Mis apuntes · Aprende Python desde PHP

Se guardan solos en este navegador mientras escribes. Puedes usar Markdown. Al descargarlos, la primera línea es tu enlace personal al curso.

Lección 41 de 47 · Un proyecto real ✦ WebMCP implementado

El ecosistema de Python

8 min de lectura Lección de lectura

Python vale tanto por el lenguaje como por lo que hay alrededor: miles de bibliotecas para casi cualquier cosa. Esta lección es un mapa de lo que más vas a encontrar (ciencia de datos, web, bases de datos, calidad de código), con su equivalente en PHP cuando lo hay, para que sepas qué buscar cuando lo necesites.

¿De dónde vienen los nombres?

NumPy = Numerical Python (Python numérico)
La biblioteca de matrices que viste en el módulo 03. Casi todo lo científico se apoya en ella.
pandas = viene de panel data («datos de panel», un término de estadística y econometría)
Tablas de datos (como una hoja de cálculo en código). No tiene nada que ver con el animal, aunque su logo sea un oso.
SciPy = Scientific Python (Python científico)
Funciones matemáticas y científicas encima de NumPy: estadística, optimización, procesado de señales.
Jupyter = juego de palabras con Julia, Python y R, los tres lenguajes que soportó primero
Los «cuadernos» donde mezclas texto, código y gráficas. Muy usados en ciencia de datos.
Django = en honor al guitarrista de jazz Django Reinhardt
El framework web «con todo incluido» que viste en la lección anterior.
SQLAlchemy = SQL + alchemy (alquimia)
La biblioteca para trabajar con bases de datos desde objetos de Python. Es el Doctrine de Python.
PyTorch = Python + Torch (la biblioteca científica en Lua en la que se inspira)
El marco de trabajo más usado para entrenar redes neuronales.
En 4 ideas
1/4

Python vive de su ecosistema: PyPI (el Packagist de Python) tiene cientos de miles de paquetes, y se instalan con pip o uv dentro de un venv, como viste al principio del módulo.

1 · Ciencia de datos y machine learning: lo que PHP no tiene

Aquí está la gran diferencia con PHP. Si quieres analizar datos, entrenar un modelo o hacer una gráfica, el trabajo ya está hecho en Python y casi nadie lo rehace en otro lenguaje. Estas piezas se apoyan unas en otras:

BibliotecaPara qué sirveDónde lo ves en el curso
NumPyMatrices y operaciones rápidas sobre ellasMódulo 03, lección «NumPy»
pandasTablas de datos: leer un CSV, filtrar, agrupar, sumarEs lo que usarías en vez de un foreach sobre filas
SciPyEstadística, optimización, ecuacionesSe construye sobre NumPy
matplotlibGráficasAcompaña a pandas
JupyterCuadernos con código, texto y gráficas juntosCómo se enseña y se explora en ciencia de datos
scikit-learnMachine learning clásico: clasificar, predecir, agruparUna vez dominas NumPy
PyTorchRedes neuronales y deep learningLa base de los modelos de IA actuales
TransformersUsar y afinar modelos de lenguaje ya entrenadosEl siguiente paso, tras PyTorch

En PHP hay intentos (PHP-ML, Rubix ML), pero ni de lejos con la misma comunidad. Si algún día quieres meter IA en tu app web, lo más práctico suele ser una API en FastAPI que envuelva el modelo en Python, y que tu PHP llame por HTTP.

2 · Web, bases de datos y validación: lo que ya conoces con otro nombre

En PythonQué esParecido en PHP
FastAPIFramework para APIs, ASGI (lo ves en este módulo)Slim con validación y documentación
DjangoFramework completo: ORM, panel de administración, usuariosLaravel o Symfony
FlaskMicro-framework: rutas y poco másSlim
StarletteLa base ASGI sobre la que se construye FastAPIEl enrutador que usa Slim por debajo
pydanticValidación de datos con tipos (BaseModel)Symfony Validator + DTOs
SQLAlchemyORM y constructor de consultasDoctrine
AlembicMigraciones de BD para SQLAlchemyDoctrine Migrations / Phinx
httpxCliente HTTP, síncrono y asíncronoGuzzle
TyperProgramas de consola con tiposSymfony Console

Con lo que has aprendido en este curso ya puedes leer su documentación: ves async def, type hints, decoradores, dataclasses y with por todas partes. Casi todo el ecosistema moderno está escrito con las mismas ideas que has ido viendo.

3 · Calidad del código y herramientas

Python tiene su propia versión de las herramientas que en PHP instalas con Composer: tests, formato, análisis estático. Hoy lo habitual es configurarlas todas en el pyproject.toml.

HerramientaQué haceEn PHP
pytestTests (lo viste en la lección «Tests»)PHPUnit
ruffRevisa el estilo y los errores típicos, y formatea el código. Muy rápidaPHP-CS-Fixer + PHP_CodeSniffer
mypyComprueba que los type hints son coherentes antes de ejecutarPHPStan o Psalm
pyrightOtro comprobador de tipos (el de VS Code)PHPStan o Psalm
uvEntornos, paquetes y lock (lección «Módulos, paquetes, pip, venv y uv»)Composer

4 · Antes de instalar nada: la biblioteca estándar

Python se vende como «baterías incluidas»: la biblioteca estándar trae mucho de lo que en PHP llega por extensiones o por Composer. Antes de añadir una dependencia, mira si no está ya. Por ejemplo, SQLite y JSON, que tienes en la app de tareas del módulo 10:

PHP 8.5index.php
<?php
declare(strict_types=1);

$bd = new PDO('sqlite::memory:');
$bd->exec('CREATE TABLE tareas (id INTEGER PRIMARY KEY, titulo TEXT)');
$bd->prepare('INSERT INTO tareas (titulo) VALUES (?)')->execute(['Comprar pan']);
$filas = $bd->query('SELECT id, titulo FROM tareas')->fetchAll(PDO::FETCH_ASSOC);
echo json_encode($filas) . PHP_EOL;
Pythonmain.py
import json
import sqlite3

# En PHP: new PDO('sqlite::memory:')
bd = sqlite3.connect(":memory:")
bd.row_factory = sqlite3.Row
bd.execute("CREATE TABLE tareas (id INTEGER PRIMARY KEY, titulo TEXT)")
bd.execute("INSERT INTO tareas (titulo) VALUES (?)", ("Comprar pan",))
filas = [dict(fila) for fila in bd.execute("SELECT id, titulo FROM tareas")]
print(json.dumps(filas))

Y puedes preguntarle a Python qué módulos trae de serie. Si un nombre no está en la lista, es que hay que instalarlo con pip o uv:

Pythonmain.py
import sys

for nombre in ["json", "sqlite3", "csv", "asyncio", "unittest", "tomllib", "venv", "numpy", "fastapi"]:
    print(f"{nombre:<9} en la biblioteca estándar: {nombre in sys.stdlib_module_names}")
Necesito…PHPPython (estándar)
JSONjson_encode, json_decodejson
SQLiteextensión pdo_sqlitesqlite3
FechasDateTimeImmutabledatetime
Leer y escribir CSVfgetcsv, fputcsvcsv
TestsPHPUnit (Composer)unittest
Tareas asíncronasReactPHP, Amp, Swoole (Composer o extensión)asyncio
Leer configuraciónparse_ini_filetomllib (TOML), configparser (INI)

¿Por qué? · En PHP no existe

¿Por qué Python incluye tantas «baterías»? En PHP no existe

PHP nació para una cosa y por eso su núcleo trae lo de la web ($_GET, sesiones, header()), y para lo demás tiras de Composer. Python nació de propósito general y su filosofía es que lo habitual debe venir incluido: ficheros, fechas, JSON, SQLite, sockets, tests.

Eso hace que un script de Python se ejecute en cualquier ordenador con Python sin instalar nada, algo muy útil para herramientas pequeñas. Y por eso lo primero ante una necesidad es mirar la documentación de la biblioteca estándar y no PyPI.

Y una forma de saber si ya tienes un paquete antes de importarlo, sin que falle el programa: find_spec devuelve algo si Python lo encuentra y None si no.

Pythonmain.py
from importlib.util import find_spec

for nombre in ["json", "sqlite3", "zxqv_no_existe"]:
    print(nombre, "->", find_spec(nombre) is not None)

La pregunta que te vas a hacer

Vale, pero… ¿por dónde sigo?

El siguiente paso es el módulo 10: construyes la app de tareas completa, con SQLite, FastAPI, tests y despliegue, en seis fases guiadas. Después, escoge una rama según lo que te interese: datos (NumPy, pandas), web (Django o FastAPI en profundidad) o automatización (scripts con la biblioteca estándar y Typer).

Resumen

Lo que te llevas de esta lección

  1. PyPI es el Packagist de Python y pip/uv el Composer: se instala dentro de un venv, y antes de instalar se comprueba el nombre y el mantenimiento del paquete.
  2. Lo que PHP no tiene y Python sí: ciencia de datos y machine learning (NumPy, pandas, scikit-learn, PyTorch), todo apoyado en NumPy.
  3. Para la web: FastAPI (APIs), Django (completo), Flask (micro); para datos: SQLAlchemy y Alembic (Doctrine y sus migraciones), pydantic (validación).
  4. Para calidad: pytest (PHPUnit), ruff (formato y errores típicos) y mypy o pyright (PHPStan: comprueban los type hints, que Python no comprueba al ejecutar).
  5. Antes de instalar nada, mira la biblioteca estándar: JSON, SQLite, fechas, CSV, asyncio y tests ya vienen incluidos («baterías incluidas»).

Para recordarlo: «Estándar primero, PyPI después»

EEstándar
¿está ya en Python? (import json)
PPyPI
si no, uv add paquete o pip install paquete
CComprueba
nombre, mantenedor y última versión

Ante una necesidad: Estándar primero, PyPI después y siempre Comprueba lo que instalas. «EPC».