Óscar Ramírez Jiménez - Python a fondo

Este IDE tiene soporte para Python en el paquete llamado Anaconda( https://packagecontrol.io/packages/Anaconda), lo que permite tener la documentación de Python, pylint, autocompletado, búsquedas de uso y otras funcionalidades específicas para trabajar con Python integradas en Sublime Text.

Figura 1.21 Usando Sublime Text para programar en Python.

PyCharm

Uno de los mejores IDE integrados para el desarrollo de Python es PyCharm( https://www.jetbrains.com/pycharm/). Está desarrollado por JetBrains, una compañía que está especializada en hacer IDE para diferentes lenguajes de programación, muy conocida por la calidad de los mismos y el buen soporte técnico con el que cuentan.

Uno de los IDE más conocidos es IntelliJ IDEA( https://www.jetbrains.com/idea/), que fue el primer IDE que sacaron al mercado para dar soporte a Java. La acogida fue tan buena que cuando Google se dispuso a lanzar su entorno de programación para aplicaciones de teléfonos inteligentes Android, Android Studio( https://developer.android.com/studio), utilizó IntelliJ IDEA como base. Un caso similar es el de PyCharm, que se podría considerar la versión de IntelliJ IDEA orientada al desarrollo de aplicaciones Python. Se trata de un IDE profesional y totalmente integrado con Python, pero distribuido directamente por JetBrains.

Figura 1.22 Usando PyCharm para desarrollar Python.

PyCharm está disponible en dos versiones, la Community Editiony la Professional.La Community Edition es muy potente y dispone de múltiples funcionalidades, como documentación navegable, autocompletado avanzado, comprobación de sintaxis, herramientas para corregir errores de PEP-8 automáticamente, auto-formateado, edición de texto en diferentes modos (soporta el vertical y el selectivo), consola interactiva, terminal del sistema, sistema de control de versiones (soporta diferentes tipos), comprobación de problemas de tiempo de ejecución, depurador de código profesional y un sinfín de funcionalidades que lo convierten en uno de los líderes indiscutibles en el desarrollo de cualquier tipo de aplicación de Python.

La versión Professional dispone de algunas funcionalidades que no están presentes en la edición Community, como el analizador de memoria y de tiempo de una aplicación, herramientas científicas, soporte para desarrollo web (diferentes frameworks, soportes avanzados de JavaScript, soporte de plantillas de renderizado, renderizado en diferentes navegadores, etc.), capacidad para desarrollar en entornos remotos y un fabuloso soporte para bases de datos, que puede integrar muchos tipos de bases de datos, lo que hace que no haya que salir del IDE a casi ninguna aplicación externa y mejore muchísimo la productividad.

PyCharm cuenta con soporte para otros lenguajes y soporta casi cualquier tecnología profesional, dado que tiene muchos plugins, por ejemplo: Gulp, Docker, Bash, Markdown, Jupyter Notebook, scss, etc.

Existen muchos IDE que soportan la programación en Python y cada uno de ellos presenta unas características distintas. Existen IDE de código libre y empresas especializadas que crean IDE de código cerrado con la finalidad de ofrecer el mejor servicio para sus clientes. Cada desarrollador debería elegir el IDE que más se ajuste a sus necesidades. Un listado, ordenado desde los más comunes hasta los más específicos para Python, sería: Vim, Emacs, Sublime Text, Atom, PyDev, Visual Studio, Spyder, ActivePython, PyCharm.

A nivel personal,he utilizado Vim durante algunos años y creo que es un maravilloso editor de texto, aunque hay que reconocer que se necesita mucha paciencia para aprender a utilizarlo correctamente y sacarle el máximo partido. Actualmente utilizo PyCharm en su versión profesional, dado que me ayuda de manera excepcional en todas las tareas que realizo. Aun así, no descarto utilizar otros en un futuro, por ejemplo, Visual Studio Code, Spyder o Atom, en ese orden, dado que a mi juicio ofrecen las mejores características e integraciones con Python con el mínimo esfuerzo de configuración o personalización.

Existe una práctica comúnmente conocida a modo de iniciación en la programación: cuando se aprende un nuevo lenguaje, el primer programa que se crea es uno muy simple en el que se le da la bienvenida al mundo con la frase 'Hola Mundo' en el lenguaje de programación elegido.

En Python esta práctica es muy fácil de realizar y consistiría en escribir lo siguiente en un REPL de Python:

Puesto que Python es un lenguaje interpretado y dispone de múltiples REPL (read eval print loop) en los que se puede ejecutar código Python simple, es uno de los instrumentos más utilizados cuando se está desarrollando una aplicación más compleja, se pretende hacer cualquier cálculo simple o se quiere probar alguna funcionalidad de forma aislada.

La forma más sencilla de obtener un REPL es llamar al intérprete de Python sin ningún parámetro desde una consola de comandos, como se muestra a continuación:

Se pueden utilizar otros REPL, como ipython, bpython o ptpython, que presentan autocompletado y copiado de lo escrito a ficheros que después se pueden utilizar para proyectos más grandes.

Jupyter Notebook es una herramienta a medio camino entre un REPL y un IDE completo. Cuenta con funcionalidades comunes como la exportación de contenido a diferentes formatos, soporte para markdown, soporte para crear imágenes usando librerías de imágenes como Matplotlib, manejo interactivo de datos usando pandas y un sinfín de herramientas que se pueden ampliar gracias a plugins. Esto lo convierte en una herramienta ideal para muchos científicos y amantes de Python que quieren realizar cálculos y expresar sus resultados de la mejor forma. Además, los resultados pueden ser exportados tanto usando el código fuente como en formatos como PDF, HTML o Latex, entre otros.

Una forma de instalar Jupyter es usando pip,aunque también viene incluido por defecto en el paquete de software Anaconda:

Jupyter Notebook dispone de un servidor que gestiona la comunicación y la ejecución de código, por lo que desde la consola de comandos se puede invocar con el siguiente comando:

Figura 1.23 Vista inicial de Jupyter y del sistema de ficheros.