En programación, una librería corresponde al conjunto de archivos de código que permiten al usuario desarrollar software. Proporcionan funcionalidades comunes, que ya han sido resueltas previamente por otro programadores, con el objetivo de evitar la duplicidad de código, minimizar errores y facilitar así la programación. 

Python es un lenguaje de programación multiparadigma, que destaca por su versatilidad y funcionalidad. Aunque a menudo es considerado un lenguaje “scripting”, realmente es de propósito general, además de ser de código abierto y de semántica dinámica. Entre sus principales características, destaca que dispone de fuentes incorporadas, así como una amplia variedad de librerías. 

Un lenguaje como Python es ideal para manejar grandes volúmenes de información mediante la automatización de la extracción y análisis de datos, además de ser más accesible y adaptable que otros lenguajes de programación. Es por esto que hasta ahora Python es el lenguaje preferido entre los profesionales para llevar a cabo tareas de Data Science. 

De modo que si estás buscando iniciar una carrera en Data Science, pero te abruma un poco todos estos nuevos conceptos que deberás aprender y dominar, aquí te dejamos cinco librerías de Python que definitivamente tienes que conocer para incursionar en la ciencia de datos. 

#1 - Anaconda

Como se lee en su sitio web, Anaconda es la plataforma de distribución Python de código abierto más popular del mundo, creada específicamente para Data Science. No es propiamente una librería, pero podemos clasificarla como tal porque, así como en desarrollo de software una librería es una colección de módulos relacionados, Anaconda proporciona todas esas funcionalidades y paquetes que un científico de datos debe conocer. 

Anaconda Navigator es el portal de escritorio a la ciencia de datos.
Anaconda Navigator es una interfaz gráfica de usuario que te permite iniciar aplicaciones y administrar paquetes conda.

De hecho, la primera cosa importante que proporciona Anaconda es Jupyter Notebook, que es una aplicación web para crear y compartir documentos computacionales. Jupyter Notebook se ejecuta localmente en tu ordenador, y lo que lo hace sumamente atractivo es que cada celda opera de manera independiente—es decir, sin afectar a todo el código. Todo esto proporciona una experiencia sencilla, simplificada y centrada en los documentos. 

#2 - Pandas

Visualización de datos con Pandas.
Ejemplo de visualización de datos con Pandas.

Pandas es una librería de código abierto que te permite importar, manipular y analizar datos. Construida sobre Python, Pandas es una herramienta potente, flexible y fácil de usar.  Es por esto que es muy usada en Data Science, porque los datos son fáciles de trabajar. 

La belleza de Pandas está en que trabaja con datos tabulares. En estadística, los datos tabulares son aquellos que se organizan en una tabla con filas y columnas. Es importante porque trabajamos con datos tabulares en muchas situaciones de nuestro día a día: con archivos de excel, con archivos csv, con bases de datos, etc. Independientemente del rol que desempeñas en tu trabajo, la realidad es que siempre tendrás que lidiar con datos tabulares de alguna manera. Por ello, Pandas es un recurso fundamental para todo científico de datos que trabaje con Python. 

#3 - Matplotlib

Posterior a la manipulación y el análisis de datos, usualmente lo que se desea es graficarlos. Esto es lo que hace Matplotlib, una librería que te permitirá crear visualizaciones estáticas, animadas e interactivas en Python. 

Gráfico de barras generado con Matplotlib.
Código para gráfico estadístico escrito en Matplotlib.
Ejemplo de un gráfico estadístico (statistic plot) generado con Matplotlib.

Matplotlib nos ayuda a plasmar los plots más importantes que se suelen necesitar en la ciencia de datos, como: gráficos estadísticos (histogramas, gráficos de barras, etc); series temporales; espectros de potencia; y muchos más. Además, con Matplotlib se generan gráficos de calidad para publicar online o en papel, sin emplear muchas líneas de código. 

Para trazar gráficos, esta es la primera librería que te recomendamos usar ya que es la más conocida, empleada y te ayudará a ganar experiencia en codificación. 

#4 - Seaborn

En cierto punto, cuando hayas obtenido suficiente experiencia en el análisis de datos, necesitarás algo más que Matplotlib. Principalmente porque para realizar gráficos avanzados en Matplotlib tenemos que escribir mucho código. 

Gráfico generado con Seaborn.
Así se ve un gráfico de líneas desde un conjunto de datos generado con Seaborn.

Seaborn es una librería de visualización de datos Python que proporciona una interfaz de alto nivel para dibujar gráficos estadísticos atractivos e interactivos. Con Seaborn puedes obtener un gran resultado con muy pocas líneas de código. De hecho, si estás preguntándote a qué librería deberías acudir para graficar datos en un principio —si Matplotlib o Seaborn—, nosotros te recomendamos que inicies con Matplotlib y poco a poco comiences a migrar a Seaborn, una vez que hayas ganado experiencia en la ciencia de datos.

#5 - Scikit-learn

Gráfico realizado en Scikit-learn basado en datos del mundo real.
En este ejemplo se extrae la estructura del mercado de valores de 2003 a 2008 para visualizarlo a través de un gráfico.

La principal característica que distingue a un analista de datos de un científico de datos es su habilidad para el aprendizaje automático o Machine Learning. Como mencionamos en nuestra última entrada, el Machine Learning es la rama de la inteligencia artificial que se centra en el uso de datos y algoritmos para realizar predicciones. En Python, los modelos de ML pueden ser invocados y entrenados por medio de Scikit-learn, la cual es una librería de herramientas sencillas y eficientes para el análisis predictivo de datos. 

Este ejemplo de librerías de Python está pensado para la construcción de modelos de aprendizaje automático, así como para el análisis de datos. Acciones de regresión, clasificación y agrupamiento de datos son posibles, además de que solo requiere de una línea de código gracias a que su interfaz es sencilla. 

‍

Lo mejor de todo es que estas cinco librerías que acabamos de enumerar se pueden aplicar en este orden (sobre todo si apenas comienzas tu carrera en Data Science): comenzar con Anaconda para configurar el entorno y adquirir experiencia con Python; después iniciar el análisis de datos con Pandas; visualizar los datos con Matplotlib y Seaborn; y finalmente acudir a Scikit-learn para la construcción de modelos de Machine Learning. 

Claro que si quieres conocer más sobre este lenguaje de programación y profundizar tus conocimientos en Data Science, siempre puedes inscribirte a nuestro curso de desarrollador Python. Aprenderás la "gramática" básica de Python y a utilizar sus herramientas para la programación de interfaces gráficas y bases de datos, programación web y testing de aplicaciones. Apúntate y conviértete en un calificado especialista en Python en tan sólo ocho meses.