Introducción a R y Python / Introdução ao R e Python
Importante
En este sitio web, encontrarás secciones con descripciones en español y portugués. Selecciona tu idioma preferido.
También encontrarás ejemplos escritos en R y Python, y puedes seleccionar con cuál prefieres interactuar en cada caso.
Neste site, você encontrará seções com descrições em Espanhol e Português; selecione seu idioma preferido.
Além disso, você pode encontrar exemplos escritos em R e Python; você também pode selecionar com qual prefere interagir em cada caso.
R y Python / R e Python
¿Qué son R y Python?
Como profesionales de la Salud Pública, es probable que se encuentren constantemente lidiando con grandes cantidades de datos: desde registros de pacientes y datos epidemiológicos hasta resultados de encuestas y estudios de salud. Aquí es donde entran en juego dos herramientas de programación muy poderosas: R y Python. Ambos son lenguajes de código abierto, lo que significa tienen una comunidad global de usuarios que las apoyan y desarrollan constantemente, además de no necesitar licencias para su uso. Aunque tienen diferentes fortalezas, ambos lenguajes de programación son excelentes para el análisis de datos, pero con enfoques ligeramente distintos.
R fue originalmente diseñado para el cálculo estadístico y el análisis de datos. Es particularmente popular en la comunidad académica y estadística, y ofrece una amplia gama de paquetes especializados para tareas como pruebas estadísticas, visualización de datos y modelado predictivo. En salud pública, R es ideal para analizar datos epidemiológicos, como la propagación de enfermedades, la identificación de factores de riesgo y la evaluación de intervenciones de salud. Su sintaxis puede ser un poco compleja al principio, pero ofrece un control muy fino sobre el análisis estadístico.
Python, por otro lado, es un lenguaje de programación de propósito general que se ha vuelto muy popular en los últimos años, especialmente en el campo del análisis de datos y el aprendizaje automático (Machine Learning). Es conocido por su sintaxis clara y fácil de leer, lo que lo hace más accesible para principiantes. Python tiene una gran cantidad de bibliotecas para el análisis de datos, como Pandas (para manipulación de datos), NumPy (para cálculos numéricos) y Scikit-learn (para modelos de aprendizaje automático). En salud pública, Python es útil para tareas como el análisis de datos de encuestas, la creación de modelos predictivos para la salud, la automatización de flujos de trabajo y la integración de datos de diversas fuentes.
En resumen, tanto R como Python son herramientas valiosas para los profesionales de la Salud Pública que necesitan analizar datos. La elección entre uno u otro dependerá de las necesidades específicas del proyecto, la familiaridad del equipo con el lenguaje y el tipo de análisis que se vaya a realizar. A menudo, se utilizan en forma concurrente, aprovechando las fortalezas de cada uno para obtener resultados más completos y precisos. Si están buscando profundizar en el análisis de datos en su trabajo, aprender R o Python puede ser una inversión muy rentable de tu tiempo y esfuerzo.
O que são R e Python?
Como profissionais de saúde pública, você provavelmente lida constantemente com grandes quantidades de dados: desde registros de pacientes e dados epidemiológicos até resultados de pesquisas e estudos de saúde. É aqui que duas ferramentas de programação muito poderosas entram em ação: R e Python. Ambas são linguagens de código aberto, o que significa que contam com uma comunidade global de usuários que as apoia e desenvolve constantemente, e não exigem licenças para seu uso. Embora tenham pontos fortes diferentes, ambas as linguagens de programação são excelentes para análise de dados, mas com abordagens ligeiramente diferentes.
R foi originalmente projetado para computação estatística e análise de dados. É particularmente popular nas comunidades acadêmica e estatística e oferece uma ampla gama de pacotes especializados para tarefas como testes estatísticos, visualização de dados e modelagem preditiva. Em saúde pública, R é ideal para analisar dados epidemiológicos, como disseminação de doenças, identificação de fatores de risco e avaliação de intervenções em saúde. Sua sintaxe pode ser um pouco complexa no início, mas oferece um controle muito preciso sobre a análise estatística.
Python, por outro lado, é uma linguagem de programação de propósito geral que se tornou muito popular nos últimos anos, especialmente nas áreas de análise de dados e aprendizado de máquina. É conhecida por sua sintaxe clara e de fácil leitura, tornando-a mais acessível para iniciantes. Python possui um grande número de bibliotecas para análise de dados, como Pandas (para manipulação de dados), NumPy (para cálculos numéricos) e Scikit-learn (para modelos de aprendizado de máquina). Na saúde pública, Python é útil para tarefas como análise de dados de pesquisas, criação de modelos preditivos para saúde, automação de fluxos de trabalho e integração de dados de diversas fontes.
Em resumo, tanto R quanto Python são ferramentas valiosas para profissionais de saúde pública que precisam analisar dados. A escolha entre uma ou outra dependerá das necessidades específicas do projeto, da familiaridade da equipe com a linguagem e do tipo de análise a ser realizada. Elas são frequentemente usadas simultaneamente, aproveitando os pontos fortes uma da outra para obter resultados mais abrangentes e precisos. Se você deseja se aprofundar na análise de dados em seu trabalho, aprender R ou Python pode ser um investimento muito valioso de tempo e esforço.
Interactuando con el código / Interagindo com o código
A continuación vamos a experimentar con ambos lenguajes, y usarlos para hacer algunos cálculos aritméticos simples:
- Vamos a definir dos variables (
ayb) - Vamos a calcular su suma, resta, multiplicación y división
Para que el código se ejecute, presiona el botón “Run Code”.
A seguir, experimentaremos ambas as linguagens e as utilizaremos para realizar alguns cálculos aritméticos simples:
- Vamos definir duas variáveis (
aeb) - Vamos calcular suas somas, subtrações, multiplicações e divisões
Para executar o código, pressione o botão “Run Code”.
En la siguiente página vamos a describir el conjunto de datos que vamos a usar en los ejemplos y ejercicios.
Na próxima página, descreveremos o conjunto de dados que usaremos nos exemplos e exercícios.