INTRODUCCIÓN A LA PROGRAMACIÓN EN PYTHON EN AGROBIOTECNOLOGÍA

Estudiantes de grado o Máster con conocimientos básicos de Agronomía, Medio Ambiente, Tecnología de Alimentos, Forestal y Biotecnología.

1. Introducción a Python
• Visión general de Python
• Configuración del entorno Python (por ejemplo, Anaconda, Jupyter Notebooks)
2. Conceptos básicos de Python
• Variables y tipos de datos
• Entradas y salidas básicas
• Operadores y expresiones
3. Flujo de control
• Sentencias condicionales (if, elif, else)
• Bucles (for, while)
4. Funciones
• Definición de la función y parámetros
• Valores de retorno
5. Funciones avanzadas
• Lambda
• zip
• mapa
7. Comprensión de listas
• Crear y utilizar comprensiones de listas
• Expresiones del generador
8. Diccionarios y conjuntos
• Creación y manipulación de diccionarios
• Trabajar con conjuntos
Matplotlib (4 horas)
1. Introducción a Matplotlib
• Visión general de Matplotlib
• Tipos básicos de parcelas
2. Parcelas lineales
• Creación de gráficos lineales sencillos
• Personalización de gráficos lineales
3. Gráficos de dispersión
• Creación de gráficos de dispersión
• Personalización de gráficos de dispersión
4. Parcelas de bar
• Creación de gráficos de barras
• Gráficos de barras agrupadas y apiladas
5. Histogramas
• Creación de histogramas
• Personalización de histogramas
6. Subtramas
• Creación de subtramas
• Personalización de las subparcelas
7. Trazado avanzado
• Anotaciones y texto
• Guardar y exportar parcelas
Numpy (4 horas)
1. Introducción a Numpy
• Fundamentos de las matrices NumPy
• Indexación y segmentación de matrices
2. Operaciones de matriz
• Operaciones con elementos
• Difusión de matrices
3. Funciones Numpy
• Funciones matemáticas
• Funciones estadísticas
• Muestreo aleatorio
5. Álgebra lineal con Numpy
• Operaciones matriciales
• Resolución de ecuaciones lineales
Pandas (6 horas)
1. Introducción a los pandas
• Series y DataFrames
• Lectura y escritura de datos con Pandas
2. Manipulación de datos con Pandas
• Seleccionar y filtrar datos
• Tratamiento de los datos que faltan
3. Limpieza y preparación de datos
• Eliminar duplicados
• Tratamiento de valores atípicos
• Fusión y unión de DataFrames
4. Estadística descriptiva
• Operaciones GroupBy
• Funciones de agregación
• Tablas dinámicas
5. Datos Características Ingeniería
• Conceptos básicos
• Variables categóricas
• Variables ficticias
6. Visualización de datos con Pandas
• Trazar con Pandas
7. Miniproyecto de datos Agroalimentarios, de Medio Ambiente y Biotecnologícos
• Aplicación de los conceptos aprendidos a un conjunto de datos del mundo real
• Presentación de resultados y conclusiones