🧠 Clase 4 – Estructuras de Control, Funciones y NumPy

🎯 Objetivos

• Comprender cómo hacer que los programas tomen decisiones y repitan acciones.
• Crear y reutilizar funciones.
• Introducir el uso de la librería NumPy para análisis de datos numéricos.

🧩 1. El arte de preguntar en IA

Las preguntas son la base de todo análisis:

• Orientan decisiones y evitan la improvisación.
• Transforman datos en conocimiento útil.
• Conectan problemas con objetivos claros.

Tipos de indagación:

Tipo	Pregunta	Ejemplo
Anticipar	¿Qué ocurrirá después?	Predicciones
Comparar	¿En qué se diferencian?	Clasificaciones
Explorar	¿Qué patrones existen?	Agrupamientos
Explicar	¿Por qué sucede esto?	Causas y correlaciones

Estructurar un análisis:

1. Definir el problema (qué, por qué, cuándo).
2. Organizar los datos (qué, cómo, limitaciones).
3. Diseñar el enfoque (relaciones, variables, validación).

⚙️ 2. Estructuras de Control

Permiten decidir y repetir dentro de un programa.

🔸 Condicionales (if, elif, else)

Evalúan una condición booleana (True o False).

Ejemplo:

edad = 20
if edad >= 18:
    print("Mayor de edad")
else:
    print("Menor de edad")

🔸 Bucles

Permiten repetir código mientras se cumpla una condición o haya elementos.

• for: recorre secuencias

  for i in range(5):
      print(i)
  

• while: repite mientras la condición sea verdadera

  x = 0
  while x < 3:
      print(x)
      x += 1
  

🔸 Control de bucles

Instrucción	Función
break	Rompe el bucle
continue	Salta a la siguiente iteración
pass	No hace nada (placeholder)

Ejemplo:

for i in range(5):
    if i == 2:
        continue
    print(i)

🔸 Patrones de iteración

Patrón	Descripción	Ejemplo
Acumulador	Suma o multiplica valores	suma += x
Contador	Cuenta elementos que cumplen condición	if x > 10: contar += 1
Buscador	Encuentra un valor	if x == 15: break
Filtro	Procesa solo ciertos elementos	if x % 2 == 0:

🧮 3. Funciones en Python

Bloques de código que realizan una tarea y pueden reutilizarse.

🔹 Sintaxis básica

def nombre_funcion(parametros):
    # código
    return resultado

🔹 Ejemplo

def cuadrado(x):
    return x * x

print(cuadrado(5))  # 25

🔹 Ventajas

• Evitan repetir código.
• Facilitan el mantenimiento.
• Mejoran la organización.

🔹 Reglas

• No empezar con números ni usar palabras reservadas.
• Nombres descriptivos.
• Pueden tener valores por defecto.
• Pueden retornar múltiples valores.

🔹 Funciones integradas más comunes

Categoría	Función	Ejemplo
Entrada/Salida	print(), input()	input("Nombre: ")
Conversión	int(), float(), str()	int("5") → 5
Matemáticas	abs(), round(), max(), sum()	sum([1,2,3]) → 6
Colecciones	len(), range(), sorted()	len("Hola") → 4

🌡️ Ejercicio 1 – Registro de temperaturas

Objetivo:

• Pedir la temperatura de 5 días.
• Mostrar promedio, máxima y mínima.
• Contar cuántos días > 25°C.

Solución:

temperaturas = []
for i in range(5):
    temp = float(input(f"Temperatura día {i+1}: "))
    temperaturas.append(temp)

prom = sum(temperaturas) / len(temperaturas)
print("Promedio:", prom)
print("Máxima:", max(temperaturas))
print("Mínima:", min(temperaturas))
dias_calidos = sum(t > 25 for t in temperaturas)
print("Días con más de 25°C:", dias_calidos)

📚 4. Librerías y NumPy

🔹 ¿Qué es una librería?

Conjunto de funciones predefinidas que amplían las capacidades de Python.

Ventajas:

• Ahorra tiempo.
• Optimiza el procesamiento.
• Permite análisis de grandes volúmenes de datos.

🔹 NumPy (Numerical Python)

Instalación:

pip install numpy

Uso:

import numpy as np

Características:

• Procesa arrays multidimensionales.
• Soporta operaciones vectorizadas (más rápidas que listas).
• Base de librerías como Pandas y Scikit-learn.

🔹 Arrays NumPy

import numpy as np
vector = np.array([1, 2, 3])
matriz = np.array([[1, 2], [3, 4]])

Operaciones básicas:

vector + 2          # Suma escalar
vector * 3          # Multiplicación escalar
np.sqrt(vector)     # Raíz cuadrada
np.arange(0, 10, 2) # Secuencia

Propiedades:

Propiedad	Descripción
array.shape	Dimensiones
array.ndim	Número de dimensiones
array.size	Cantidad total de elementos
array.dtype	Tipo de datos
array.nbytes	Memoria total

💰 Ejercicio 2 – Primeras ventas

Enunciado:

• Ingresar los montos de las primeras 10 ventas.
• Calcular promedio, total, mayor y menor.
• Mostrar las ventas por encima del promedio.

Solución:

import numpy as np

ventas = np.array([float(input(f"Venta {i+1}: ")) for i in range(10)])

prom = np.mean(ventas)
total = np.sum(ventas)
mayor = np.max(ventas)
menor = np.min(ventas)

print("
Promedio:", prom)
print("Total:", total)
print("Mayor:", mayor)
print("Menor:", menor)
print("Ventas sobre el promedio:", ventas[ventas > prom])

🧱 Proyecto: Tienda Aurelion

Entregables:

• Documentación en Markdown
• Programa interactivo en Python
• Dashboard en Power BI
• Presentación explicando problema, solución y hallazgos

Evaluación:

• Claridad del tema y problema.
• Correcta estructura de datos (según clase 2).
• Pseudocódigo y diagrama funcional.
• Programa sin errores.
• Uso de Copilot documentado.