Nuevas versiones y funciones de Python
Gestión de versiones: la práctica de comprobar y gestionar las versiones de Python y las bibliotecas para garantizar la compatibilidad y el comportamiento esperado del código.
Deprecación: el proceso por el cual el código se vuelve obsoleto y se elimina gradualmente, a menudo acompañado de advertencias en los entornos de desarrollo.
Entorno: el conjunto específico de herramientas, bibliotecas y configuraciones utilizadas para desarrollar y ejecutar código, que debe ser coherente entre los colaboradores.
Dinamismo: la capacidad de Python para evolucionar y mejorar con el tiempo, influenciada por los comentarios de los usuarios y las contribuciones de la comunidad.
Ya has aprendido que uno de los grandes puntos fuertes de Python es su dinamismo: está desarrollado y respaldado por una gran comunidad de usuarios. Esto lo convierte en un lenguaje que cambia y evoluciona . En otras palabras, el lenguaje y sus bibliotecas están en constante crecimiento, mejorando y respondiendo a los comentarios de los usuarios.
El dinamismo de Python, aunque es un punto fuerte, puede introducir complejidades. Esto puede plantear problemas cuando se pretende utilizar el código durante largos periodos de tiempo o cuando varias personas trabajan juntas en un proyecto. Un script o programa desarrollado en una versión de Python está a menudo ligado a ese entorno en particular, y ejecutarlo en una versión diferente puede conducir a un comportamiento inesperado. Esto se debe a que Python y sus librerías se actualizan con el tiempo. Así, si desarrollaste un proyecto que usaba, digamos, Python 2.7.4 en 2013, e intentas ejecutarlo ahora en Python 3.12.4, existe la posibilidad de que no se ejecute de la misma manera. Del mismo modo, los proyectos colaborativos pueden verse obstaculizados por los miembros del equipo que utilizan diferentes versiones de la biblioteca, lo que resulta en problemas de compatibilidad.
Anulación
El código inevitablemente evoluciona, se elimina gradualmente y se vuelve obsoleto. Este proceso se conoce como depreciación. Si estás trabajando en un Notebook de Jupyter, generalmente recibirás una advertencia si algo de lo que utilizas está programado para ser obsoleto en una futura versión. Tu código seguirá funcionando, pero es posible que no continúe haciéndolo en futuras versiones, o si lo hace, su comportamiento podría cambiar. Es mejor prestar atención a estas advertencias y cambiar el código para adaptarlo al cambio que se avecina, porque es más fácil hacerlo cuando se está escribiendo el código activamente que volver a él cuando se rompe e intentar averiguar qué se estaba haciendo en esa fase concreta del proyecto. Además, las pequeñas actualizaciones -por ejemplo, de Python 3.11.8 a 3.11.9- no serán tan perjudiciales como las grandes actualizaciones -por ejemplo, de Python 2.X a 3.X-, por lo que notarás más depreciación cuando haya versiones importantes.
Es importante tener en cuenta que puedes seguir utilizando versiones anteriores de Python y sus bibliotecas. No siempre tienes que actualizar tu código cada vez que hay una nueva versión. De hecho, las versiones antiguas suelen seguir recibiendo soporte mucho después de haber sido reemplazadas por versiones más recientes. Esto permite a las personas y organizaciones planificar las actualizaciones de su código a lo largo del tiempo. Mientras que tú puedes simplemente actualizar tu proyecto, es mucho más difícil para una gran empresa actualizar su base de código asegurándose de que nada se rompe.
Entornos
El conjunto particular de condiciones y configuraciones que utilizas para desarrollar código se conoce como entorno. Tu entorno incluye las herramientas, bibliotecas, dependencias, configuraciones, etc. que se utilizan para escribir y ejecutar tu código. Por lo tanto, cuando trabajas en un proyecto con un grupo de personas, es importante que todos compartáis el mismo entorno para que el código se ejecute de la misma manera para todos. Si usted está haciendo los laboratorios de este curso en Coursera, por lo general no tiene que preocuparse por el medio ambiente, ya que ha sido preconfigurado para usted. Pero si estás haciendo los laboratorios fuera de la plataforma Coursera, ten en cuenta que tu código podría ejecutarse de forma diferente a como lo haría en Coursera, dependiendo de tu entorno.
La gestión del entorno puede ser un proceso complejo y técnico, y no vamos a entrar mucho en ello en este curso porque su entorno ha sido preconfigurado para que pueda centrarse en el aprendizaje de otras habilidades. Si usted está interesado en aprender más acerca de la configuración del entorno o la creación y el trabajo en su propio entorno de desarrollo, Anaconda Navigator es un gran lugar para empezar. Anaconda Navigator es una interfaz gráfica de usuario gratuita, de código abierto y descargable que proporciona un conjunto de herramientas fáciles de usar para gestionar entornos. También tiene un conjunto de otras integraciones de características incorporadas como Jupyter notebooks, PyCharm, VSCode, y otras herramientas populares utilizadas por los profesionales de datos.
Comprueba qué versiones tienes
Intentamos mantener el código de este curso actualizado utilizando versiones estables recientes de Python y las librerías relevantes, pero actualizar todo en todos los cursos para cada nueva versión no es factible ni necesario. Si estás haciendo las actividades del Notebook de Jupyter en tu propio ordenador y no en Coursera, puedes encontrar ocasionalmente diferencias en cómo se ejecuta tu código comparado con cómo se demuestra en Coursera. Estas diferencias se deben probablemente al versionado.
Para comprobar qué versión de Python estás ejecutando en un Notebook de Jupyter, ejecuta el siguiente código en una celda del Notebook:
>>import sys >>print(sys.version)
En PPI vamos a modificar el codigo para tambien mostrar la fecha y hora
>>import datetime as dt >>from datetime import date as dt_date >>from datetime import datetime as dt_datetime >>import sys >>""" >>Esta seria la instrucción si solo se quisiera mostrar la fecha >>fecha = dtdate.today() >>print("La fecha actual es :",fecha) >>""" >>fecha_hora = dt_datetime.now() >>print("La fecha y hora actual es :",fecha_hora) >>print("La versión actual de python es :",sys.version)
>>>
La fecha y hora actual es : 2025-12-21 14:53:20.422684 La version actual de python es : 3.12.12 (main, Oct 10 2025, 08:52:57) [GCC 11.4.0]
Para comprobar qué versión de una librería estás usando, importa la librería y luego usa su atributo __version__ para acceder a su información de versión. Por ejemplo:
>>import numpy as np
>>import pandas as pd
>>from datetime import datetime as dt_datetime >>fecha_hora = dt_datetime.now() >>print("La fecha y hora actual es :",fecha_hora) >>print(np.__version__) >>print(pd.__version__)
>>>
La fecha y hora actual es : 2025-12-21 14:59:25.571066 2.0.2 2.2.2
Puntos clave
Python evoluciona y crece en respuesta a sus usuarios y casos de uso. Esto significa que las actualizaciones de código pueden cambiar el comportamiento del código escrito en versiones anteriores. Entender cómo evaluar, gestionar y solucionar problemas de tu entorno de codificación es una parte importante de la codificación.
No hay comentarios.:
Publicar un comentario