New arrangement for multilanguage and metadata support

1 files changed, 0 insertions, 162 deletions

diff --git a/src/09_extralib.md b/src/09_extralib.md
deleted file mode 100644
index 65ed418..0000000
--- a/src/09_extralib.md
+++ /dev/null
@@ -1,162 +0,0 @@
-# Librerías útiles
-
-Ahora que ya sabes cómo instalar librerías y que has visto que muchas
-funcionalidades están contenidas en la librería estándar de python es un buen
-momento para que visites varios proyectos que aportan recursos muy interesantes
-a la hora de resolver problemas. Debido al carácter de uso general de python,
-estas librerías aportan facilidades muy diversas. El criterio para escogerlas
-parte de la experiencia personal del autor de este documento y añade algunas
-librerías y herramientas que pueden ser interesantes debido a su amplio uso en
-la industria.
-
-## Librerías científicas: ecosistema SciPy
-
-SciPy es un ecosistema de librerías de cálculo que tiene como objetivo
-facilitar la tarea de ingenieros, científicos y matemáticos en sus
-respectivos trabajos. Puedes considerarlo como un **Matlab** para python
-separado por componentes independientes.
-
-Además de ser el nombre del ecosistema, comparte nombre con una de las
-librerías fundamentales de éste. El ecosistema está formado por varias
-librerías, entre ellas se encuentran:
-
-- Numpy: un paquete de computación científica para python. Soporta matrices
-  multidimensionales, funciones sofisticadas y álgebra lineal, entre otras.
-
-- SciPy: librería basada en Numpy que aporta rutinas numéricas eficientes para
-  interpolación, optimización, algebra lineal, estadística y otros.
-
-- SymPy: una librería de matemática simbólica para python que complementa el
-  resto de librerías del ecosistema, ya que casi todas están orientadas al
-  análisis numérico.
-
-- Matplotlib: librería para representar gráficos y figuras científicas en 2D.
-
-- Pandas: aporta unas estructuras de datos muy potentes basadas en tablas, su
-  objetivo es reforzar a python a la hora de tratar datos. El área de esta
-  librería es el del análisis de datos, pero puede combinarse con otras áreas
-  de estudio como la econometría (ver el proyecto statsmodels). Esta librería
-  dispone de un ecosistema muy poderoso a su alrededor debido al auge del
-  análisis de datos en la industria del software. Muchas librerías comparten la
-  interfaz de Pandas por lo que tener nociones de su comportamiento abre muchas
-  puertas en el sector del análisis de datos. Al igual que ocurre en SciPy, Las
-  estructuras de datos de Pandas también se basan en Numpy.
-
-- IPython: más que una librería, IPython es una herramienta. Se trata de una
-  REPL interactiva (su propio nombre viene de *Interactive Python*) que añade
-  diversas funcionalidades sobre la REPL de python habitual: histórico de
-  comandos, sugerencias, comandos mágicos (*magic*) que permiten alterar el
-  comportamiento de la propia interfaz y un larguísimo etcétera. IPython,
-  además, sirve como núcleo de los cuadernos Jupyter que integran una shell de
-  python con visualización de tablas y gráficos para generar documentos estilo
-  *literate programming*.
-
-## Machine Learning: ScikitLearn
-
-ScikitLearn es una librería de machine learning muy potente, implementa gran
-cantidad de algoritmos y tiene una documentación extensa, sencilla y educativa.
-
-Encaja a la perfección con el ecosistema SciPy, ya que se basa en NumPy, SciPy
-y Matplotlib.
-
-## Peticiones web: Requests
-
-Requests es una librería alternativa al módulo `urllib` aportado por la
-librería estándar de python. Se describe a sí misma como «HTTP para seres
-humanos», sugiriendo que `urllib` no es cómoda de usar.
-
-Requests gestiona automáticamente las URL-s de las peticiones a partir de los
-datos que se le entreguen, sigue redirecciones, almacena cookies, descomprime
-automáticamente, decodifica las respuestas de forma automática, etc. En general
-es una ayuda cuando no se quiere dedicar tiempo a controlar cada detalle de la
-conexión de modo manual.
-
-## Manipulación de HTML: Beautifulsoup
-
-Beautifulsoup es una librería de procesado de HTML extremadamente potente.
-Simplifica el acceso a campos de ficheros HTML con una sintaxis similar a los
-objetos de python, permitiendo acceder a la estructura anidada mediante el uso
-del punto en lugar de tener que lidiar con consultas extrañas o expresiones
-regulares. Esta funcionalidad puede combinarse con selectores CSS4 para un
-acceso mucho más cómodo.
-
-Muy usada en conjunción con Requests, para el desarrollo de aplicaciones de
-web-scraping. Aunque, si se desea usar algo más avanzado, se recomienda usar el
-framework Scrapy.
-
-## Tratamiento de imagen: Pillow
-
-Pillow es un fork de la librería PIL (*Python Imaging Library*) cuyo desarrollo
-fue abandonado. En sus diversos submódulos, Pillow permite acceder a datos de
-imágenes, aplicarles transformaciones y filtros, dibujar sobre ellas, cambiar
-su formato, etc.
-
-## Desarrollo web: Django, Flask
-
-Existen infinidad de frameworks y herramientas de desarrollo web en python. Así
-como en el caso del análisis de datos la industria ha convergido en una
-herramienta principal, Pandas, en el caso del desarrollo web hay muchas
-opciones donde elegir.
-
-Los dos frameworks web más usados son Django y Flask, siendo el segundo menos
-común que el primero pero digno de mención en conjunción con el otro por varias
-razones.
-
-La primera es la diferencia en la filosofía: así como Django decide con qué
-herramientas se debe trabajar, Flask, que se define a sí mismo como
-microframework, deja en manos de quien lo usa la elección de qué herramientas
-desea aplicarle. Cada una de las dos filosofías tiene ventajas y desventajas y
-es tu responsabilidad elegir las que más te convengan para tu proyecto.
-
-La segunda razón para mencionar Flask es que su código fuente es uno de los más
-interesantes a la hora de usar como referencia de cómo se debe programar en
-python. Define su propia norma de estilo de programación, basada en la
-sugerencia de estilo de python[^pep8] y su desarrollo es extremadamente
-elegante.
-
-Django, por su parte, ha sido muy influyente y muchas de sus decisiones de
-diseño han sido adoptadas por otros frameworks, tanto en python como en otros
-lenguajes. Lo que sugiere que está extremadamente bien diseñado.
-
-A pesar de las diferencias filosóficas, existen muchas similitudes entre ambos
-proyectos por lo que aprender a usar uno de ellos facilita mucho el uso del
-otro y no es aprendizaje perdido. No tengas miedo en lanzarte a uno.
-
-[^pep8]: <https://www.python.org/dev/peps/pep-0008/>
-
-
-## Protocolos de red: Twisted
-
-Twisted es motor de red asíncrono para python. Sobre él se han escrito
-diferentes librerías para gestión de protocolos de Internet como DNS, via
-Twisted-Names, IMAP y POP3, via Twisted-Mail, HTTP, via Twisted-Web, IRC y
-XMPP, via Twisted-Words, etc.
-
-El diseño asíncrono del motor facilita sobremanera las comunicaciones
-eficientes. Programar código asíncrono en python es relativamente sencillo,
-pero ha preferido dejarse fuera de este documento por diversas razones. Te
-animo a indagar en esta libreria para valorar el interés del código asíncrono.
-
-## Interfaces gráficas: PyQt, PyGTK, wxPython, PySimpleGUI
-
-A pesar de que python dispone de un módulo en su librería estándar para tratar
-interfaces gráficas llamado TKinter, es recomendable utilizar librerías más
-avanzadas para esto. TKinter es una interfaz a la herramienta Tk del lenguaje
-de programación Tcl y acompaña a python desde hace años.
-
-En programas simples TKinter es más que suficiente (IDLE, por ejemplo, está
-desarrollado con TKinter) pero a medida que se necesita complejidad o capacidad
-del usuario para configurar detalles de su sistema suele quedarse pequeño.
-
-Para programas complejos se recomienda usar otro tipo de librerías más
-avanzadas como PyQt, PyGTK o wxPython, todas ellas interfaces a librerías
-escritas en C/C++ llamadas Qt, GTK y wxWidgets respectivamente. Estas librerías
-aportan una visualización más elegante, en algunos casos usando widgets nativos
-del sistema operativo en el que funcionan.
-
-Debido a la complejidad del ecosistema nace el proyecto PySimpleGUI, que
-pretende aunar las diferentes herramientas en una sola, sirviendo de interfaz a
-cualquiera de las anteriores y alguna otra. Además, el proyecto aporta gran
-cantidad de ejemplos de uso. PySimpleGUI aún está en desarrollo y el soporte de
-algunos de los motores no está terminado, pero es una fuente interesante de
-información y recursos.