Tutorial de Python para ciencias e ingenierías

Un curso de Python orientado a estudiantes de ingenieria, ingenieros e investigadores.

disertante:	Ing. Martín Gaitán
evento:	II Conferencia Latinoamericana de Python en la Ciencia - ScipyConAr 2014
fecha:	23 y 24 de octubre de 2014

Material

Las clases se encuentran en formato IPython Notebook y se usan como soporte dinámico. Cada ejemplo de código se manipula en vivo.

Attention!

se utiliza Python 3.3 o superior.

Desde estos links se pueden visualizar estáticamente:

• Clase Nº 1

  Instalación, modos de usar Python. Tipos básicos, estructuras de datos, sentencias de control de flujo, funciones incorporadas

• Clase Nº 2

  Definición de funciones, excepciones, lectura de archivos, clases

• Clase Nº 3

  Conceptos de módulos y paquetes, algunos módulos de de la biblioteca estándar, intro a matplotlib y numpy

• Clase Nº 4

  Más de numpy y matplotlib avanzado. Intro a Scipy.

• Clase Nº 5

  Intro a Sympy. Vectorización de funciones con Numpy.

Temas abordados

• Instalación de entorno para python en windows/linux. Anaconda. Spyder y Ipython Notebook
• Tipos: enteros, floats, complejos, strings.
• Estructuras de datos: listas, tuplas, diccionarios, conjuntos. (packing/unpacking, indexado, slicing, etc.)
• Conceptos de mutabilidad/inmutabilidad, secuencia, iterador,
• control de flujo: if, for, while, manejo de excepciones
• Funciones: definicion, argumentos posicionales y nominales. Valor vs referencia. sentencia yield
• funciones built-in: zip, range, enumerate, etc.
• estructura de proyectos: módulos, paquetes, importacion.
• Manejo de I/O: lectura y escritura de archivos, CSV, json, pickle
• Conceptos básicos de orientación a objetos. Clases
• Matplotlib: introducción, generación de gráficos cartesianos continuos, puntos, histogramas
• Numpy: introduccion a Arrays. slicing extendido, metodos y funciones builtin, loadtxt, algebra lineal, resolucion de sistemas de ecuaciones lineales.
• Matplotlib avanzado: integración con numpy, plots 3d, otros tipos de gráficos, labels, formato, subplots.
• Scipy: algoritmos listos para usar. Estadistica, interpolación. regresiones. Otros?

Licencia

Créditos

Parte de este material ha sido inspirado y/o adaptado de múltiples fuentes

• Scientific Python Lectures de J.R. Johansson
• Sci-py Lectures
• El tutorial de Python traducción al castellano por la comunidad Python Argentina
• Matplotlib tutorial por Nicolas P. Rougier
• Integrar Fortran con Python usando F2py por Pybonacci.
• Numba vs Python, take 2 de Jake Vanderplasf