Python es popular porque un solo lenguaje puede hacer casi cualquier cosa. La razón son sus bibliotecas: código ya hecho que resuelve las partes difíciles para que puedas concentrarte en tu idea. ¿Quieres analizar una hoja de cálculo, construir un sitio web o enseñarle a una computadora a reconocer rostros? Hay una biblioteca para eso.
La infografía de abajo muestra 10 de las más populares. Esta guía recorre cada una, para qué sirve y dónde podría usarla un principiante.
Una nota sobre el gráfico: dos entradas tienen pequeños errores. La tarjeta de Seaborn describe BeautifulSoup y el web scraping, y la tarjeta de OpenCV dice “desarrollo de videojuegos”. Este artículo usa las descripciones correctas.
Resumen rápido
| Biblioteca | Categoría | Ideal para |
|---|---|---|
| Pandas | Análisis de datos | Limpiar y manipular datos |
| TensorFlow | Aprendizaje automático | Aprendizaje profundo |
| Matplotlib | Visualización | Gráficas y diagramas |
| Seaborn | Visualización | Gráficas estadísticas |
| Selenium | Automatización | Automatización del navegador |
| FastAPI | Desarrollo backend | APIs de alto rendimiento |
| SQLAlchemy | Bases de datos | Acceso a bases de datos |
| Flask | Desarrollo web | Aplicaciones web ligeras |
| Django | Desarrollo web | Plataformas escalables |
| OpenCV | Visión por computadora | Procesamiento de imágenes y video |
Datos y aprendizaje automático
1. Pandas: manipulación de datos
Pandas trabaja con datos en forma de tabla, como una hoja de cálculo que controlas con código. Puedes cargar un archivo CSV, filtrar filas, corregir valores faltantes y resumir resultados en unas pocas líneas.
import pandas as pd
df = pd.read_csv("sales.csv")
print(df.groupby("region")["total"].sum())
Úsala cuando: tus datos estén desordenados o sean demasiado grandes para Excel.
2. TensorFlow: aprendizaje profundo
TensorFlow, creado por Google, construye y entrena redes neuronales. Impulsa cosas como el reconocimiento de imágenes, las herramientas de voz y los sistemas de recomendación.
Úsala cuando: quieras entrenar un modelo con muchos datos. Tiene una curva de aprendizaje, así que aprende primero Pandas.
Visualización
3. Matplotlib: visualización de datos
Matplotlib es la biblioteca clásica de gráficas. Crea gráficas de líneas, de barras, de dispersión y más.
import matplotlib.pyplot as plt
plt.bar(["Jan", "Feb", "Mar"], [120, 150, 90])
plt.title("Monthly sales")
plt.show()
Úsala cuando: necesites una gráfica y quieras control total sobre cómo se ve.
4. Seaborn: gráficas estadísticas
Seaborn está construida sobre Matplotlib. Crea gráficas más atractivas con menos código, especialmente para mostrar cómo se distribuyen los datos o cómo se relacionan las variables.
import seaborn as sns
sns.histplot(data=df, x="total")
Úsala cuando: quieras una gráfica limpia rápidamente. Funciona muy bien con Pandas.
Automatización
5. Selenium: automatización del navegador
Selenium controla un navegador web real. Puede abrir páginas, hacer clic en botones, llenar formularios y leer lo que aparece en pantalla.
Úsala cuando: necesites automatizar un sitio que no tiene API, o probar tu propio sitio web. Para un scraping sencillo de páginas estáticas, BeautifulSoup es más ligera y fácil.
Backend y bases de datos
6. FastAPI: APIs de alto rendimiento
FastAPI construye APIs, los servicios que las aplicaciones y los sitios web usan para intercambiar datos. Es rápida, valida tus datos automáticamente y genera documentación interactiva por ti.
from fastapi import FastAPI
app = FastAPI()
@app.get("/hello")
def hello():
return {"message": "Hello, world"}
Úsala cuando: estés construyendo una API moderna para una aplicación móvil o un frontend.
7. SQLAlchemy: acceso a bases de datos
SQLAlchemy te permite trabajar con bases de datos usando objetos de Python en lugar de escribir a mano cada consulta SQL. Admite SQLite, PostgreSQL, MySQL y otras.
Úsala cuando: tu aplicación guarde datos en una base de datos. Aprende primero SQL básico para entender lo que está haciendo por ti.
Desarrollo web
8. Flask: aplicaciones web ligeras
Flask es un framework web pequeño y sencillo. Un sitio funcional puede tener unas cuantas líneas, y solo agregas las piezas que necesitas.
Úsala cuando: estés aprendiendo desarrollo web, o construyendo un sitio o una herramienta pequeña.
9. Django: plataformas escalables
Django es un framework completo. Incluye cuentas de usuario, un panel de administración, herramientas de bases de datos y funciones de seguridad desde el primer momento.
Úsala cuando: estés construyendo un sitio grande, como una tienda, una plataforma social o un sistema de contenido.
¿Flask o Django? Empieza con Flask para aprender lo básico. Elige Django cuando quieras que la mayoría de las funciones ya vengan incluidas.
Visión por computadora
10. OpenCV: imágenes y video
OpenCV lee, edita y analiza imágenes y video. Puede detectar rostros, rastrear objetos, leer códigos de barras y procesar señales de cámaras.
import cv2
img = cv2.imread("photo.jpg")
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
cv2.imwrite("photo-gray.jpg", gray)
Úsala cuando: tu proyecto involucre cámaras o imágenes. Para desarrollo de videojuegos, mejor mira Pygame.
¿Por dónde debería empezar un principiante?
No necesitas las diez. Elige el camino que coincida con tu meta:
- Datos y análisis: Pandas y luego Matplotlib o Seaborn.
- Sitios web: Flask y luego Django o FastAPI, además de SQLAlchemy.
- Automatización: Selenium, además de Pandas para los resultados.
- IA y visión: Pandas y luego TensorFlow u OpenCV.
Para instalar cualquiera de ellas, usa pip:
pip install pandas matplotlib seaborn
Conclusión
La verdadera fortaleza de Python es su ecosistema. Aprende primero los fundamentos del lenguaje y luego elige una biblioteca que coincida con un proyecto que te importe. Construir algo pequeño, como una gráfica con tus propios datos o una API sencilla, enseña más que leer sobre las diez.
Si quieres practicar lo básico, prueba el reto 100 Días de Python.