2_Anaconda + Python, Creación de un entorno y actualización de paquetes

Guía de Instalación de Anaconda y Python

Por qué Python para Data Science

Si ya conoces el lenguaje Python no hace falta que te cuente porque es el

elegido en la industria para dar vida a los proyectos de Data Science. Pero
si no estás familiarizado con Python estas son algunas de sus
características:

● Es poderoso y sencillo
● Tiene múltiples paquetes estadísticos y de aprendizaje automático,
listos para usar
● Una comunidad muy activa a la que siempre puedes consultar
Y cuenta con muchas más, pero te invito a descubrirlas junto a mi mientras
exploramos el mundo del Álgebra Lineal con Python.

Por qué Anaconda

Anaconda nos provee de una plataforma muy completa para poder

desarrollar nuestros proyectos de Data Science, simplifica la tarea de
instalación y configuración de las distintas aplicaciones que necesitaremos
usar en nuestro viaje. Podemos utilizarlo tanto por terminal como por
interfaz gráfica (GUI). Por el momento avancemos con la segunda opción,
es más amigable para quien no está acostumbrado a la línea de
comandos.

Algunas ventajas de utilizar Anaconda para tus proyectos son:

● Manejar los entornos de trabajo con Conda (todas las dependencias

de librerías se resuelven en el momento de instalación)
● Posibilidad de compartir, colaborar y reproducir los proyectos
 ● Puedes pasar tu proyecto a producción solo con un click (una vez
configurado)
Dentro de las variadas aplicaciones que nos ofrece Anaconda vamos a
utilizar Jupyter Notebooks con Python 3.7.

Instalación
Para realizar la instalación debes seguir los siguientes pasos:

1. Ir a https://www.anaconda.com/distribution/
2. Selecciona tu versión de Sistema Operativo: Windows - macOS -
Linux
3. Haz click en Descargar/Download “Python 3.7 version” (o click en la
versión adecuada para tu CPU 64-bit o 32-bit)

Después de descargar el instalador gráfico, debes abrirlo y seguir las

instrucciones que se presentarán en pantalla. Estas son una serie de
preguntas para realizar la instalación, las opciones por defecto están bien,
no hay necesidad de cambiarlas.

Iniciando Anaconda
Una vez que finalizada la instalación debes abrir el programa Anaconda
Navigator para que podamos crear el entorno en cual estaremos
estudiando y actualizar los paquetes.

Haz click en Environments y despues click en +Create. Se abrirá una

ventana para crear un nuevo entorno.
Llena los siguientes campos:
 ● Name: Platzi - FundamentosAL
● Packages: tilde en Python y del menú desplegable selecciona 3.7

momento para configurar el nuevo entorno y actualizarlo. Cuando termine

verás una pantalla similar a esta

Los paquetes que ves son los que están instalados por defecto, necesitas
instalar varios más. Haz click en installed y cambiarlo a not installed.
En el recuadro de search packages pon:

● Jupyter Notebook
● scipy (tambien instalará numpy)
● pillow (libreria para manejo de imágenes)
● imageio (lectura / escritura de imágenes)
● matplotlib (para graficar)
● seaborn (visualizaciones estadísticas)
● scikit-learn (aprendizaje automático - lo usaremos para un ejemplo
de PCA)
En cada uno de los casos haz click en el recuadro y marcarlo para instalar.
Una vez que los tengas seleccionados haz click en Apply. Anaconda
procesa por ti todas las dependencias y abrirá una nueva ventana para que
aceptemos los paquetes a instalar, haz click en Apply.

Una vez finalizada la instalacion y actualizacion de paquetes en el entorno

Platzi - FundamentosAL hacemos click en Home, y Launch Jupyter
Notebook. Una nueva pestaña se abrirá en nuestro navegador con Jupyter,
ya estamos listos para comenzar el aprendizaje de Fundamentos de
Álgebra Lineal con Python.

Ejercicio
Instala el paquete seaborn. Es un paquete para visualizar datos.
A mi tambien me paso la primera vez no saber por dónde comenzar, así
que si necesitas ayuda aqui te dejo un paso a paso.

1 - Desde Anaconda Navigator, haz click en Environments

2 - Selecciona el entorno donde quieres instalar el paquete (Platzi -

FundamentosAL)

3 - Selecciona en el menú desplegable Not Installed

4 - Escribe en el recuadro de búsqueda seaborn

5 - Haz click en el paquete seaborn

6 - Haz click en Apply

7 - Haz click en Apply, pero esta vez en el pop up que aparece para aceptar
todas las dependencias.

Listo! Felicitaciones, instalaste tu primer libreria para visualización de

datos en Python.

Puedes copiar y pegar en una de las celdas en Jupyter el siguiente código

para ver un gráfico de la cantidad de pasajeros en avión entre 1949 y 1960
por mes.

import seaborn as sns

vuelos = sns.load_dataset("flights")
vuelos = vuelos.pivot("month", "year", "passengers")
ax = sns.heatmap(vuelos)