En programación, el boilerplate code o simplemente boilerplate son esas secciones de código que deben incluirse en muchos lugares con poca o ninguna alteración.
Cuando se utilizan lenguajes que se consideran verbosos, el programador debe escribir mucho código para lograr una mínima funcionalidad. Dicho código se llama boilerplate.
El veterano Tim Peters enunció 20 bellos aforismos que fueron tomados en cuenta para el diseño de Python de los cuales solo 19 han sido escritos.
Haremos una pequeña comparación en la forma en la que puedes usar el ciclo for en cada uno de estos lenguajes de programación.
Esta comparación es con propósitos educativos, si vas comenzando en mundo de la programación es bueno que conozcas los detalles básicos de algunos de los lenguajes de programación más ampliamente usados.
Comenzaremos por Java, la estructura básica de la sentencia for es la siguiente:
//Estructura de la sentencia for básica
for (inicialización; terminación; incremento) {
sentencias
}
Desde luego el bloque de código anterior no compilaría, es sólo una descripción general y en realidad es una estructura que siguen muchos lenguajes cuya sintaxis han heredado del lenguaje de programación C. Un ejemplo real es el siguiente:
public class CicloFor {
public static void main(String args[]){
for (int i = 0; i < 10; i++) {
System.out.println("valor de i: " + i);
}
}
}
Como seguramente has notado, es necesario que dentro de la sentencia for, existan tres sentencias más que establecen lo siguiente:
El ciclo for en Golang es similar al de Java, pero en su sentencia se omiten algunos caracteres:
package main
import "fmt"
func main() {
for i := 0; i < 10; i++ {
fmt.Println("valor de i: ", i)
}
}
En Go no ha sido necesario incluir los paréntesis, ya que sus creadores han decidido omitirlos y basta con saber que las sentencias de inicio, terminación e incremento se encuentran entre la palabra for y el corchete que abre el bloque del ciclo.
Veamos ahora el ciclo for con Python.
for i in range(10):
print("valor de i: ", i)
Python es el campeón a la hora de minimizar la cantidad de código que se requiere escribir.
En Python, se especifica la sentencia for, una variable y el rango en el cual esa variable estará cambiando y automáticamente sabrá cuando detenerse. Como puedes ver no es necesario agregar las sentencias de terminación e incremento. El compilador sabe que el valor de i, irá de 0 a 9 con la ayuda de la función range.
Además de que en Python no es necesario crear un método o función main, tampoco es necesario usar corchetes que abren y cierran. El compilador sabe que el bloque del for que se ejecutará, es el que se encuentre desplazado por dos espacios o un tabulador adicional al que tiene la sentencia for.
El resultado al ejecutar el código en todos los casos es similar al siguiente:
valor de i: 0 valor de i: 1 valor de i: 2 valor de i: 3 valor de i: 4 valor de i: 5 valor de i: 6 valor de i: 7 valor de i: 8 valor de i: 9
En Java existen otras variantes de la sentencia for, en Python algunas otras, y en Go sólo es esa.
Estos ejemplos ilustran los estilos de construcción de cada lenguaje, pero no es lo único que debes considerar a la hora de crear aplicaciones.
Java es un lenguaje interpretado al igual que Python, lleva tiempo en el mercado y está un poco más optimizado que Python, existen para este lenguaje una cantidad inmensa de bibliotecas o librerías que te facilitarán muchos otros aspectos del desarrollo de software, en Python también existen muchas herramientas y sigue creciendo.
Python, por su sencillez, permite hacer prototipos de aplicaciones, algoritmos o ejemplos de código mucho más rápido que en los otros lenguajes.
Golang es el nuevo del grupo, aunque la cantidad de caracteres que requerirás para crear el mismo algoritmo está entre Java y Python, se destaca por ser un lenguaje que al ser compilado genera archivos ejecutables, (Java y Python son interpretados). Su desempeño puede ser mucho más rápido y se está volviendo el favorito en soluciones donde sea necesario optimizar el rendimiento.
Esperamos pronto hacer algunas otras comparativas.
Estas son algunas de las librerías para Java que puedes usar para generar reportes en diversos formatos, agregar gráficas y otros recursos útiles para mostrar datos al usuario final. Algunos proyectos disponen de una versión opensource, edición community y versiones comerciales.
JFreeChart es una biblioteca de gráficos hecha 100% Java que facilita a los desarrolladores mostrar gráficos de calidad profesional en tus aplicaciones. El amplio conjunto de características de JFreeChart incluye:
JasperReport es una de las herramientas para reportes de código abierto más populares y ampliamente utilizadas. Se usa en cientos de miles de entornos de producción y presenta versiones tanto community como comerciales.
BIRT consta de varios componentes. Los componentes principales incluyen un diseñador de reportes y en tiempo de ejecución de BIRT, pero BIRT también proporciona tres componentes adicionales: un motor de gráficos, un diseñador de gráficos y un visor. Con estos componentes, podrías desarrollar y publicar informes como una solución independiente.
Pentaho es una suite empresarial completa, que abarca una amplia gama de casos de uso desde reportes hasta minería de datos. La suite de Pentaho BI abarca varios proyectos de código abierto, de los cuales Pentaho Reporting es uno de ellos. Al igual que las otras herramientas, Pentaho Reporting tiene un amplio conjunto de funciones, listas para su uso en organizaciones empresariales.
SpagoBI es otra suite de inteligencia empresarial completa. Algunas herramientas que incluye son, por ejemplo: reportes, gráficos, cockpits, minería de datos, ETL y mucho más. La empresa que respalda este desarrollo ofrece servicios profesionales como asistencia al usuario, mantenimiento, consultoría y capacitación.
KNIME es una plataforma de análisis de código abierto, con orígenes en la investigación farmacéutica. Su uso se ha expandido a industrias como bancos, editores, fabricantes de automóviles, compañías de telecomunicaciones y otros.
KNIME proporciona una gama de características, que incluyen extensiones de colaboración y un portal web. El aprendizaje automático también está integrado, incluido el soporte de Weka.
ReportServer es otra plataforma de inteligencia empresarial de código abierto, con una edición comercial disponible también. ReportServer permite crear reportes, análisis ad-hoc, informes de Excel y Word y análisis OLAP multidimensionales.
Katherine Louise Bouman es una científica y profesora asistente de ciencias de la computación en el Instituto de Tecnología de California. Hace tres años, Bouman lideró la creación de un algoritmo que eventualmente ayudó a formar esta imagen única en su clase: un agujero negro supermasivo y su sombra en el centro de una galaxia conocida como M87. Ella era entonces una estudiante graduada en ciencias de la computación e inteligencia artificial en el Instituto de Tecnología de Massachusetts.
Puedes ver una interesante charla de Bouman y su propuesta para la detección de agujeros negros en TED de hace tres años.
Años más tarde puedes ver que su investigación es un total éxito.
Ella y su equipo tomaron los «datos escasos y ruidosos» que generaron diversos radiotelescopios alrededor del mundo e intentaron crear una imagen. Durante los últimos años, Bouman dirigió la verificación de imágenes y la selección de parámetros para crearla. Mas de 5 petabytes fueron necesarios para recabar la información de todos los centros de investigación que participaron.
La imagen obtenida, revela la cara sombría de un agujero negro supermasivo de 6.500 millones de masas solares en el centro de Messier 87 (M87), una gran galaxia a unos 55 millones de años luz de la Tierra en el cúmulo de galaxias de Virgo. Tales objetos son la comprobación (una vez más) de la teoría de la relatividad general de Einstein que predice la deformación del espacio-tiempo por objetos súper massivos.
Estas son algunas de las librerías para Python más usadas y que quizá deberías conocer si estás aprendiendo el lenguaje. Son bastante útiles, te facilitarán el desarrollo de aplicaciones avanzadas y podrás usarlas con la confianza de que funcionan y están siendo actualizadas constantemente.
Es según sus creadores Python HTTP para humanos. La librería requests te permitirá hacer peticiones por http de una manera sencilla. Cuando se hace una petición, requests automáticamente decodificará el contenido extraido de un servidor y la mayoría de caracteres unicode serán decodificados correctamente.
En este ejemplo sencillo:
import requests
r = requests.get('https://www.google.com')
print(r.text)
El resultado es el siguiente:
La página de [requests]
Barras de progreso para Python. Las barras de progreso son bastante útiles porque ayudan a hacer que los trabajos de procesamiento de datos sean menos dolorosos entre otras cosas porque mostrarán una estimación confiable de cuánto tiempo tomará y el porque el usuario puede ver de inmediato si una tarea se ha detenido.
En el siguiente ejemplo:
from tqdm import tqdm
from time import sleep
for i in tqdm(range(1000)):
sleep(0.01)
El resultado es el siguiente:
La página de [tqdm]
Una herramienta para manipular imágenes. Es un fork de PIL y es más fácil de usar, bastante útil si trabajas con imágenes frecuentemente.
A continuación un pequeño ejemplo:
from PIL import Image
size = (128, 43)
saved = "/home/decodigo/Documentos/python/archivos/logo_python_2.png"
try:
im = Image.open("/home/decodigo/Documentos/python/archivos/logo_python.png")
except ValueError:
print("Unable to load image")
im.thumbnail(size)
im.save(saved)
im.show()
El resultado será una ventana con la imagen de tamaño diferente. Antes de mostrar la ventana se creará una nueva imagen con el tamaño asignado.
La página de [pillow]
Scrapy es framework que te permitirá rastrear sitios web y extraer datos estructurados que pueden utilizarse para una amplia gama de aplicaciones, como la extracción de datos, el procesamiento de información o el archivo histórico.
import scrapy
class BlogSpider(scrapy.Spider):
name = 'blogspider'
start_urls = ['https://blog.scrapinghub.com']
def parse(self, response):
for title in response.css('.post-header>h2'):
yield {'title': title.css('a ::text').get()}
for next_page in response.css('a.next-posts-link'):
yield response.follow(next_page, self.parse)
Aunque Scrapy fue diseñado originalmente para el rastreo web, también se puede usar para extraer datos con APIs (como los Amazon Associates Web Services) o como un rastreador web de propósito general.
Para entender más como configurar un proyecto es mejor ir a la página del proyecto.
La página de [scrapy].
NumPy es el paquete más usado para computación científica con Python. Contiene, entre otras cosas:
La página de [numpy]
Pandas es una biblioteca de código abierto con licencia BSD que proporciona estructuras de datos de alto rendimiento, fáciles de usar y herramientas de análisis de datos para el lenguaje de programación Python.
Pretende ser un bloque de construcción fundamental para realizar análisis prácticos de datos del mundo real con Python. Pandas es muy extenso y para entender mejor todo lo que puedes hacer es mejor pasar por la página del proyecto.
La página de [pandas]
Scapy permite enviar, rastrear y diseccionar y falsificar paquetes de red. Esta capacidad permite la construcción de herramientas que pueden sondear, escanear o atacar redes.
En otras palabras, Scapy es un poderoso programa interactivo de manipulación de paquetes. Es capaz de forjar o decodificar paquetes de una gran cantidad de protocolos, enviarlos por cable, capturarlos, hacer coincidir solicitudes y respuestas, y mucho más. Scapy puede manejar fácilmente la mayoría de las tareas clásicas como escaneo, rastreo de rutas, sondeo, pruebas unitarias, ataques o descubrimiento de redes. Puede reemplazar hping, arpspoof, arp-sk, arping, p0f e incluso algunas partes de Nmap, tcpdump y tshark)
La página de [scapy]
Matplotlib es una biblioteca de trazado 2D que produce gráficas de buena calidad en una variedad de formatos y entornos interactivos. Podrás generar gráficas, histogramas, espectros de potencia, gráficas de barras, gráficas de errores, diagramas de dispersión, etc., con unas pocas líneas de código.
La página de [Matplotlib]
Kivy es una biblioteca de software de código abierto para el rápido desarrollo de aplicaciones equipadas con interfaces de usuario novedosas, como las aplicaciones multitáctiles. Es proyecto multiplataforma con un módulo para Python 2 y Python 3.
La página de [kivi]
NLTK es una plataforma líder para la creación de programas en Python para trabajar con datos en lenguaje humano. Proporciona interfaces fáciles de usar para más de 50 recursos corporales y léxicos, como WordNet, junto con un conjunto de bibliotecas de procesamiento de texto para clasificación, tokenización, derivación, etiquetado, análisis y razonamiento semántico, wrappers para bibliotecas NLP muy solidas.
La página de [NLTK]
Keras es una API de redes neuronales de alto nivel, escrita en Python y capaz de ejecutarse sobre TensorFlow, CNTK o Theano. Fue desarrollada para permitir a los desarrolladores experimentación rápida. Con al filosofía de «Poder pasar de la idea al resultado con el menor retraso posible es clave para hacer una buena investigación».
La página de [Keras]
SQLAlchemy es el kit de herramientas SQL para Python y un mapeador relacional de objetos que ofrece a los desarrolladores de aplicaciones el máximo poder y flexibilidad de SQL.
Proporciona un conjunto completo de patrones de persistencia conocidos a nivel empresarial, diseñados para el acceso a bases de datos eficientes y de alto rendimiento.
La página de [SQLAlchemy]
Django es un framwork web para Python de alto nivel que fomenta el desarrollo rápido y el diseño limpio y pragmático. Creado por desarrolladores experimentados, se encarga de gran parte de las complicaciones del desarrollo web, por lo que podrás concentrarte en escribir aplicaciones sin necesidad de reinventar la rueda. Es gratis y de código abierto.
La página de [django]
Twisted es un framework de red que se basa en el paradigma de la programación dirigida por eventos, quiere decir que los usuarios de Twisted pueden escribir pequeños callbacks (retrollamadas) predefinidos en el framework para realizar tareas complejas. Está bajo la licencia MIT.
La página de [Twister]
¿Qué pasa si restas?
9999999999999999.0 – 9999999999999998.0 = ?
El resultado depende un poco del lenguaje. En la mayoría de los casos el resultado será 2.
Esta es la pregunta que se hizo Geo Carncross y hace el experimento con varios lenguajes de programación.
Seguramente lo habrás aprendido en la escuela, pero es un aspecto de la programación que suele olvidarse con frecuencia.
La razón tiene que ver más con la forma en la que se almacenan valores decimales en la memoria que con la operación misma. En el caso de Java por ejemplo, un valor de punto flotante de doble precisión como el tipo double es un valor de 64 bits, donde:
1 bit denota el signo (positivo o negativo).
11 bits para el exponente.
52 bits para los dígitos significativos (la parte fraccionaria como un binario) .
Estas partes se combinan para producir un valor decimal double.
De este modo cuando realizas la resta, realmente estás haciendo la operación sobre valores diferentes de los que especificaste durante la edición del código.
package com.decodigo;
/**
*
* @author decodigo.com
*/
public class Prueba {
public static void main(String args[]){
double a = 9999999999999999.0;
double b = 9999999999999998.0;
double resultado = a - b;
System.out.println("a: " + a);
System.out.println("b: " + b);
System.out.println("resultado: " + resultado);
}
}
El resultado en consola será:
a: 1.0E16
b: 9.999999999999998E15
resultado: 2.0
Un número decimal no se representa exactamente en la memoria, aunque en apariencia tengan incluso el mismo número de dígitos mientras estás escribiendo el código. Cuando el copilador convierte los valores de a y b a un número de coma flotante, sus valores se aproximan para ser representados internamente en formato binario y se complementan con el exponente si se excede la capacidad de los dígitos significativos.
Adicionalmente, cuantas más operaciones se realicen con un número de punto flotante, mayor será el número de errores de redondeo.
Es sabido que no debes enfocarte en una sola tecnología o lenguaje de programación. Pero el sentido de este consejo no es sólo que escojas una tecnología que te permita ganar más dinero (que también es una buena idea), sino que además de eso te permita experimentar y hacer cosas diferentes. Por ejemplo, si siempre has estado enfocado a aplicaciones WEB, puedes comenzar a experimentar con el control de motores eléctricos o para obtener datos desde sensores o hardware que no hayas usado anteriormente, o probar también con aplicaciones para móviles, tendrás una perspectiva más amplia de lo que es el desarrollo de software.
Todos tenemos ideas para una aplicación o desarrollo que nos gustaría programar. Sin embargo pocas veces las materializamos. Esto no sólo es malo porque pierdes la oportunidad de llevar a cabo una buena idea, sino que también es posible que nunca sepas si esa idea es mala o que en realidad no sea tan útil, o peor aún, que ya exista algo parecido porque no habías investigado demasiado y te enfoques mejor en otra cosa. Adquiere el hábito de tener al menos un proyecto y ve agregando características poco a poco pero de forma constante.
No sólo se trata de encontrar gente que use otras tecnologías, sino otras formas de hacer negocios y de ganar dinero. Es posible que encuentres oportunidades donde otros no las han visto, tan sólo porque no ha llegado nadie para propornerlas. No te enfoques sólo a entender los problemas de los clientes de la empresa donde trabajes.
Son muchos los desarrolladores que descuidan el aspecto visual de su trabajo y sólo se preocupan porque funcione correctamente. Sin embargo una apariencia visual o usabilidad deficientes, pueden hacer que el usuario tenga una impresión equivocada sobre como funcionan tus desarrollos y llegue a pensar que tiene errores aún cuando esto no sea verdad, recuerda que haces desarrollo para facilitarle la vida a personas que no siempre tienen un conocimiento técnico silimar al tuyo.
Lenguajes como Java o C# no son los más ampliamente usados por su sintaxis o su facilidad de uso, sino por la inmensa variedad de librerías o herramientas que existen y que puedes usar libremente, con la seguridad de que van a funcionar correctamente. No gastes tu tiempo tratndo de hacer algo que ya existe si no lo vas a superar.
Es universal. Ocurre en todas las profesiones. A nadie le gusta que le digan como hacer cosas que uno supone hace bien. Pero compartir ideas y tomar en cuenta las recomendaciones de otros es casi tan útil como Google para aprender cosas nuevas. Además mejoras tu ambiente laboral.
No es que tengas que desarrollar librerías nuevas, se trata más bien de esos ejemplos, como conectarte a bases de datos, nombres de drivers, herramientas, comandos, funciones o técnicas de desarrollo que quizá aplicarás en tus proyectos más de una vez. En cualquier momento puedes usar el buscador y encontrar prácticamente todo lo que necesites, pero tener cosas ya probadas previamente por tí, es muy útil.
Esto debes hacerlo por puro amor propio y no sólo es descansar, ejercítate. Algunos problemas de espalda y ojos derivados de pasar horas sentados frente a la computadora pueden agravarse y son difíciles de tratar. Cuida tu cuerpo.
El empleado de Google Jason Mayes, ingeniero creativo senior, ha publicado unas de las mejores presentaciones sobre Machine Learning. El trabajo es el resultado de dos años de experiencia, es gratuito y se puede descargar o visualizar en línea. Los únicos requisitos según su creador son los siguientes:
El único inconveniente, está en inglés, pero es más o menos fácil de entender.
El enlace directo: https://docs.google.com/presentation/
La gran novedad en uno de los eventos más importantes de Google, la 2018 I/O Developer Conference es Google Duplex, el asistente que hará las reservaciones por ti.
Durante la presentación, el asistente realiza dos reservaciones con establecimientos reales. El asistente, la «persona no real» interactúa con una «persona real», que parece no percatarse nunca que está conversando con una inteligencia artificial.
Una de las cosas más sorprendentes es la velocidad de respuesta y la entonación bastante natural del asistente. Es un poco gracioso el momento en que el asistente usa la expresión «Mm hmm», que no es que sea particularmente difícil de «decir», sino que ha escogido el momento preciso y hace la conversación más familiar, cosa que no ocurre regularmente con otras IAs.
Otro aspecto interesante (en la reservación al restaurante), es que aunque parece haber una confusión entre el número de personas que asistirán y la fecha en que debe realizarse la reservación, el dialogo y el arreglo terminan más o menos bien, lo cual no es cualquier cosa para una IA.
Google ha dicho que la función se lanzará como un experimento en las próximas semanas.