pruebas unitarias, amplía el temario de funciones a conceptos más avanzados que los abarcados en Python para Principiantes, y aborda algunos patrones de diseño en el capítulo de orientación a objetos, además de sumar un esclarecedor prólogo que permitirá a las lectoras y lectores, comprender la diferencia —tanto a nivel práctico como teórico—, entre programar y codificar.

Un libro destinado tanto a estudiantes de programación como a profesionales de diversas disciplinas científicas.

 
⮴ Regresar al menú

Autora

Professor Eugenia Bahit is a Theoretical Computer Scientist and a member of the European Association for Theoretical Computer Science (EATCS). She specializes in mathematical logic as applied to computer security, set theory, and Theory of Objects. As a Professor, she specialized in neurosciences applied to the learning of computer programming. Previously, she worked as a specialist in the reverse engineering of code and security by default in GNU/Linux and OpenBSD environments.

 
⮴ Regresar al menú

Índice de contenidos

PYTHON BÁSICO

  • Introducción. Diferencia entre programar y codificar
  • Elementos del Lenguaje: Variables, Entrada y salida, Tipos de datos, Codificación de caracteres (encoding), Operadores Aritméticos, Comentarios. Tipos de datos complejos: Tuplas, Listas, Diccionarios. Importación de módulos. Estructuras de control de flujo condicionales. Operadores lógicos. Estructuras de control iterativas: Bucle while. Bucle for.
  • Funciones. Funciones definidas por el usuario. Parámetros. Parámetros por omisión. Claves como argumentos. Parámetros arbitrarios. Desempaquetado de parámetros. Llamadas recursivas y de retorno. Lambdas. Clausuras (closures). Envolturas (wrappers) y decoradores. Funcionamiento de las envolturas y decoradores.
  • Manejo y manipulación de archivos. Modos de Apertura de un archivo. Algunos métodos del Objeto File. Acceso a archivos mediante la estructura with.

PYTHON PARA CIENCIA DE DATOS

  • Manipulación de cadenas de texto. Inyección de variables. Métodos de formato. Métodos de Búsqueda y reemplazo. Métodos de Validación. Métodos de unión y división. Manipulación avanzada de cadenas de texto. Expresiones regulares en Python.
  • Manipulación de listas y tuplas. Métodos de agregado. Métodos de eliminación. Métodos de orden. Métodos de búsqueda. Conversión de tipos. Concatenación de colecciones. Valor máximo y mínimo. Contar elementos.
  • Manipulación de diccionarios. Métodos de eliminación. Métodos de agregado y creación. Métodos de retorno.
  • Manejo de archivos CSV. Algunos ejemplos de archivos CSV. Trabajar con archivos CSV desde Python. Lectura de archivos CSV. Escritura de archivos CSV.
  • Probabilidad y Estadística con Python. Teoría de conjuntos en Python. Funciones estadísticas básicas (len, sum, max, min). Probabilidad de sucesos simples y compuestos mutuamente excluyentes. Espacio muestral. Sucesos simples y compuestos. Asignación de probabilidades. Sucesos simples mutuamente excluyentes. Sucesos compuestos por sucesos simples mutuamente excluyentes. Probabilidad condicional en Python. Sucesos dependientes. Sucesos independientes. Teorema de Bayes en Python. Teorema de Bayes y probabilidad de causas. Caso práctico.
  • Estadística descriptiva con Python. Estadística poblacional y muestral. Medidas descriptivas de tendencia central. Medidas descriptivas de dispersión. Cálculos de dispersión. Frecuencia estadística. Frecuencia absoluta. Frecuencia relativa. Frecuencias acumuladas.

PYTHON PARA SCRIPTING EN GNU LINUX

  • Scripting: Introducción al scripting en GNU/Linux Recepción de argumentos por línea de comandos. Creación de un menú sencillo y uno avanzado. Generación de registros de sistema (logs). Módulos del sistema (os, sys y subprocess). Variables de entorno: os.environ. Variables y funciones del módulo sys.
  • Ejecución de comandos del sistema. Ejecución de comandos del sistema mediante Popen y shlex.split. Capturar la salida estándar y los errores. Emplear la salida de un comando como entrada de otro.
  • Conexiones remotas (HTTP, FTP y SSH). Conexiones remotas vía HTTP y HTTPS. Conexiones remotas vía FTP. Solicitando la contraseña con getpass. Conexiones SSH con Paramiko.
  • Manejo avanzado de archivos en GNU/Linux. Compresión y descompresión de archivos con ltarfile y zipfile. La biblioteca tarfile. La biblioteca zipfile. Manejo de archivos temporales con la biblioteca tempfile. Lectoescritura de archivos temporales. Búsqueda de archivos con las bibliotecas glob y fnmatch.

PYTHON PARA APLICACIONES WEB

  • Python como CGI para aplicaciones Web. Entender la interfaz CGI. Entender el servidor HTTP de Apache. Instalación y configuración de Apache. Montar un Virtual Host localmente en GNU/Linux (ejemplos en Debian, Fedora y derivados de ambos). Habilitación del módulo cgi. Definición de un nuevo host y creación del Virtual Host.
  • Técnicas Web. Separar el HTML del código Python (técnicas de sustitución utilizadas en MVC). Envío de correo electrónico. Manejo de los métodos GET y POST de HTTP. Recibiendo y analizando solicitudes por GET. El método POST: trabajar con datos enviados desde un formulario. Carga de archivos con Python. Consideraciones sobre seguridad. Servir archivos estáticos con Python. Obtener el tipo MIME de un archivo. Codificar un archivo en Base 64.

OTRAS APLICACIONES DEL LENGUAJE

  • Bases de datos: Conexiones a bases de datos con MySQL® y MariaDB. Configuración de MariaDB. Trabajando con MariaDB y MySQL® desde Python. Seguridad: prevención de inyecciones SQL. Función para automatizar consultas SQL.
  • Programación orientada a objetos con Python. Breve introducción a la programación orientada a objetos. Elementos y características de la programación orientada a objetos. Clases. Métodos y propiedades. Objetos. Polimorfismo. Encapsulado. Herencia. Composición. Visibilidad y Ocultación. Sobre el uso de self en Python. Artilugios de la programación orientada a objetos. El método constructor. Recorrido de propiedades. Patrón de diseño compuesto y agregación.
  • Pruebas unitarias. Pruebas unitarias desde Doctest. Pruebas unitarias con Unittest: Métodos Assert. Ejecución automática de pruebas.

 
⮴ Regresar al menú

Listado de Universidades
que incluyen este libro en sus programas de estudio

Universidades de España:
Universidad Politécnica de Madrid
Instituto Astrofísico de Andalucía
Universidad de las Palmas de Gran Canaria
Universidad de Santiago de Compostela
Universidad de Extremadura
Universidad de Granada
Universidad de Córdoba
Universidad de La Laguna
Universidad de Vigo

Universidades de México:
Universidad Autónoma de Sinaloa
Universidad de Guadalajara

 
⮴ Regresar al menú