En prácticamente cualquier informe o estadística de uso nos encontramos con que Python es uno de los lenguajes con una mayor tasa de crecimiento en estos últimos años. Tanto TIOBE como Stackoverflow destacan cada poco tiempo este hecho, buscando a que alguien haga frente a los omnipresentes Java, C/C++ o JavaScript. Alejándonos de esa guerra de lenguajes que no fomentamos, vamos a analizar el interés creciente por muchos programadores por Python basándonos en las tendencias en programación en estos últimos años.
Lo que más sorprende de este “inesperado” momentum de Python es que no es un lenguaje recién llegado, descartamos el hype del que algunos frameworks y lenguajes sí gozan. En este caso, nos encontramos con un lenguaje maduro que es usado en producción por muchas empresas como Google, Facebook, Instagram, Spotify o Netflix, parte del éxito se lo deben a él, como muchos ingenieros han reconocido durante estos años.
Además de contar con una amplia comunidad de desarrolladores y recursos disponibles, algo fundamental para plantearse el aprendizaje de cualquier nuevo lenguaje. Basta con consultar los más de 150.000 proyectos en Package Python Index.
¿Por qué Python está creciendo tan rápidamente?
Python es utilizado en una gran variedad de ámbitos, desde el desarrollo web a devops, pero ha sido el aumento de su uso aplicado en machine learning y data science, lo que ha acelerado el crecimiento de Python. Y su creciente interés por la mayoría de programadores que están introduciéndose en estas disciplinas. Sin olvidarnos de la evolución que ha tenido para programadores web o system admin el uso de Python durante años.
Tal como mencionaba Stackoverflow en su informe, no sólo está creciendo Python sino también muchos temas relacionados con él. Así nos encontramos con el aumento del uso de framework web como Django y Flask o Pandas, NumPy y matplotlib para data science.
Python aplicado a Data Science
Aquí nos encontramos con una de las principales claves del crecimiento exponencial del interés sobre Python en estos últimos años. De la mano de Data Science como una de las profesiones mejor valoradas, cuya base se asienta en lenguajes matemáticos como R y con Python gracias a librerías y framework como PyBrain, NumPy o PyMySQL.
Utilizando estas herramientas podemos hacer muchas más cosas que recolectar y clasificar información, creando scripts para automatizar procesos, además de preparar dashboard con esa información.
El punto de entrada para comenzar a trabajar en Data Science es tener una buena base de Python. Muchos de los cursos que podemos encontrar en Coursera o Udacity giran entorno a Python: Python for Data Science ofrecido por IBM en Coursera o el nanodegree programa Become a Data Analyst en Udacity.
Aprendizaje automático de la mano de Python
El auge del Deep Learning con algunos framework como Tensor Flow también ha motivado a muchos desarrolladores a aprender Python.
El carácter exploratorio del aprendizaje automático se ajusta a la perfección a Python, así nos podemos encontrar librerías como Keras, PyBrain o scikit-learn para realizar tareas de clasificaciones, regresión, clustering, preprocesamiento o generación de modelos de algoritmos.
Al igual que ocurre con los cursos propuestos para comenzar con data science, en aprendizaje automático ocurre bastante similar, aunque podemos utilizar Java o Scala, Python sigue siendo un lenguaje dominante en el ámbito academico ya que se ajusta a la perfección a la hora de implementar las bases de machine learning.
Podéis echar un vistazo a un amplio número de cursos relacionado en Coursera o Udacity en los que comenzamos con las bases de Python.
Desarrollo web con Python
Sobradamente conocido nos encontramos con Django, el framework de aplicaciones web gratuito y open source escrito en Python. Tampoco es un recién llegado y es utilizado en producción por empresas con Instragram, Pinterest o The New York Times.
A este framework de Python le podemos sumar algunos igual de interesante como el minimalista Flask o Pyramid. Además de estos framework podemos destacar la importancia para crear APIs Restful o graphql con librerías como Graphene.
Python para Devops
La accesibilidad y flexibilidad de Python también es una de las razones para preferir este lenguaje en DevOps. Es estupendo para realizar scripts y automatizar proceso. El hecho de que herramientas como Ansible y SaltStak estén escritas en Python demuestran las capacidades del lenguaje para tareas de automatización y orquestación. Al igual que hablamos de los cursos de data science o machine learning, también podemos destacar cursos para System Admin utilizando Python 3.
En conclusión ¿Debería aprender Python?
Python es un fenomenal primer lenguaje, como si es tu segundo, tercero o enésimo lenguaje. Su curva de aprendizaje es menos áspera que otros, dispone de miles de librerías que permiten en unas pocas líneas de código hacer lo que nos propongamos. Te permite evolucionar rápidamente, además de profundizar en tareas más complejas, según vas adquiriendo soltura.
Obviamente recomendar un lenguaje de programación es complicado. Depende de muchos factores como el uso que le vayas a dar. Tampoco es lo mismo recomendar un lenguaje a alguien que está empezando a programar como a otro programador con una dilatada experiencia en varios lenguajes de programación.
Como decíamos más arriba: esto no es una guerra de lenguajes pero debido al momentum actual de Python deberías estar atento, ya que puede ser el lenguaje que te ayude en tu siguiente proyecto.
Ver todos los comentarios en https://www.genbeta.com
VER 35 Comentarios