Curso de vibe coding con Python — Parte 1

Introducción

¿Por qué Python? ¿Qué es preparar el entorno?

Ilustración de un portátil que muestra código, conectado a una nube, con plantas de arroz que crecen a su lado

Python se ha convertido en el lenguaje de referencia para analizar datos de investigación. Es gratuito y da acceso a una enorme colección de bibliotecas que comparten investigadores de todo el mundo. Este curso le guía paso a paso, desde cero. Verá cómo preparar un entorno de Python, cómo programar con ayuda de un modelo de lenguaje de gran tamaño (LLM) y cómo publicar análisis reproducibles junto a sus artículos. La Parte 1 empieza por los conceptos básicos. Aprenderá qué es Python, qué significa preparar el entorno, por qué conviene hacerlo en su propio ordenador y por qué importa la reproducibilidad.

Dr. Hoo, ¿por qué usar Python?
Es gratuito para cualquiera y tiene las herramientas que necesita la investigación. Además, es un lenguaje que los LLM manejan especialmente bien.
01

¿Por qué usar Python?

Hay muchas herramientas para analizar datos de investigación, como R, MATLAB o SAS. Python destaca por tres motivos.

  • Gratis y abierto a todos. Es software libre (su código fuente es público y cualquiera puede usarlo sin pagar). No depende de licencias comerciales ni de suscripciones de su institución.
  • Cada vez más extendido en todas las disciplinas. Hay herramientas en Python para casi cualquier campo, como el aprendizaje automático, el análisis de imágenes, la estadística o el análisis geoespacial. El código que acompaña a los artículos para reproducir sus resultados suele estar escrito en Python.
  • El lenguaje que mejor manejan los LLM. Al ser libre, hay una cantidad enorme de código, tutoriales y preguntas con respuesta publicados en internet. Los LLM como ChatGPT o Claude aprenden de esos datos, así que generan código en Python con más acierto que en otros lenguajes.

Además, Python está pensado para leerse con facilidad. Su sintaxis se parece al inglés corriente, por lo que es una buena puerta de entrada para quien empieza a programar.

02

¿Qué significa «escribir y ejecutar código»?

Un análisis de datos en Python sigue, en general, estos pasos.

  1. Se escriben instrucciones en Python (el código) en un editor de código
  2. Ese código se entrega al intérprete de Python, que es el «motor» que lo ejecuta
  3. El intérprete lee las instrucciones línea a línea y hace cálculos, lee archivos, dibuja gráficos, etc.
  4. Los resultados aparecen en pantalla o se guardan en archivos

Es parecido a escribir una fórmula en una celda de Excel para obtener un resultado. La diferencia es que en Python no se escriben solo fórmulas, sino todo el procedimiento, paso a paso. Por ejemplo, «leer todos los CSV de una carpeta, calcular la media, dibujar un gráfico y guardarlo como imagen» cabe en un solo script que puede repetir cuantas veces quiera.

Esto es lo que hace posible la reproducibilidad. Los pasos manuales en Excel son difíciles de recordar después, pero el código de Python es el propio procedimiento, así que sirve también como registro de lo que se hizo.

03

¿Qué es un editor de código? (VSCode)

Un editor de código es una aplicación hecha para escribir código. Podría escribirlo en el Bloc de notas o en Word, pero un editor de código ofrece ayudas muy útiles, como las siguientes.

  • Resaltado de sintaxis (las instrucciones y los textos aparecen en colores distintos y se leen mejor)
  • Autocompletado (propone cómo terminar lo que está escribiendo)
  • Marcado de los puntos donde hay errores
  • Una terminal integrada (un panel para escribir comandos) en la misma ventana
  • Ampliación de funciones mediante extensiones

En este curso usamos VSCode (Visual Studio Code), un editor gratuito de Microsoft. Es rápido y lo usan programadores e investigadores de todo el mundo. Sirve para todo lo relacionado con Python, desde editar código hasta gestionar entornos virtuales y ejecutar los archivos .ipynb, que veremos más adelante.

Veremos cómo instalar VSCode y dar los primeros pasos en la Parte 2. Por ahora, piense en él como la aplicación principal donde escribirá y ejecutará su código.

04

¿Qué es una biblioteca?

Python, por sí solo, hace pocas cosas. Las funciones para leer datos, aplicar aprendizaje automático o dibujar gráficos se ofrecen aparte, en forma de bibliotecas.

Una biblioteca es un conjunto de funciones útiles que otra persona ha creado y compartido. Python cuenta con cientos de miles de bibliotecas aportadas por investigadores e ingenieros de todo el mundo. Una vez instaladas, puede usarlas desde su código. Por ejemplo, en lugar de programar un modelo de regresión desde cero, puede instalar scikit-learn y entrenar y aplicar un modelo de aprendizaje automático con unas pocas líneas.

Bibliotecas habituales en investigación

scikit-learn para aprendizaje automático (regresión, clasificación, agrupamiento, etc.)
pandas para datos en tablas (leer, resumir y reorganizar archivos de Excel o CSV)
numpy para cálculo numérico y operaciones con matrices
matplotlib / seaborn para gráficos y figuras
openpyxl para leer y escribir archivos de Excel
scipy para cálculo científico y estadística

En el código, basta una línea como import sklearn para tener disponibles todas las funciones de esa biblioteca. Para instalarla, basta un comando, pip install scikit-learn.

Cada biblioteca tiene una versión (por ejemplo, scikit-learn 1.4.0), y su comportamiento puede cambiar de una versión a otra. Por eso es importante la «preparación del entorno», que explicamos a continuación.

05

¿Qué es preparar el entorno?

¿En qué consiste preparar el entorno?
En preparar en el ordenador un lugar donde Python pueda funcionar. Cada proyecto tiene su propio espacio de trabajo, un entorno virtual, para que las versiones de las bibliotecas no se mezclen.

Para ejecutar código de Python, hay que preparar en el ordenador un «entorno de ejecución de Python». A este proceso lo llamamos preparación del entorno. Consta de los cuatro pasos siguientes.

  1. Crear una carpeta para el proyecto (por ejemplo, my_first_analysis en el escritorio)
  2. Crear un «entorno virtual» dentro de esa carpeta (con el comando python -m venv .venv). Así se crea la carpeta .venv, una caja independiente para su proyecto.
  3. Instalar las bibliotecas necesarias en las versiones adecuadas (por ejemplo, pip install scikit-learn pandas) dentro del entorno virtual.
  4. Activar el entorno virtual (en Windows, con el comando .venv\Scripts\activate). Con el entorno activado, el código usa el Python y las bibliotecas de esa caja. En el código, las llama con import sklearn.

El entorno virtual existe porque cada proyecto usa bibliotecas y versiones distintas. Si se instala todo directamente en el Python del sistema, los proyectos acaban chocando entre sí. Un entorno virtual es una caja aislada para cada proyecto, que no afecta a los demás.

Cómo entender los entornos virtuales

Imagine que dentro de su ordenador prepara un «cuarto de trabajo» para cada proyecto. Cada cuarto tiene su propio Python y su propio juego de bibliotecas, sin depender de los demás. El proyecto A puede usar scikit-learn 1.4.0 y el proyecto B scikit-learn 0.24, y ambos conviven en el mismo ordenador sin problemas. En términos técnicos, a esta idea también se le llama «sandbox» (un espacio de trabajo aislado).

La clave es que el código solo funciona bien cuando la versión de Python y las de las bibliotecas son las adecuadas. Un código escrito para scikit-learn 1.4 puede fallar con scikit-learn 0.24, y algunas funciones de Python 3.12 no existen en Python 3.8.

Problemas tan comunes como «en mi ordenador funcionaba y en el suyo no» o «con el mismo código salen resultados distintos» se deben casi siempre a diferencias de versión. Por eso es tan importante crear un entorno virtual y controlar las versiones. Con el archivo requirements.txt, que veremos más adelante, otras personas pueden usar exactamente las mismas versiones que usted.

06

¿Por qué preparar el entorno en su propio ordenador?

Hay dos formas principales de usar Python. Una es en la nube (por ejemplo, Google Colab, que funciona en el navegador). La otra es en local, preparando el entorno en su propio ordenador. Este curso usa la opción local por los motivos siguientes.

  • Sus datos no salen de su ordenador. No hace falta subir datos de investigación sin publicar a un servidor externo.
  • Aprovecha toda la potencia de su ordenador. La velocidad del análisis depende de su equipo. Si es potente, puede sacarle todo el partido.
  • Las carpetas y los archivos se manejan como siempre. Trabaja con los archivos igual que de costumbre, en el Explorador (Windows) o en el Finder (Mac).
  • Es fácil preparar un paquete reproducible. Como veremos, basta con compartir la carpeta entera.

En cambio, si su ordenador tiene poca potencia o necesita cálculos grandes con GPU, quizá le convengan más las opciones en la nube, como Google Colab o los servidores de su universidad. Lo que aprenda aquí en local también le servirá en esos entornos.

07

Las ventajas de la reproducibilidad en la investigación

¿De verdad importa tanto la reproducibilidad?
Cada vez más revistas piden publicar los datos y el código del análisis. Si la carpeta está bien organizada, se puede publicar tal cual, y otras personas pueden obtener los mismos resultados.

En los últimos años, cada vez más revistas exigen publicar los datos originales y el código del análisis. Algunos ejemplos son PLOS ONE (pide una declaración de disponibilidad de datos), las revistas del grupo Nature (piden indicar la disponibilidad del código y los datos) y eLife (política de datos abiertos). También en agronomía, cada vez más revistas, como Field Crops Research, recomiendan encarecidamente compartir los datos y el código.

Con un entorno de Python en su ordenador, cumplir estos requisitos resulta muy sencillo. Solo tiene que ordenar la carpeta del proyecto como se muestra abajo y subirla a Zenodo o GitHub.

Ejemplo de estructura de carpetas como paquete reproducible

project/
├── .venv/            # Entorno virtual (incluye las versiones)
├── data/             # Datos originales (Excel, CSV, etc.)
├── notebooks/    # Scripts de análisis (.ipynb)
├── results/       # Figuras y tablas generadas
├── requirements.txt  # Lista de bibliotecas para reproducir el entorno
└── README.md      # Instrucciones de uso

Con esta carpeta, cualquier otra persona puede reproducir exactamente el mismo análisis. Solo tiene que descargarla, crear un entorno virtual, instalar las bibliotecas necesarias y ejecutar el script. Este grado de reproducibilidad es difícil de lograr trabajando a mano en Excel.


→

Visión general del curso

A partir de la Parte 2, pondrá en práctica todo lo que hemos explicado aquí. El curso sigue este recorrido.

Parte 2
Preparación
→
Parte 3
Vibe coding
→
Parte 4
Reproducibilidad
→
Parte 5
Publicación
  • Parte 2: Preparación del entorno. Instalará VSCode y creará una carpeta y un entorno virtual. Irá desde el primer «Hello World» hasta obtener estadísticas básicas.
  • Parte 3: Vibe coding con un LLM. Pedirá a ChatGPT que escriba su código. Incluye consejos para resolver errores y mejorar el resultado poco a poco.
  • Parte 4: Garantizar la reproducibilidad. Hará que otras personas puedan reproducir su entorno.
  • Parte 5: Publicar junto con el artículo. Ordenará la carpeta, la subirá a Zenodo y GitHub y añadirá el enlace en el apéndice de su artículo.

Las Partes 2 a 5 llevan, en total, de 3 a 5 horas. Puede hacerlas todas en un día o ir de una en una. Cuando esté listo, pase a la Parte 2.

Entonces, a partir de la Parte 2 empezamos a practicar.
Así es. Las Partes 2 a 5 llevan, en total, de tres a cinco horas. Cada cual, a su ritmo.