Anaconda Python que es?

En primer lugar, Anaconda es un sistema de gestión de plugins, que son pequeños programas complementarios que amplían las funciones de aplicaciones web y programas de escritorio, y entornos además es compatible con Windows, Mac y Linux. Sin embargo, cabe destacar que se creó para Python, pero actualmente es compatible con cualquier lenguaje.

Además, es importante mencionar que Anaconda es de código abierto, bajo la licencia BSD (Berkeley Software Distribution, Licencia de Software), y fue desarrollado por Continuum Analytics, una plataforma de análisis de código abierto impulsada por Python.”

Primeramente, el origen del lenguaje Python se remonta a los años 90. En aquel entonces, el investigador holandés Guido van Rossum trabajaba en un centro de investigación en Ámsterdam. Por lo tanto, fue asignado a un proyecto que consistía en un sistema operativo llamado Amoeba. Sin embargo, este periodo, el centro de investigación utilizaba un lenguaje de programación llamado ABC, que era un lenguaje imperativo de propósito general y un entorno de programación desarrollado en el Centrum Wiskunde & Informática de Países Bajos.

El investigador en lugar de emplear este lenguaje en el proyecto iba a crear uno nuevo para superar las limitaciones y problemas con los que se había encontrado al trabajar con otros proyectos de ABC

Version 1.0 de Pyton

Después de 1994, se toma la decisión de publicar la versión 1.0, inicialmente, el CWI (Centrum Wiskunde & Informática, la escuela de Guido) libera el intérprete del lenguaje bajo una licencia Open Source propia. Luego en septiembre del 2000, con la publicación de la versión 1.6, se toma la decisión de cambiar la licencia por una compatible con la licencia GPL (General Public License).

¿Que lenguaje utiliza Anaconda?

En primer lugar, Anaconda utiliza una distribución libre, abierta y gratuita para realizar la ciencia de datos y aprendizaje automático con Python y R. Además, Anaconda emplea Conda, una distribución sencilla de instalar que incluye una multitud de paquetes.

Python, un lenguaje de programación ampliamente utilizado en aplicaciones web, desarrollo de software, ciencia de datos y machine learning (ML), es preferido por los desarrolladores por su eficiencia y facilidad de aprendizaje. Además, se destaca por su capacidad para ejecutarse en diversas plataformas. El software de Python, en primer lugar, es descargable de forma gratuita, se integra fácilmente en todos los tipos de sistemas, lo que contribuye a acelerar el desarrollo.

En cuanto a Conda, es un sistema de gestión de entornos y paquetes de código abierto que funciona en Windows, macOS y Linux. Conda facilita la instalación, ejecución y actualización rápida de paquetes y sus dependencias. También permite la creación, guardado, carga y cambio fácil entre entornos en el equipo local. Aunque fue inicialmente creado para programas de Python, Conda tiene la versatilidad de empaquetar y distribuir software para cualquier lenguaje.

Anaconda y su administrador de aplicaciones

Inicialmente Anaconda Navigator es una interfaz gráfica de usuario (GUI) de escritorio incluida en la distribución Anaconda que permite iniciar aplicaciones o administrar fácilmente paquetes, entornos asimismo canales conda sin usar comandos. Por lo tanto, Navigator puede buscar paquetes en Anaconda.org o en un repositorio local de Anaconda. Está disponible para Windows, macOS y también para Linux. Además, que cumple con una amplia red de paquetes que le da una mejor y optima ejecución de códigos al programador.

Navigator es una forma fácil de trabajar con paquetes y entornos sin necesidad de escribir comandos en un terminal. También puede usarse para encontrar los paquetes que desee, instalarlos en un entorno, ejecutar los paquetes y actualizarlos, ya que todo está dentro del Anaconda Navigator

Lista de aplicaciones que puedes hacer con el Navigator de Anaconda para Python.

LISTA ACTUALIZADA 2024

Las siguientes aplicaciones están disponibles de forma predeterminada en Navigator:

CINCO MEJORES APLICACIONES DE NAVIGATOR ANACONDA

• JupyterLab: JupyterLab es una interfaz de usuario basada en web para Proyecto Jupyter y está totalmente integrado en Adobe Experience Platform. Proporciona un entorno de desarrollo interactivo por lo tanto que los científicos de datos trabajen con Jupyter Notebooks, código y datos.

• Cuaderno Jupyter : Cuaderno de Jupyter es una aplicación web de código abierto de Python que puede utilizar para crear y compartir documentos ya que contienen código activo, ecuaciones, visualizaciones y texto narrativo.

• Spyder: Es un entorno de desarrollo integrado (IDE) multiplataforma de código abierto además para programación científica en el lenguaje Python inicialmente creado y desarrollado por Pierre Raybaut en 2009, desde 2012 Spyder sin embargo ha sido mantenido y mejorado continuamente por un equipo de desarrolladores científicos de Python y la comunidad

• IBM Watson: Es un sistema basado en inteligencia artificial capaz de responder a preguntas formuladas en lenguaje natural, desarrollado por la empresa estadounidense IBM.

• Datalore: Esta herramienta no solo proporciona acceso en línea para usuarios individuales, sino que también ofrece la opción de implementación local para empresas. Además, cuenta con la colaboración eficiente entre equipos al mejorar la productividad y la entrega de información de manera oportuna. Ya que su interfaz fácil e intuitiva garantiza una experiencia de uso agradable para los usuarios. Que concluye con un aspecto a destacar es que esta plataforma es de uso gratuito para particulares y equipos más pequeños, lo que la convierte en una opción atractiva y accesible para diversos usuarios y grupos de trabajo

APLICACIONES CON LAS QUE PUEDES PROGRAMAR

• Qt console: La consola Qt es una aplicación muy liviana que se siente como una terminal, pero ofrece mejoras posibles en una GUI, como figuras en línea, edición multilínea adecuada con resaltado de sintaxis, sugerencias de llamadas gráficas y mucho más.

• PyCharm: es un entorno de desarrollo integrado (IDE) utilizado en programación informática, específicamente para el lenguaje de programación Python. Proporciona inicialmente el análisis de códigos, un depurador gráfico, un probador de unidades integrado y además un análisis de código, un depurador gráfico, un probador de unidades integrado y más.

• Glueviz : Es un paquete interactivo de visualización de datos de vista asimismo para explorar relaciones dentro y entre conjuntos de datos relacionados, los usuarios pueden crear diagramas de dispersión, histogramas, tablas e imágenes (2D y 3D) de sus datos.

• Orange 3: Primeramente, es un conjunto de herramientas de visualización de datos, aprendizaje automático y minería de datos de código abierto. Ya que Cuenta con una interfaz de programación visual para análisis exploratorio de datos cualitativos y visualización interactiva de datos incluyen componentes principales en C++ con contenedores en Python 

• RStudio: Es un entorno de desarrollo integrado (IDE) para el lenguaje de programación R, dedicado a la computación estadística y gráficos. Incluye una consola, editor de sintaxis que apoya la ejecución de código, así como herramientas para el trazado, la depuración y la gestión del espacio de trabajo.  Está disponible para Windows, Mac y tambien en Linux o para navegadores conectados a RStudio Server o RStudio Server Pro (Debian / Ubuntu, RedHat / CentOS, y SUSE Linux)

Algunas ventajas Para Usar Anaconda Python

Anaconda Python es una gran optima solución de ciencia de datos , como vimos anteriormente ; ahora veamos cuáles son sus ventajas que resaltan con otros sistemas de análisis de datos y programación.

• Libre, de código abierto, cuenta con una documentación bastante detallada, así como una gran comunidad dentro de la Web

• Inicialmente se instala y administra paquetes, dependencias y entornos para la Ciencias de Datos con Python de forma sencilla. 

• Por su interfaz contiene muchas aplicaciones relacionadas con el aprendizaje de máquina y los modelos. 

• Permite compartir proyectos con otros asimismo ejecutar proyectos en diferentes plataformas.

• Puede gestionar de manera avanzada paquetes relacionados a la Ciencia de Datos y también estudio de estas.

• Ayuda a desarrollar proyectos de Ciencia de datos utilizando diversos entornos de desarrollo como Jupyter, JupyterLab, Spyder y RStudio

• incluye una Multiplataforma

• Además, facilita la escritura de algoritmos complejos.

• Para terminar, permite compilar Python para una ejecución rápida.

Conda (Gestor de paquetes)

Inicialmente trata de un paquete interactivo de visualización de datos con vista vinculada, diseñado para explorar relaciones dentro y entre conjuntos de datos relacionados. Sin embargo, cuenta con esta herramienta, los usuarios pueden crear fácilmente diagramas de dispersión, histogramas, tablas e imágenes (2D y 3D) de sus datos. Además, esta plataforma proporciona una experiencia visual completa e interactiva, lo que facilita la comprensión de patrones y tendencias en los datos

¿Cómo debo descargar Anaconda Python?

Ya hicimos énfasis en cómo era y está compuesto este sistema informático en características generales, ahora vamos a realizar la descarga y posterior la ejecución de esta.

PRIMER PASO

Lo primero es descargar Anaconda, hacer clic aquí.

Una vez abierto el archivo ejecutable que has descargado, tendrás que pulsar Next unas diez veces, y todo el entorno de Anaconda se instalará en tu ordenador.

Esta operación puede tardar unos treinta minutos, o incluso varias horas. Ten paciencia, al final de este paso, habrás descargado Jupyter, pero también PyCharm, Spyder o Rstudio, así como varios cientos de paquetes listos para utilizar en tus Notebooks.

Una vez completada la instalación, llegarás a la página principal de la aplicación Anaconda Navigator, que tendrá el siguiente aspecto:

Haciendo clic en la pestaña Environments del menú de la izquierda, obtendrás una lista de todos los paquetes instalados en tu entorno para Python y R, así como los que no están instalados y que puedes añadir con unos pocos clics.

SEGUNDO PASO

¿Cómo crear un entorno virtual?

Por ejemplo, los programas de Python requieren una versión específica de un paquete, porque un programa se ejecutó en una versión anterior de uno actualizado desde entonces, porque utiliza otros paquetes compatibles con la versión más reciente del paquete o porque se ha corregido un error. 

¿Qué significa esto? 

Esto significa que no siempre es posible que una única instalación de Python y los paquetes que necesitas funcionen en tus diferentes proyectos con el tiempo. Es más, si uno de tus proyectos depende de la versión 1.3 de un paquete y una aplicación B depende de la versión 2.0, estas dependencias entran en conflicto e instalar la versión 1.3 o 2.0 no permitirá que uno de los dos programas funcione.

La solución es crear un entorno virtual, un entorno que contenga una determinada versión de Python/R y diferentes paquetes.

Por lo tanto, nada más sencillo: en la pestaña Environments, basta con crear un nuevo entorno virtual haciendo clic en Create. A continuación, instala o actualiza los paquetes que necesites, gracias al menú de la izquierda.

Para comenzar a programar en Python, simplemente vaya a la página de inicio de la aplicación y haga clic en el botón Inicio en la ventana de Jupyter Notebook:

Para programar en R, debes seguir unos sencillos pasos antes de comenzar:

Inicialmente en la pestaña Entornos, cree un nuevo entorno virtual haciendo clic en Crear. Luego, asigne un nombre a su entorno y marque las casillas “Python” y “R”.

Para continuar abra el entorno del paquete R haciendo clic en el botón “Abrir con Jupyter Notebook”.

Finalmente, para crear un nuevo cuaderno en R, en el menú Jupyter Notebook, seleccione Nuevo y luego R.

Para una mejor eficiencia a la hora de descarga y configurar Anaconda ; a continuación un video explicando mejor los pasos a seguir

Créditos

• Autor: Alejandro Villamizar Zabaleta
• Editor: Carlos Iván Pinzón Romero
• Código: UCPAG3-1
• Universidad: Universidad Central

Bibliografía Del texto

CITAS

Anaconda Python y Conda. (4 de octubre del 2020). El Pythonista. https://elpythonista.com/anaconda

Entorno Python: Instalación de Anaconda para arrancar bien. (19 de diciembre del 2022). Formación en ciencia de datos | Datascientest.com; DataScientest. https://datascientest.com/es/instalacion-de-anaconda

Free download.  (8 de diciembre del 2022). Anaconda. https://www.anaconda.com/download

Introducción a Anaconda. (2023, marzo 28) CORE Code School · Code Academy. https://www.corecode.school/blog/configuracion-conda-para-python

Mira, A. R. ( 21 de junio del 2021). Ciencia de datos: distribución con Anaconda Python. Tokio School. https://www.tokioschool.com/noticias/ciencia-datos-anaconda-python/

Morales, A. (11 de octubre del 2022). Cómo instalar Anaconda y jupyter notebook para ciencia de datos y GIS. MappingGIS. https://mappinggis.com/2022/10/como-instalar-anaconda-y-jupyter-notebook-para-ciencia-de-datos-y-gis/

Python vs. R para el análisis de datos: ¿Qué debo aprender? (2023, enero 30). Consultado el 14 de febrero del 2024. Coursera. https://www.coursera.org/mx/articles/python-or-r-for-data-analysis

Rondón, I. (4 de febrero del 2022). ¿Qué es Anaconda? International Business School. https://eiposgrados.com/blog-python/que-es-anaconda/

The qt console for jupyter — jupyter qt console 5.4.3 documentation. (5 de mayo del 2023). Readthedocs.Io. Recuperado el 14 de febrero de 2024, de https://qtconsole.readthedocs.io/en/stable/

Universitat Politècnica de València-UPV [UPV]. (2 de marzo del 2022). Instalación y configuración básica de Anaconda para Python | 1/23 | UPV.[Archivo de Video]. Youtube. https://www.youtube.com/watch?v=IFqoyK3S

ABC (lenguaje de Programación). (18 de septiembre del 2019). Wikipedia, La enciclopedia libre. Fecha de consulta:  25 de Febrero del 2024, desde https://es.wikipedia.org/w/index.php?title=ABC_(lenguaje_de_programaci%C3%B3n)&oldid=119484494

 Licencia BSD. (22 de enero del 2024). Wikipedia, La enciclopedia libre. Fecha de consulta: 25 de febrero del 2024, desde https://es.wikipedia.org/w/index.php?title=Licencia_BSD&oldid=157475814

PyCharm. (15 de diciembre del 2023). Wikipedia, La enciclopedia libre. Fecha de consulta: 6 de febrero del 2024, desde https://es.wikipedia.org/w/index.php?title=PyCharm&oldid=156047228

RStudio. (24 de febrero del 2023). Wikipedia, La enciclopedia libre. Fecha de consulta:  24 dee febrero del 2024, desde https://es.wikipedia.org/w/index.php?title=RStudio&oldid=149496820

Watson (inteligencia artificial). (31 de enero del 2024). Wikipedia, La enciclopedia libre. Fecha de consulta: 26 de febrero del 2024 desde https://es.wikipedia.org/w/index.php?title=Watson_(inteligencia_artificial)&oldid=157883160

Wikipedia contributors. (29 de septiembre del 2023). Spyder (software). Wikipedia, The Free Encyclopedia. https://en.wikipedia.org/w/index.php?title=Spyder_(software)&oldid=1177717344

Wikipedia contributors. (6 de enero del 2024). Orange (software). Wikipedia, The Free Encyclopedia. https://en.wikipedia.org/w/index.php?title=Orange_(software)&oldid=1193983524

Wikipedia contributors. (17 de enero del 2024). glue (software). Wikipedia, The Free Encyclopedia. https://en.wikipedia.org/w/index.php?title=Glue_(software)&oldid=1196587557

Archivos Recuperados

Herramientas de JetBrains para ciencia de datos y big data. (s/f). JetBrains. Recuperado el 14 de febrero de 2024, de https://www.jetbrains.com/es-es/data-tools/

CONTINUUM ANALYTICS BRINGS ANACONDA INSIDE HADOOP. (S/f-a). Predictiveanalyticstoday.com. Recuperado el 14 de febrero de 2024, de https://www.predictiveanalyticstoday.com/continuum-analytics-brings-anaconda-inside-hadoop/

¿Qué es Python? (S/f-b). Amazon.com. Recuperado el 14 de febrero de 2024, de https://aws.amazon.com/es/what-is/python/

Cuaderno de Jupyter en Amazon EMR (S/f-c). Amazon.com. Recuperado el 14 de febrero de 2024, de https://docs.aws.amazon.com/es_es/emr/latest/ReleaseGuide/emr-jupyter.html

nav-tabs1.png (S/f-d). Datascientest.com.[Imagen]. Recuperado el 14 de febrero de 2024, de https://docs.anaconda.com/_images/nav-tabs1.png

Capture-décran-2020-06-08-à-15.25.26 (6 de agosto del 2020). [Imagen]. Datascientest.com. Recuperado el 14 de febrero de 2024, de https://datascientest.com/es/wp-content/uploads/sites/7/2022/12/Capture-de%CC%81cran-2020-06-08-a%CC%80-15.25.26.webp

Capture-décran-2020-06-08-à-15.26.56 (6 de agosto del 2020). [Imagen]. Datascientest.com. Recuperado el 14 de febrero de 2024, de https://datascientest.com/es/wp-content/uploads/sites/7/2022/12/Capture-de%CC%81cran-2020-06-08-a%CC%80-15.26.37.webp

Capture-décran-2020-06-08-à-15.26.37 (6 de agosto del 2020). [Imagen]. Datascientest.com. Recuperado el 14 de febrero de 2024, de https://datascientest.com/es/wp-content/uploads/sites/7/2022/12/Capture-de%CC%81cran-2020-06-08-a%CC%80-15.26.56.webp

Capture-décran-2020-06-08-à-15.28.03 (6 de agosto del 2020). [Imagen]. Datascientest.com. Recuperado el 14 de febrero de 2024, de https://datascientest.com/es/wp-content/uploads/sites/7/2022/12/Capture-de%CC%81cran-2020-06-08-a%CC%80-15.28.03.webp

Capture-décran-2020-06-08-à-15.28.36 (6 de agosto del 2020). [Imagen]. Datascientest.com. Recuperado el 14 de febrero de 2024, de https://datascientest.com/es/wp-content/uploads/sites/7/2022/12/Capture-de%CC%81cran-2020-06-08-a%CC%80-15.28.36.webp

Capture-décran-2020-06-08-à-15.28.53 (6 de agosto del 2020). [Imagen]. Datascientest.com. Recuperado el 14 de febrero de 2024, de https://datascientest.com/es/wp-content/uploads/sites/7/2022/12/Capture-de%CC%81cran-2020-06-08-a%CC%80-15.28.53.webp

Capture-décran-2020-06-08-à-15.29.02 (6 de agosto del 2020). [Imagen]. Datascientest.com. Recuperado el 14 de febrero de 2024, de https://datascientest.com/es/wp-content/uploads/sites/7/2022/12/Capture-de%CC%81cran-2020-06-08-a%CC%80-15.29.02.webp