🚀 ¡Estas navidades han salido versiones nuevas de multitud de paquetes esenciales en el ecosistema Python científico!
SciPy 1.10 tiene un nuevo submódulo scipy.datasets (dejando scipy.misc obsoleto), una nueva función scipy.interpolate.make_smoothing_spline que implementa un nuevo algoritmo de selección de parámetros para splines, una nueva función scipy.stats.goodness_of_fit para hacer pruebas de bondad de ajuste de manera sencilla, y muchísimo más. Si estás haciendo interpolación bidimensional, echa un vistazo a esta guía de transición.
Por su parte, IPython 8.0 trae mejoras en el autocompletado (sobre todo para claves de diccionarios) y otras pequeñas mejoras, y NumPy 1.24 elimina unas cuantas funcionalidades que estaban obsoletas, mejoras en F2PY (Fortran no estaba muerto, solo andaba de parranda) y algunos ajustes para casos raros de conversiones entre tipos. Estos dos proyectos son ya bastante maduros y no se esperan cambios sustanciales.
Finalmente, Polars llega hasta la versión 0.15.13 y en el último mes han implementado agregaciones para columnas booleanas y de duraciones, nuevo método df.iterrows (aunque ojo que, igual que en pandas, siempre será más rápido buscar una alternativa), y mejoras de rendimiento en varios sitios. Ritchie sigue con su tónica habitual de implementar funcionalidades nuevas minutos después de que alguien la pida.
💡 Estas semanas he descubierto atlite, una biblioteca Python para calcular potencial de energía renovable a partir de datos meteorológicos.
También he descubierto Jupyter Scheduler a través de este artículo, una extensión de Jupyter para programar notebooks y que se ejecuten de manera recurrente.
📚 Como cada año, la gente de Tryolabs hace un excelente resumen de sus proyectos Python favoritos. Salen muchos proyectos que he mencionado en el noticiero, y también algunos que se me habían escapado. ¡No te lo pierdas!
Por otro lado, Ian Bicking, si no estoy equivocado creador de pip, ha publicado este divertidísimo artículo mostrando arrays y diccionarios “infinitos” que, si les pides datos que no tienen… ¡los autocompletan con ChatGPT!
⏩ Si aún no te pasaste de conda a mamba… ¡la diferencia puede ser de 9 horas de “solving environment” a 10 segundos!
💼 Te lo cuento en primicia antes de anunciarlo en público: el jueves que viene arranco como Developer Advocate de Kedro, un framework para proyectos de ciencia de datos, en QuantumBlack Labs, parte de McKinsey. Los primeros meses serán intensos pero el noticiero seguirá. ¡Gracias por leer!
¿Buscas proveedor de dominios y hosting bueno, bonito y barato para tu próximo proyecto? Llevo años con Dinahosting (enlace afiliado) y no me cambio por nada, el soporte 24 horas es 🔝, y son de Galicia 🇪🇸