Python: el lenguaje que conquistó los datos

Antes de escribir tu primera línea de Python, necesitas entender por qué estás aprendiendo ESTE lenguaje y no otro. No es casualidad que Python domine el mundo de los datos — es el resultado de 30 años de decisiones de diseño que priorizaron la legibilidad, la simplicidad y la comunidad. Entender esa historia te va a dar contexto para todo lo que viene después.

Imagina que es 1989. Un programador holandés llamado Guido van Rossum está aburrido durante las vacaciones de Navidad. Trabaja en el CWI (Centro de Matemáticas e Informática de Ámsterdam) y está frustrado con los lenguajes que usa a diario. C es poderoso pero verboso y peligroso — un error de puntero te vuela la aplicación sin aviso. Bash es útil pero limitado. Y un lenguaje educativo llamado ABC, en el que había trabajado antes, tenía buenas ideas pero nunca despegó. Guido piensa: "¿Y si tomo lo mejor de ABC — la legibilidad, la simplicidad — y creo un lenguaje que sea práctico de verdad?".

Así nace Python. No como un proyecto empresarial con millones de dólares detrás, sino como un hobby navideño de un programador que quería algo mejor. El nombre viene de Monty Python, el grupo de humor británico, no de la serpiente. Eso ya te dice mucho sobre la filosofía: esto tiene que ser DIVERTIDO de usar.

### El Zen de Python: una filosofía, no solo un lenguaje

Python no es solo un conjunto de reglas de sintaxis. Es una filosofía de programación. Si abres una terminal de Python y escribes "import this", aparece el Zen de Python — 19 aforismos que guían el diseño del lenguaje. Los tres más importantes para ti ahora mismo:

• ▹"Beautiful is better than ugly" — El código debe ser agradable de leer. No es vanidad, es mantenibilidad.
• ▹"Simple is better than complex" — Si hay una forma simple de hacer algo, esa es la correcta.
• ▹"Readability counts" — Vas a leer código 10 veces más de lo que lo escribes. La legibilidad no es opcional.

¿Por qué esto importa para datos? Porque un script que procesa datos va a ser mantenido por ti dentro de 6 meses, o por un compañero que no estaba cuando lo escribiste. Si el código es críptico, nadie se atreve a tocarlo. Si es claro, cualquiera puede mejorarlo. En ingeniería de datos, el código legible es código que sobrevive.

1# Esto es Python. Lee el código en voz alta — casi suena a inglés.
2
3ventas_hoy = [120.50, 89.99, 245.00, 67.30, 150.00]
4
5total = sum(ventas_hoy)
6promedio = total / len(ventas_hoy)
7venta_maxima = max(ventas_hoy)
8
9print(f"Total del día: {total:.2f}€")
10print(f"Ticket medio: {promedio:.2f}€")
11print(f"Venta más alta: {venta_maxima:.2f}€")

### ¿Por qué Python ganó la batalla de los datos?

En el año 2000, si trabajabas con datos, tus opciones eran: R (estadística pura, pero raro para ingeniería), Java (potente pero extremadamente verboso), Perl (poderoso pero ilegible) o MATLAB (caro y cerrado). Python era un outsider — un lenguaje de scripting que la gente usaba para automatizar tareas sencillas.

Entonces, en 2006, un físico llamado Travis Oliphant consolidó varias librerías numéricas dispersas en una sola: NumPy. De repente, Python podía hacer cálculos numéricos eficientes. En 2008, Wes McKinney, frustrado con R y Excel en su trabajo como analista financiero, creó Pandas — una librería que permitía manipular tablas de datos con una API intuitiva. En 2010 aparece scikit-learn para machine learning. En 2015, TensorFlow y Keras para deep learning. Cada año, alguien creaba una herramienta increíble EN Python y PARA Python.

1. 01.Prototipado rápido: en Python escribes en 10 líneas lo que en Java son 50. Para científicos e ingenieros que quieren probar ideas rápido, eso es oro.
2. 02.Extensibilidad: Python se integra fácilmente con C y Fortran. NumPy y Pandas son rápidos porque por debajo usan C — pero tú escribes código Python cómodo.
3. 03.Comunidad: al ser fácil de aprender, más gente lo usa. Más gente = más librerías = más gente que lo usa. Círculo virtuoso.

### Python en el mundo real de los datos hoy

Hoy, en 2024, Python es el lenguaje más usado del mundo según el TIOBE Index. Pero más importante para ti: es el lenguaje obligatorio si quieres trabajar con datos. No importa si eres ingeniero de datos, analista, científico de datos o MLOps — Python está en todas las ofertas de trabajo.

• ▹Escribir un script que descarga datos de una API cada hora y los guarda en un archivo
• ▹Leer un CSV de 2GB con transacciones de clientes, limpiarlo y transformarlo
• ▹Automatizar la validación de datos: verificar que no hay duplicados, que los tipos son correctos
• ▹Conectar sistemas: leer de una fuente, transformar y escribir en otra
• ▹Construir pipelines que se ejecutan automáticamente cada día sin intervención humana

Fíjate en algo: NINGUNA de esas tareas es "hacer una página web" o "crear un videojuego". Python puede hacer esas cosas, pero en datos lo usamos como pegamento universal — conecta, transforma, automatiza. Es tu navaja suiza.

### ¿Y otros lenguajes? ¿Están muertos?

No. Java sigue dominando en sistemas backend de alta concurrencia. Scala se usa con Spark en empresas grandes. Rust está creciendo para herramientas de alto rendimiento. Pero ninguno de ellos tiene el ecosistema de datos de Python. Y ninguno tiene la curva de aprendizaje de Python. Estás eligiendo el camino más práctico y con más oportunidades laborales.

### Qué vas a aprender en esta skill

En las próximas 7 lecciones vas a instalar Python, dominar sus estructuras de datos, aprender a leer y escribir archivos, organizar tu código en módulos, manejar errores como un profesional, instalar librerías externas y culminar con un proyecto real que procesa datos de ventas. Al terminar, Python será tu herramienta — no algo que "medio conoces", sino algo que usas con confianza.

1. 01.Instalar Python y ejecutar tu primer script de datos
2. 02.Dominar listas y diccionarios — las dos estructuras que usarás el 90% del tiempo
3. 03.Leer y escribir archivos reales del disco — tu programa toca el mundo exterior
4. 04.Organizar código en módulos cuando tu proyecto crece
5. 05.Controlar errores con try/except — porque en datos, las cosas SIEMPRE fallan
6. 06.Instalar y usar librerías externas con pip — el superpoder de la comunidad
7. 07.Proyecto final: un script completo que procesa un CSV de ventas

Dicho esto: adelante. Guido van Rossum te creó la mejor herramienta posible. Ahora te toca afilarla.