Python: el lenguaje que se lee como una receta
Si alguien te dice que Python parece pseudocódigo, no está exagerando. Su sintaxis pide indentación obligatoria y nombres claros, así que un script de Python bien escrito casi puede leerlo alguien que nunca haya programado.
Esta guía explica por qué Python se ha convertido en el lenguaje favorito de científicos, ingenieros y startups en todo el mundo hispanohablante, desde el INTA hasta Mercado Libre.
Por qué Python está en todas partes
Python nació en 1991 de la mano de Guido van Rossum y siempre ha priorizado la legibilidad. Lo que disparó su adopción fue el auge de la ciencia de datos y la inteligencia artificial a partir de 2012. Librerías como NumPy, pandas, scikit-learn y más adelante PyTorch y TensorFlow convirtieron a Python en el estándar de facto del aprendizaje automático.
Pero Python no es solo IA. Se usa para automatizar tareas en oficinas, analizar datos en Excel a gran escala, construir backends web con Django o FastAPI, y administrar servidores Linux. En la AEMET, por ejemplo, los modelos meteorológicos se procesan en parte con Python.
Lo primero que debes instalar
En macOS y Linux ya viene una versión, pero conviene instalar una propia con pyenv o desde python.org. En Windows, descarga el instalador oficial y marca la casilla "Add Python to PATH". A continuación instala un editor: VS Code con la extensión oficial de Python es la combinación más sencilla.
Crea siempre un entorno virtual por proyecto. Con python -m venv .venv aíslas las dependencias y evitas que dos proyectos se peleen por versiones distintas de la misma librería. Activarlo es source .venv/bin/activate en Linux/macOS y .venv\Scripts\activate en Windows.
Lo esencial de la sintaxis
Las variables no se declaran con palabras especiales: nombre = "Lucía" basta. Los bloques no usan llaves sino indentación, normalmente cuatro espacios. Una función se define con def y se llama con paréntesis. Una lista se escribe con corchetes, un diccionario con llaves.
El operador in es de los más cómodos: if "manzana" in fruta_favorita comprueba pertenencia. La comprensión de listas, como [x*2 for x in numeros if x > 0], hace en una línea lo que en otros lenguajes pide cinco. Una vez se pilla, cuesta volver atrás.
Dos casos reales para que te hagas idea
Caso uno: una asesoría fiscal en Valencia recibe cada mes 300 facturas en PDF. Con pdfplumber y un poco de pandas, un script de 80 líneas extrae los importes, los clasifica por IVA y genera un Excel listo para el modelo 303. Tiempo manual antes: tres días. Después: ocho minutos.
Caso dos: una tienda online en Bogotá quiere predecir cuándo se le va a agotar el stock. Con scikit-learn ajusta una regresión sobre el histórico de ventas de los últimos dos años y obtiene una alerta con una semana de antelación. El modelo cabe en 150 líneas de código y se entrena en menos de un minuto.
Errores típicos al empezar
Mezclar tabuladores y espacios para indentar provoca errores difíciles de ver. Configura el editor para que use cuatro espacios siempre. Otro clásico es modificar una lista mientras se itera sobre ella: si necesitas filtrar, crea una nueva lista con comprensión.
También conviene aprender pronto el manejo de excepciones con try/except. No lo uses para esconder errores: úsalo para reaccionar de forma controlada cuando un fichero falta o una API tarda demasiado. Y siempre cierra ficheros con with open(...) as f para que se cierren solos al salir del bloque.
Herramientas relacionadas
Preguntas frecuentes
- ¿Cuál es la diferencia entre Python 2 y Python 3?
- Python 2 dejó de recibir soporte en 2020. Usa siempre Python 3 (a día de hoy, versión 3.12 o superior). La diferencia más visible es que print pasó de ser una sentencia a una función: print("hola") en lugar de print "hola".
- ¿Es Python lento?
- Para procesos puramente en Python, sí, comparado con C o Rust. Pero las librerías de cálculo intensivo (NumPy, pandas, PyTorch) están escritas en C y muy optimizadas, así que para datos y machine learning la velocidad real es excelente. Para latencia muy baja se prefiere Go o Rust.
- ¿Sirve Python para hacer webs?
- Sí. Django es ideal para proyectos grandes que necesitan administración rápida (intranets, ecommerce, CMS). FastAPI brilla para APIs modernas con documentación automática y validación con type hints. Flask sigue siendo una opción minimalista cuando solo necesitas dos rutas.
- ¿Qué libros o recursos recomendáis?
- Para principiantes, "Automatízalo con Python" (gratuito en español en automatetheboringstuff.com) cubre tareas reales de oficina. Para datos, la documentación oficial de pandas y el curso DataCamp tienen versión en español. Real Python es excelente pero está en inglés.
- ¿Necesito saber matemáticas para usar Python?
- Para scripts de automatización o webs, no más que una calculadora. Para ciencia de datos básica, álgebra de instituto basta. Para machine learning avanzado conviene refrescar álgebra lineal y estadística, pero puedes empezar a usar modelos pre-entrenados sin tocar las matemáticas.