reticulateFecha: 26 de octubre, 2026
Python es un lenguaje de programación de alto nivel, interpretado, de propósito general y con una sintaxis clara y legible.
Fue creado por Guido van Rossum y publicado por primera vez en 1991.
Actualmente, Python es uno de los lenguajes más utilizados en el mundo debido a su versatilidad y facilidad de lectura.
En 1989, el programador neerlandés Guido van Rossum comenzó a desarrollar un nuevo lenguaje de programación mientras trabajaba en el centro de investigación CWI, en los Países Bajos.
Guido era admirador del grupo humorístico británico Monty Python’s Flying Circus, por lo que decidió llamar Python a su nuevo lenguaje.
Su intención era elegir un nombre que fuera corto, fácil de recordar y un poco divertido.
¿Por qué utilizar Python?
Permite desarrollar programas que realizan tareas de manera automática, procesan información, resuelven problemas y construyen aplicaciones.
Un lenguaje interpretado es un lenguaje de programación cuyo código se ejecuta mediante un programa llamado intérprete, que se encarga de leer las instrucciones y ejecutarlas sin necesidad de generar previamente un archivo ejecutable independiente.
Python es un ejemplo de lenguaje interpretado.
| Lenguaje interpretado | Lenguaje compilado |
|---|---|
| Utiliza un intérprete para ejecutar el programa. | Generalmente utiliza un compilador para generar código ejecutable. |
| Normalmente no requiere generar un ejecutable independiente. | Habitualmente necesita una etapa de compilación previa. |
| Ejemplo: Python. | Ejemplo: C. |
reticulate?reticulate es un paquete de R que permite ejecutar código de Python directamente desde R, facilitando la integración de ambos lenguajes de programación en un mismo proyecto.
Con reticulate podemos aprovechar las herramientas de R y Python sin necesidad de cambiar constantemente entre programas.
reticulate?Entre sus principales aplicaciones se encuentran:
Una de las funciones más importantes es repl_python(), que permite acceder a una consola interactiva de Python sin salir de RStudio.
Paso 1. Abrir la consola de Python desde R:
library(reticulate)Warning: package 'reticulate' was built under R version 4.6.1repl_python()Python 3.12.13 (/Users/ecoss/.venvs/quarto-python/bin/python)
Reticulate 1.47.0 REPL -- A Python interpreter in R.
Enter 'exit' or 'quit' to exit the REPL and return to R.exitO también podemos usar:
reticulate::repl_python()Python 3.12.13 (/Users/ecoss/.venvs/quarto-python/bin/python)
Reticulate 1.47.0 REPL -- A Python interpreter in R.
Enter 'exit' or 'quit' to exit the REPL and return to R.exitEl indicador de la consola cambiará de > (R) a >>> (Python). Para salir usa exit o quit.
Paso 2. Escribir instrucciones de Python:
print("Hello world")Hello worldPaso 3. Regresar a R:
exitUse exit() or Ctrl-D (i.e. EOF) to exitEsto cierra la consola interactiva de Python y permite continuar trabajando con R.
También podemos ejecutar código de Python directamente desde un script de R utilizando py_run_string().
library(reticulate)
py_run_string("print('Hola desde Python')")Hola desde PythonPara ejecutar varias instrucciones:
py_run_string("
a = 10
b = 20
suma = a + b
print('La suma es:', suma)
")La suma es: 30Una característica importante de reticulate es que podemos utilizar variables creadas en Python desde R y viceversa.
Ejemplo 1. Crear una variable en Python y utilizarla en R.
library(reticulate)
py_run_string("resultado = 5 * 8")
py$resultado[1] 40Ejemplo 2. Crear una variable en R y utilizarla en Python.
numeros <- c(10, 20, 30, 40)
py$numeros <- numeros
py_run_string("print(sum(numeros))")100.0Podemos utilizar bibliotecas como NumPy, pandas o scikit-learn.
En versiones recientes de reticulate, se recomienda declarar las dependencias con py_require(), que puede gestionar automáticamente un entorno de Python compatible.
library(reticulate)
py_require("numpy")
np <- import("numpy")
numeros <- np$array(c(10, 20, 30, 40))
np$mean(numeros)[1] 25Este ejemplo utiliza NumPy, una biblioteca de Python especializada en operaciones numéricas.
reticulate| Función | Descripción |
|---|---|
py_config() |
Muestra la configuración de Python. |
repl_python() |
Abre una consola interactiva de Python. |
py_run_string() |
Ejecuta instrucciones de Python desde R. |
py_run_file() |
Ejecuta un archivo .py. |
import() |
Importa bibliotecas de Python. |
py_require() |
Declara las dependencias de Python. |
py$variable |
Accede a variables de Python desde R. |
r_to_py() |
Convierte objetos de R a Python. |
py_to_r() |
Convierte objetos de Python a R. |
Podemos instalar bibliotecas de Python directamente desde RStudio utilizando el paquete reticulate, sin necesidad de abrir otra aplicación.
py_require() (recomendado)En versiones recientes de reticulate, la función py_require() permite declarar las bibliotecas de Python que necesitamos y gestionar automáticamente sus dependencias.
Paso 1. Declarar las bibliotecas de Python:
library(reticulate)
py_require("numpy")
py_require("pandas")
py_require("matplotlib")
py_require("sympy")También podemos declararlas juntas:
py_require(c("numpy", "pandas", "matplotlib", "sympy"))py_require() no necesariamente instala los paquetes en el momento de llamarla; declara las dependencias y permite que reticulate las resuelva al inicializar Python.
Paso 2. Importar una biblioteca y utilizarla:
Opción A:
np <- import("numpy")
numeros <- np$array(c(10, 20, 30, 40))
np$mean(numeros)[1] 25Opción B:
repl_python()Python 3.12.13 (/Users/ecoss/.venvs/quarto-python/bin/python)
Reticulate 1.47.0 REPL -- A Python interpreter in R.
Enter 'exit' or 'quit' to exit the REPL and return to R.exitimport numpy as np
numeros = np.array([10, 20, 30, 40])
np.mean(numeros)np.float64(25.0)Una vez dentro de Python, observarás que el indicador de la consola cambia de > a >>>.
Desde R con reticulate |
Desde repl_python() |
|---|---|
np <- import("numpy") |
import numpy as np |
numeros <- np$array(c(10, 20, 30, 40)) |
numeros = np.array([10, 20, 30, 40]) |
np$mean(numeros) |
np.mean(numeros) |
Observa las diferencias:
<- para asignar valores; en Python utilizamos =.$ para acceder a funciones de un objeto; en Python utilizamos ..c() para crear un vector; en Python podemos utilizar [] para crear una lista.En Python, un objeto es una entidad que contiene información (datos) y tiene un tipo que determina las operaciones que podemos realizar con él.
Una característica fundamental de Python es que todo es un objeto, incluyendo números, cadenas de texto, listas, funciones y clases.
Cada objeto tiene tres características principales:
Una variable es un nombre que hace referencia a un objeto almacenado en memoria.
A diferencia de otros lenguajes, en Python no necesitamos declarar previamente el tipo de una variable.
Podemos cambiar el objeto al que hace referencia una variable:
numero = 10
numero = "Diez"En este caso, numero primero hace referencia a un objeto entero y después a una cadena de texto.
Esto es posible porque Python utiliza tipado dinámico.
Python dispone de diferentes tipos de datos integrados.
| Tipo | Descripción | Nombre en Python | Ejemplo | Colección | Indexable | Mutable |
|---|---|---|---|---|---|---|
| Entero | Números enteros | int |
5, -10, 100 |
No | No | No |
| Decimal | Números de punto flotante | float |
3.14, -0.001, 2.0 |
No | No | No |
| Complejo | Números complejos con parte real e imaginaria | complex |
3+4j, 2-5j, 1j |
No | No | No |
| Cadena de texto | Cadena de caracteres | str |
‘Hola’, “Mundo” |
No | Sí | No |
| Booleano | Booleano (Verdadero o Falso) | bool |
True, False |
No | Sí | No |
| Lista | Lista ordenada de elementos | list |
[10, 20, 30] |
Sí | Sí | Sí |
| Tupla | Secuencia inmutable de elementos | tuple |
(10, 20, 30), (‘a’, ‘b’, ‘c’) |
Sí | Sí | No |
| Diccionario | Colección de pares clave-valor | dict |
|
Sí | No | Sí |
| Conjunto | Colección no ordenada de elementos únicos | set |
{1, 2, 3}, {‘a’, ‘b’, ‘c’} |
Sí | No | Sí |
Las colecciones son estructuras que almacenan una serie de elementos. Cada uno de estos elementos se puede considerar como una entidad independiente dentro de la colección.
Los tipos indexables permiten acceder a cada elemento dentro de la colección mediante un identificador único, que puede ser un número entero (índice) o una clave, dependiendo del tipo de colección.
Los tipos mutables tienen la característica de permitir la modificación de su contenido. Esto incluye la capacidad de agregar, eliminar o modificar elementos existentes en la colección.
Utilizamos la función type().
edad = 20
nombre = "Carlos"
promedio = 9.5
print(type(edad))<class 'int'>print(type(nombre))<class 'str'>print(type(promedio))<class 'float'>Los objetos en Python pueden clasificarse en dos grandes grupos.
Objetos mutables: permiten modificar su contenido después de haber sido creados. Por ejemplo, las listas y los diccionarios.
numeros = [10, 20, 30]
numeros[0] = 100 # Modificar el contenido de la posición 1
print(numeros)[100, 20, 30]Objetos inmutables: no permiten modificar su contenido una vez creados. Por ejemplo, los enteros, las cadenas de texto y las tuplas.
nombre = "Ana"
nombre = "María"Este código es válido, pero no modifica el objeto "Ana": la variable nombre pasa a hacer referencia a otro objeto.
Por ejemplo:
x = 25
x = 30Cuando ejecutamos x = 30, no modificamos el objeto entero 25. La variable x simplemente deja de referenciar al objeto 25 y comienza a referenciar al objeto 30.
Python permite realizar operaciones básicas con los tipos de datos mencionados anteriormente. A continuación, se muestran algunos ejemplos:
# Operaciones numéricas
resultado = 10 + 5
diferencia = 10 - 5
producto = 10 * 5
cociente = 10 / 5
modulo = 10 % 3
potencia = 10 ** 2