💻
Quimioinformática
GitHub
  • 📖Quimioinformática aplicada al diseño de fármacos
  • 🔎1. Búsqueda de información química
    • 📑1.1 SciFinder-n
    • 📑1.2 Web of Science
    • 📑1.3 Scopus
    • 📑1.4 CAS Source Index (CASSI)
    • 📑1.5 Herramientas de visualización bibliométrica
  • 🐍2. Introducción a Python, Google Colab y Linux
    • 💻2.1 Fundamentos de programación
    • 🧹2.2 Manejo y limpieza de datos
    • 🐧2.3 Linux
      • 🪟2.3.1 Subsistema de Windows para Linux (WSL)
        • 👩‍💻2.3.1.1 Creación de usuarios
        • 🧑‍💻2.3.1.2 Selección de usuario de inicio por defecto
        • 🐍2.3.1.3 Instalación de Python, pip3 y VSCode desde WSL
        • 🔰2.3.1.4 Instalación de Anaconda desde WSL
        • ⚗️2.3.1.5 RDKit e instalación de ambientes
      • 👩‍✈️2.3.2 Comandos Linux
        • 📂2.3.2.1 Comandos de navegación
        • 💽2.3.2.2 Exploración y manipulación de archivos
    • 📚Recursos y ejercicios
  • 🧑‍🔬3. Representación molecular
    • 💻3.1 SMILES
    • 💻3.2 SMARTS
    • 💻3.3 InChI Keys
    • 📚Recursos y ejercicios
  • 🔎4. Bases de datos moleculares
    • 💊4.1 PubChem
      • 4.1.1 API
    • 💊4.2 ChEMBL
      • 4.2.1 API
    • 💊4.3 DrugBank
    • 💊4.4 ZINC
    • 💊4.5 ChemSpider
    • 📚Recursos y ejercicios
  • 🗃️5. Construcción y curado de bases de datos moleculares
    • 🧱5.1 Construcción de bases de datos
    • 🧹5.2 Curado de bases de datos
    • 📚Recursos y ejercicios
  • 📊6. Análisis y visualización de información química
    • ✍️6.1 Descriptores moleculares
      • 📈6.1.2 Principios para el Análisis de Bases de Datos Moleculares
      • 🔎6.1.3 Caso de estudio
    • ⚛️6.2 Espacio químico
      • 🎨6.2.1 Multiverso químico y "Chemical art gallery"
    • 📊Recursos y ejercicios
  • 🪞7. Similitud química
    • 🔢7.1 Representación molecular
    • 💱7.2 Función de similitud
    • 📉7.3 Estudios cuantitativos de relación estructura-actividad (QSAR)
    • 🏞️7.4 Panorama y acantilados de actividad
    • 📚Recursos y ejercicios
  • ⚗️8. Enumeración de bibliotecas químicas
    • 👩‍🔬8.1 Reacciones químicas
    • 👨‍🔬8.2 Reglas de transformación
    • 📚Recursos y ejercicios
  • 🔐9. Acoplamiento molecular
    • 9.1 LeDock
    • 9.2 AutoDock Vina
      • 📖9.2.1 Tutorial de acoplamiento
Powered by GitBook
On this page
  • Fundamentos de programación con Python
  • Google Colab
  • Manejo y limpieza de datos
  • Google Colab
  1. 2. Introducción a Python, Google Colab y Linux

Recursos y ejercicios

Previous2.3.2.2 Exploración y manipulación de archivosNext3. Representación molecular

Last updated 11 months ago

Fundamentos de programación con Python

Google Colab

En el siguiente cuaderno de código se ejemplifica el uso de distintos tipos de datos, la definición de variables y funciones, así como la instalación e importación de librerías como Pandas para el manejo de datos en tablas, descritas en la sección de .

Ejercicios
  1. Definir una función en tu propio cuaderno de Google Colab, utilizando Python, para cada uno de los siguientes casos:

a) Escribe una función llamada contar_palabras que tome un texto como entrada (string) y devuelva el número de palabras. Puedes asumir que las palabras están separadas por espacios.

b) Crea una función llamada generar_contraseña que genere y devuelva una contraseña aleatoria. La longitud de la contraseña debe ser un parámetro opcional. Puedes usar la biblioteca random de Python para esto.

c) Define una función llamada es_primo que tome un número como argumento y devuelva True si el número es primo, y False en caso contrario.

d) Escribe una función llamada ordenar_palabras que tome una lista de palabras como entrada y devuelva una nueva lista con las palabras ordenadas alfabéticamente.

e) Escribe una función llamada convertir_temperatura que convierta grados Celsius a Fahrenheit. La fórmula de conversión es:

f) Crea una función llamada suma_pares que tome un número entero como argumento y devuelva la suma de todos los números pares desde 0 hasta ese número.

g) Define una función llamada es_palindromo que tome una cadena como argumento y devuelva True si la cadena es un palíndromo (es decir, se lee igual de adelante hacia atrás que de atrás hacia adelante), y False en caso contrario.

h) Crea una función llamada contar_vocales que tome una cadena como entrada y devuelva un diccionario donde las claves sean las vocales ('a', 'e', 'i', 'o', 'u') y los valores sean el número de veces que aparece cada vocal en la cadena.

Manejo y limpieza de datos

Google Colab

Ejercicios

Para los siguientes ejercicios, es necesario descargar el archivo disponible en la web:

Una vez descargado, crear un nuevo Colab y cargar el archivo para trabajar con los siguientes problemas:

a) Importar la biblioteca pandas.

b) Leer el archivo y visualizar las primeras tres filas.

c) Mostrar el nombre de las columnas y cambiar los nombres necesarios al español. Nota: AMW hace referencia al peso molecular promedio.

d) Mostrar el número de columnas y filas en el dataframe, elimiar posibles valores nulos y verificar el tamaño final.

En el siguiente cuaderno de código se ejemplifica el uso de la librería Pandas para el manejo de datos en tablas, descritas en la sección .

🐍
📚
Manejo y limpieza de datos
https://github.com/DIFACQUIM/Cursos/blob/main/Datasets/Dataframe_ex.csv
Fundamentos de programación
Google Colaboratory
Logo
Google Colab
Logo