Funciones y Buenas Prácticas en Google Colab y Python

Curso de Fundamentos de Procesamiento de Lenguaje Natural con Python y NLTK

Contenido del curso

Introducción al Procesamiento de Lenguaje Natural

Fundamentos con NLTK

Perspectivas de lo que viene

24
Fundamentos del Procesamiento del Lenguaje Natural con NLTK
03:16 min

Tomar examen

Cursos Empresas Blog Live Conf Eventos Precios

0:0012:57

Funciones y Buenas Prácticas en Google Colab y Python

Curso de Fundamentos de Procesamiento de Lenguaje Natural con Python y NLTK

Clase 23 de 24

Clase 23 / 24

Recursos

¿Cómo crear funciones reutilizables en Google Colab?

A medida que te adentras en el mundo de la programación y procesamiento de textos, emplear librerías como NLTK, Matplotlib y otras es fundamental para obtener distintas perspectivas a la hora de analizar textos. Sin embargo, al trabajar en Google Colab, escribir código celda por celda puede parecer desordenado. Así que, ¡es tiempo de ordenar el caos! Aprende a definir funciones que podrás reutilizar en distintos proyectos, ¡haciendo tu código más limpio y eficiente!

¿Por qué compartimentar el código?

Trabajar en un entorno como Google Colab a menudo lleva a perder la noción de mantener un código organizado. Esto es normal, pero no debe convertirse en un hábito. Utilizar funciones para compartimentar el código es clave para:

Facilitar la reutilización del código en diferentes proyectos.
Ahorrar espacio y mantener tu notebook más ordenado.
Potenciar buenas prácticas de programación.

¿Cómo crear y utilizar funciones en Python?

La simplicidad es clave cuando defines tus propias funciones. Vamos a ilustrar esto con un ejemplo práctico:

Implementar la función get_text

Esta función realizará un procesamiento de texto a partir de un archivo almacenado en Google Drive usando expresiones regulares.

import re

def get_text(file):
    with open(file, 'r') as f:
        text = f.read()
    text = re.sub(r'pattern1', '', text)
    text = re.sub(r'pattern2', '', text)
    return text

Con esta función, puedes leer un archivo, procesar su contenido y obtener un texto más limpio, todo en unas pocas líneas de código.

¿Cómo trasladar funciones a archivos externos?

¿Tienes varias funciones y no quieres llenar todo tu notebook? ¡Llévalas a un archivo Python externo! Utiliza las "magias" de Python para crear un archivo directamente en Google Colab:

!touch /ruta/a/tu/directorio/mifuncion.py

Luego, copia y pega tu función en ese nuevo archivo. Esto te permitirá importar y usar tu función como si fuera una librería:

import sys
sys.path.append('/ruta/a/tu/directorio')
import mifuncion

mifuncion.get_text('/ruta/al/archivo.txt')

¿Cómo crear la función freckWords?

Apliquemos estas habilidades en un ejercicio práctico creando una función que retorne las palabras más comunes de un texto almacenado en una URL:

from nltk import FreqDist
from bs4 import BeautifulSoup
import requests

def freckWords(url, n):
    response = requests.get(url)
    raw = response.text
    soup = BeautifulSoup(raw, 'html.parser')
    text = soup.get_text()
    tokens = text.split()
    fd = FreqDist(tokens)
    return fd.most_common(n)

Implementa esta función en un archivo externo, y luego impórtalo en tu notebook para disfrutar de un código organizado y eficiente.

Conclusión

Crear funciones reutilizables y organizadas es una parte esencial en el desarrollo de un código limpio y eficiente. No solo ayuda a mantener estructura, sino que también maximiza tu productividad al simplificar el manejo del código. Con práctica, estas habilidades transformarán tu forma de programar en un entorno colaborativo como Google Colab. ¡Continúa explorando y mejorando, tus proyectos te lo agradecerán!

Gabriel Obregón

Hace un año

🧠✨ Funciones Reutilizables en Google Colab

🎯 1. Idea Central

💬 “Organizar el código en funciones es la clave para un trabajo limpio, eficiente y fácil de mantener en Google Colab.”

➡️ Las funciones te ayudan a ordenar, reutilizar y mejorar tu código.

🧩 2. ¿Por qué usar funciones?

Beneficios principales:

🔁 Reutilización: Evita repetir el mismo código.
🧹 Orden: Tu notebook se mantiene más claro y limpio.
⚙️ Buenas prácticas: Facilita la lectura y el mantenimiento.
🚀 Productividad: Ahorras tiempo al automatizar tareas.

💡 Piensa en las funciones como “bloques de construcción” que puedes usar en cualquier proyecto.

💻 3. Cómo crear una función en Python

🧮 Ejemplo práctico → get_text()

Función que procesa texto usando expresiones regulares.

import re

def get_text(file):

with open(file, 'r') as f:

text = f.read()

text = re.sub('pattern1', '', text)

text = re.sub('pattern2', '', text)

return text

📋 Qué hace:

📂 Abre el archivo.
🧼 Limpia el texto eliminando patrones.
📄 Devuelve el texto procesado.

🔎 Ideal para preprocesar textos antes de analizarlos.

📦 4. Cómo guardar funciones en archivos externos

Evita llenar tu notebook. Guarda las funciones en un archivo y úsalas cuando quieras.

🪄 Pasos mágicos:

✏️ Crear el archivo en Colab: !touch /ruta/a/tu/directorio/mifuncion.py

📋 Copia dentro tus funciones.

🧠 Importa el archivo para usar tus funciones: import sys

sys.path.append('/ruta/a/tu/directorio')

import mifuncion

mifuncion.get_text('/ruta/al/archivo.txt')

✅ Resultado: código modular, limpio y reutilizable.

🌐 5. Ejemplo avanzado: freckWords()

📊 Encuentra las palabras más comunes de un texto obtenido desde una página web.

from nltk import FreqDist

from bs4 import BeautifulSoup

import requests

def freckWords(url, n):

response = requests.get(url)

raw = response.text

soup = BeautifulSoup(raw, 'html.parser')

text = soup.get_text()

tokens = text.split()

fd = FreqDist(tokens)

return fd.most_common(n)

🔍 Cómo funciona:

🌍 Descarga el contenido de la web.
🧩 Extrae el texto con BeautifulSoup.
✂️ Divide el texto en palabras.
📈 Calcula las más frecuentes.

💬 Una herramienta práctica para análisis de texto y minería de datos.

Comentarios (19)19 comentarios

Jose Daniel Gallegos Padilla

Hace 6 años

Carolina Acosta Muñoz

Miguel R Montilla

Hace 5 años

Israel Alejandro Guarneros Sandoval

rusbel bermúdez rivera

Platzi Nauta

Javier Guevara

Anthony Pernia

Juan Manuel Ramirez

Hace 4 años

Juan Nicolás Pinilla Morales

Hace 3 años

Laura Quintero

Hace 2 años

Luis Eduardo Chacón Wilches

Luciano Gauchez

Ricardo Moreno

Orlando castellanos

Carlos Axel Espinosa Ramirez

Jhon Freddy Tavera Blandon

Mauricio Combariza

Jesus Battiato

Andres Alfonso Perez Rodriguez

FELIX DAVID CORDOVA GARCIA

Introducción al Procesamiento de Lenguaje Natural

Fundamentos del Procesamiento de Lenguaje Natural con Python y NLTK

Evolución y Técnicas del Procesamiento del Lenguaje Natural

Procesamiento del Lenguaje Natural con Python y NLTK

Fundamentos con NLTK

Procesamiento de Lenguaje Natural con Python en Google Colab

Expresiones Regulares en Python: Patrones de Búsqueda Avanzados

Tokenización de Texto con Expresiones Regulares en Python

Estadística para Procesamiento del Lenguaje: Riqueza Léxica y Métricas

Cálculo de frecuencias con NLTK y diccionarios en Python

Filtrado y Visualización de Frecuencias de Palabras con NLTK y NumPy

Estadísticas de Ennegramas y Colocaciones en Textos

Extracción de Ngramas y Bigramas con NLTK en Python

Análisis de Colocaciones con NLTK y Pandas en Python

Visualización de Colocaciones en Textos con Pandas y Plotly

Identificación de Colocaciones en Textos con NLTK y PMI

Recursos Léxicos: Uso y Aplicación en Procesamiento del Lenguaje

Recursos Léxicos en Python: Vocabularios, Frecuencias y Stopwords

Traducción de palabras con Swadesh en procesamiento de lenguaje natural

Uso de WarNet para Procesamiento del Lenguaje Natural

Análisis de Sinsets e Hipónimos con NLTK y WordNet en Google Colab

Medición de Similitud Semántica con WordNet en Python

Extracción y Procesamiento de Texto desde Páginas Web con NLTK

Organización de Código en Google Colab con Funciones y Módulos

Funciones y Buenas Prácticas en Google Colab y Python

Perspectivas de lo que viene

Fundamentos del Procesamiento del Lenguaje Natural con NLTK

Funciones y Buenas Prácticas en Google Colab y Python

Progreso del curso

Introducción al Procesamiento de Lenguaje Natural

Fundamentos con NLTK

Perspectivas de lo que viene

Recursos

Recursos