⭐ Guía de Buenas Prácticas

Principios y técnicas para desarrollar Python de manera profesional y eficiente

🐍 ¿Por qué Python puro en lugar de Anaconda?

Aunque Anaconda es una excelente herramienta para ciencia de datos, Python puro ofrece ventajas significativas para el desarrollo general:

✅ Python Puro - Ventajas

Ligereza: Instalación mínima (~50MB vs ~3GB)
Control total: Gestión precisa de dependencias
Compatibilidad: Funciona en cualquier entorno
Aprendizaje: Entiendes mejor el ecosistema Python
Producción: Despliegues más simples y predecibles

⚠️ Anaconda - Consideraciones

Tamaño: Instalación muy pesada
Complejidad: Múltiples gestores de paquetes
Conflictos: Puede interferir con otras instalaciones
Dependencia: Vinculación a un ecosistema específico
Overhead: Recursos innecesarios para desarrollo simple

🎯 Recomendación

Usa Python puro para desarrollo general y web. Reserva Anaconda solo para proyectos específicos de ciencia de datos donde realmente necesites sus herramientas especializadas.

🏆 Las 5 Reglas de Oro

Cinco principios esenciales para desarrollar Python de manera profesional:

1️⃣ Un proyecto = Un entorno virtual

Nunca instales paquetes globalmente. Cada proyecto necesita su propio entorno aislado.

2️⃣ Requirements.txt siempre actualizado

Es tu "receta" para que otros repliquen tu trabajo. Sin esto, no hay colaboración posible.

3️⃣ Documenta todo

Comenta lo complicado, usa nombres descriptivos, explica el "por qué" no solo el "qué".

4️⃣ Código organizado

Una función = Una tarea. Separa datos, código y resultados en carpetas lógicas.

5️⃣ Comparte correctamente

Incluye requirements.txt, escribe instrucciones claras y prueba que funciona en otro equipo.

🔄 Consistencia de Versiones - La Clave del Trabajo en Equipo

Una de las frustraciones más comunes en equipos de desarrollo es el famoso: "Pero si en mi máquina funciona..."

❌ El Problema Real

Imagina este escenario común en equipos:

😱 Sin Estandarización

María: Python 3.12.4 (instaló hace 2 semanas)
Juan: Python 3.12.7 (instaló ayer)
Ana: Python 3.11.9 (máquina antigua)
Servidor Producción: Python 3.12.5 🤯

Resultado: El código funciona diferente en cada máquina. ¡Caos total!

✅ Con Estandarización

María: Python 3.11.9 ✅
Juan: Python 3.11.9 ✅
Ana: Python 3.11.9 ✅
Servidor Producción: Python 3.11.9 ✅

Resultado: Todo funciona exactamente igual en todos lados. ¡Paz mental!

🎯 La Solución: Versiones Fijas

Python Quick Setup usa versiones fijas que solo cambian cuando TÚ decides actualizarlas. Esto garantiza que:

👥 Mismo Entorno = Cero Sorpresas

Todos en el equipo trabajan con la misma versión exacta. Si funciona en tu máquina, funciona en todas.

📅 Control Total de Actualizaciones

Tú decides cuándo actualizar, no Python.org. Planificas, pruebas y actualizas cuando el equipo esté listo.

🔒 Estabilidad en Producción

Tu servidor nunca se actualiza automáticamente y rompe todo en un viernes a las 6pm.

📝 Documentación Automática

Cada proyecto sabe exactamente qué versión de Python necesita. Sin adivinanzas.

💡 ¿Qué Versión Usar?

🏆 Para la Mayoría: Python 3.11.9

Por qué es la recomendada:

Perfecta balance de estabilidad y características modernas
Soportada hasta Octubre 2027 (3 años más)
Usada por el 80% de equipos profesionales
Todas las librerías populares la soportan

🚀 Para Proyectos Nuevos: Python 3.12.7

Cuándo elegirla:

Quieres las últimas mejoras de rendimiento
Proyecto nuevo sin código legacy
Soportada hasta Octubre 2028 (4 años más)
Mejoras de velocidad del 5-10%

⚠️ Evita Python 3.13.0 para Producción

Es la versión experimental. Úsala solo para probar nuevas características, no para proyectos serios. Muchas librerías todavía no la soportan completamente.

📚 Buenas Prácticas para Equipos

Acuerda la Versión

Todo el equipo usa la misma versión. Sin excepciones. Documéntala en el README del proyecto.

Revisa Cada 6 Meses

En abril y octubre, evalúa si necesitas actualizar. Solo hazlo si hay razones de seguridad o nuevas características críticas.

Prueba Antes de Desplegar

Nunca actualices directo en producción. Prueba primero en desarrollo, luego en staging, finalmente en producción.

Actualiza en Equipo

Todos actualizan el mismo día. Coordinen para evitar tener diferentes versiones durante días.

🔗 ¿Quieres los Detalles Técnicos?

Si necesitas saber cómo actualizar versiones manualmente, configurar despliegues empresariales, o entender la política completa de versiones, consulta la Guía Técnica de Política de Versiones.

💎 Regla de Oro

Consistencia > Novedad. Es mejor que todo el equipo use Python 3.11 que tener la mitad en 3.11, un cuarto en 3.12 y otro cuarto en 3.13. La estandarización elimina el 90% de los problemas de "funciona en mi máquina".

🚀 Scripts de Automatización

Los templates incluyen scripts que automatizan todo el flujo de trabajo:

🎛️ manager.ps1

Gestión completa del proyecto: crear entorno, instalar paquetes, ejecutar código, guardar dependencias.

.\manager.ps1

⚡ terminal.ps1

Activación rápida del entorno para sesiones de desarrollo directo en terminal.

.\terminal.ps1

🔄 Flujo Diario

Inicio: .\manager.ps1 para setup automático
Desarrollo: .\terminal.ps1 para sesiones rápidas
Compartir: Todo queda en requirements.txt automáticamente

📝 Convenciones de Nomenclatura

Las convenciones correctas hacen que tu código sea profesional y fácil de mantener:

🎯 Reglas Básicas para Nombres

📝 Nombres sencillos y claros

Usa nombres que expliquen qué hace. calcular_promedio es mejor que calc.

🔗 Sin espacios

Usa guiones bajos en lugar de espacios. mi_variable no mi variable.

🔡 En minúsculas

Todo en letras minúsculas para consistencia. archivo_datos.py.

🌍 Sin tildes

Evita acentos y caracteres especiales. analisis no análisis.

✅ Ejemplos Prácticos

✅ Correcto

# Variables y funciones: snake_case
nombre_usuario = "Juan"
lista_productos = []
precio_total = 100.50

def calcular_promedio(numeros):
    return sum(numeros) / len(numeros)

def obtener_datos_usuario():
    pass

# Archivos de proyecto
analisis_ventas/
procesar_datos.py
config_database.py

❌ Evitar

# NO uses camelCase para variables
nombreUsuario = "Juan"
listaProductos = []
precioTotal = 100.50

def CalcularPromedio(numeros):
    pass

def obtenerDatosUsuario():
    pass

# NO uses espacios o tildes
Análisis de Ventas/
Procesar Datos.py
configuración_bd.py

💡 Tip para Principiantes

Cada vez que notes que estás copiando y pegando código, es momento de crear una función helper! Mantenlo organizado en el archivo helpers/helpers.py.

🗂️ Estructura del Proyecto

Una estructura bien organizada facilita el desarrollo, mantenimiento y colaboración:

📁 Template Básico - Para Principiantes

mi_proyecto/
├── 📄 main.py              # Tu código principal
├── 📄 README.md            # Documentación del proyecto
├── 📄 requirements.txt     # Lista de paquetes necesarios
├── 📄 manager.ps1          # Gestor principal del proyecto
├── 📄 terminal.ps1         # Activador rápido de entorno
├── 📁 helpers/             # Funciones reutilizables
│   └── 📄 helpers.py       # Funciones comunes
└── 📁 venv/                # Entorno virtual (no subir a Git)

🏢 Template Completo - Para Proyectos Profesionales

mi_proyecto/
├── 📄 main.py              # Punto de entrada principal
├── 📄 README.md            # Documentación completa
├── 📄 requirements.txt     # Dependencias del proyecto
├── 📄 manager.ps1          # Gestor completo del proyecto
├── 📄 terminal.ps1         # Activador rápido del entorno
├── 📁 data/                # Datos del proyecto
│   ├── 📁 insumos/         # Archivos originales
│   ├── 📁 resultados/      # Archivos procesados
│   └── 📁 logs/            # Registros de ejecución
├── 📁 notebooks/           # Análisis exploratorio
├── 📁 helpers/             # Módulos reutilizables
│   ├── 📄 data_processor.py
│   ├── 📄 file_manager.py
│   └── 📄 utilities.py
└── 📁 venv/                # Entorno virtual (no subir)

💡 ¿Cuál Template Usar?

🎓 Template Básico

Estás empezando con Python
Proyectos simples y scripts
Quieres aprender las bases
Proyectos personales pequeños

🏢 Template Completo

Análisis de datos profesional
Colaboración en equipo
Manejo de múltiples archivos
Notebooks de Jupyter

🚀 Tip de Crecimiento

Empieza con el Template Básico y cuando te sientas cómodo, migra al Completo. Ambos usan los mismos scripts de automatización, facilitando la transición.

📦 Requirements.txt - La Clave de la Colaboración

El archivo requirements.txt es fundamental para la reproducibilidad del proyecto y con el manager.ps1 su gestión es completamente automática:

🎛️ Gestión Automática con manager.ps1:

✅ Flujo Moderno

# 1. Instalar paquetes (opción 3 del manager)
.\manager.ps1 → 3

# 2. Guardar automáticamente (opción 4 del manager)
.\manager.ps1 → 4

# ¡Requirements.txt se actualiza solo!
                        

❌ Flujo Manual (Obsoleto)

# Método tradicional (ya no necesario)
pip install requests
pip freeze > requirements.txt

# Problemas:
# - Activar entorno manualmente
# - Escribir comando
# - Propenso a errores manuales

🔄 Ventajas del Manager:

🎯 Precisión Automática

Solo guarda los paquetes que realmente instalaste, no sus sub-dependencias.

📋 Versiones Inteligentes

Genera rangos de versión compatibles automáticamente para mayor flexibilidad.

🛡️ Sin Errores

Elimina errores humanos y garantiza un requirements.txt limpio y funcional.

⚡ Flujo Rápido

Instalar → Guardar → Compartir en segundos, sin comandos complejos.

💡 Regla de Oro

Nunca edites requirements.txt manualmente. Usa siempre el manager.ps1 (opción 4) para actualizarlo. Esto garantiza consistencia y evita problemas de dependencias.

🔄 Flujo de Trabajo

Flujo diario simplificado para máxima productividad:

🌅 Al Empezar

# Activar entorno
.\manager.ps1

# O activación rápida
.\terminal.ps1

💼 Durante el Trabajo

# Desarrollar → Probar → Documentar
python main.py
# Instalar algo nuevo
.\manager.ps1 → Opción 3

💡 Regla de Oro del Flujo

1. Usa manager.ps1 para setup y paquetes • 2. Usa terminal.ps1 para trabajo rápido • 3. Guarda dependencias con opción 4 del gestor

📚 Documentación y Guía de Apoyo

Una buena documentación es fundamental para cualquier proyecto exitoso. Los templates incluyen archivos README prediseñados para diferentes niveles:

📄 Templates de Documentación Incluidos:

📝 README_basic.md

Para proyectos simples y principiantes. Incluye lo esencial: descripción, instalación rápida con manager.ps1, y uso básico.

🏢 README_complex.md

Para proyectos profesionales. Incluye arquitectura, contribuciones, testing, deployment y documentación técnica completa.

📝 Sobre la Sintaxis Markdown:

🌐 Lenguaje Universal

Markdown es estándar en GitHub, GitLab, y plataformas de desarrollo. Aprenderlo te beneficiará en cualquier proyecto.

📚 Recursos de Apoyo

Guías: GitHub Markdown Guide, Markdown Tutorial
Editores: Typora, MarkText, o VS Code con preview

⚡ Sintaxis Simple

# Título, **negrita**, `código`, - lista. ¡Es más fácil de lo que parece!

📄 Alternativa Word

Si prefieres, puedes usar Word (.docx) para documentar. Lo importante es documentar, no el formato.

🎯 ¿Por qué es tan Importante Documentar?

💡 La Documentación es tu Mejor Inversión

Para ti: En 6 meses no recordarás cómo funciona tu código
Para otros: Sin documentación, tu proyecto es inutilizable
Para equipos: Acelera la integración de nuevos miembros
Para clientes: Demuestra profesionalismo y calidad

✅ Proyecto Bien Documentado

Cualquiera puede usarlo en 5 minutos
Instrucciones claras de instalación
Ejemplos de uso prácticos
Información de contacto y soporte

❌ Proyecto Sin Documentación

Solo funciona en tu máquina
Nadie sabe cómo instalarlo
Código incomprensible para otros
Abandono inevitable del proyecto

🆘 Solución de Problemas

Problemas comunes que puedes encontrar y sus soluciones paso a paso:

🛠️ Problemas con Scripts PowerShell

❌ Error: "No se puede ejecutar scripts"
Solución: Ejecuta como usuario normal (no admin):
Set-ExecutionPolicy -ExecutionPolicy RemoteSigned -Scope CurrentUser

🐍 Problemas con Python

❌ Error: "Python no reconocido"
Solución:
• Reinstala Python desde python.org
• Marca "Add Python to PATH" durante instalación
• Reinicia la terminal

❌ Error: "Módulo no encontrado"
Solución:
• Asegúrate de que el entorno esté activado (.venv)
• Usa opción 3 del gestor para instalar
• Guarda en requirements con opción 4

🔧 Problemas con Entornos Virtuales

❌ El entorno no se activa
Solución:
• Ejecuta .\manager.ps1 opción 1 para recrear
• Verifica que existe la carpeta venv o .venv

❌ Entorno virtual corrupto
Solución:
• Elimina la carpeta del entorno: rmdir /s venv
• Usa .\manager.ps1 para recrear automáticamente

📚 Problemas Avanzados

❌ Problemas con Jupyter Notebooks
Solución:
• Instala kernel específico: python -m ipykernel install --user --name=venv
• En Jupyter: Kernel > Change kernel > venv

❌ Problemas de memoria con datos grandes
Solución:
• Procesa datos en chunks con pandas
• Usa dtype específicos
• Considera dask para datasets muy grandes

💡 Tip de Oro

Los scripts manager.ps1 incluyen validaciones automáticas que previenen la mayoría de estos problemas. Úsalos siempre que sea posible.

📚 Recursos para Aprender Python

Recursos organizados por nivel y especialización para acelerar tu aprendizaje:

📖 Documentación Oficial

🐍 Python.org - Tutorial oficial

La guía oficial completa. Perfecta para entender los fundamentos del lenguaje.

📚 Python.org - Referencia

Documentación técnica detallada. Útil cuando necesitas información específica.

🎓 Sitios de Aprendizaje Recomendados

🔥 Real Python

Tutoriales prácticos y proyectos. Excelente para aprender con ejemplos reales.

💻 GeeksforGeeks Python

Conceptos y ejemplos detallados. Perfecto para reforzar conceptos específicos.

🚀 Automate the Boring Stuff

Python práctico para automatizar tareas cotidianas. Ideal para principiantes.

📝 W3Schools Python

Curso interactivo básico con ejercicios. Excelente para empezar desde cero.

📊 Recursos para Análisis de Datos

🐼 Pandas User Guide

Manipulación de datos con DataFrames. Esencial para análisis de datos.

🔢 NumPy Documentation

Computación numérica eficiente. Base para muchas librerías científicas.

📈 Matplotlib Tutorials

Gráficos básicos y visualización. Fundamental para presentar datos.

🎨 Seaborn Gallery

Visualización estadística elegante. Perfecto para gráficos profesionales.

🎥 Canales de YouTube en Español

🎬 Para Principiantes

MoureDev: Programación general y buenas prácticas
Código Facilito: Tutoriales Python paso a paso
Platzi: Cursos completos estructurados

📊 Para Análisis de Datos

Dot CSV: Data Science y Machine Learning
Ringa Tech: Análisis de datos práctico
Sociedad de Datos: Estadística y Python

🎯 Tip de Estudio

Para Principiantes: Empieza con W3Schools + MoureDev
Para Análisis: Pandas User Guide + Dot CSV
Para Profesionales: Real Python + documentación oficial

⚖️ Licencia y Soporte

📄 Licencia MIT

Este proyecto está licenciado bajo la Licencia MIT, lo que significa que es completamente gratuito para uso personal y comercial.

Desarrollado por: Rafael Medina con asistencia de Claude (Anthropic) para crear documentación profesional y mejores prácticas.

🤝 Soporte:

📧 Reportes de bugs y sugerencias via Issues de GitHub
🌟 ¡Dale una estrella al proyecto si te resulta útil!

# Clonar el repositorio
git clone https://github.com/rafaelmedina435/python-quicksetup.git

⭐ Best Practices Guide

Principles and techniques for developing Python professionally and efficiently

🐍 Why Pure Python instead of Anaconda?

While Anaconda is an excellent tool for data science, pure Python offers significant advantages for general development:

✅ Pure Python - Advantages

Lightweight: Minimal installation (~50MB vs ~3GB)
Full control: Precise dependency management
Compatibility: Works in any environment
Learning: Better understanding of Python ecosystem
Production: Simpler and more predictable deployments

⚠️ Anaconda - Considerations

Size: Very heavy installation
Complexity: Multiple package managers
Conflicts: Can interfere with other installations
Dependency: Tied to a specific ecosystem
Overhead: Unnecessary resources for simple development

🎯 Recommendation

Use pure Python for general and web development. Reserve Anaconda only for specific data science projects where you really need its specialized tools.

🏆 The 5 Golden Rules

Five essential principles for developing Python professionally:

1️⃣ One project = One virtual environment

Never install packages globally. Each project needs its own isolated environment.

2️⃣ Always updated requirements.txt

It's your "recipe" for others to replicate your work. Without it, collaboration is impossible.

3️⃣ Document everything

Comment the complex parts, use descriptive names, explain the "why" not just the "what".

4️⃣ Organized code

One function = One task. Separate data, code, and results in logical folders.

5️⃣ Share correctly

Include requirements.txt, write clear instructions, and test that it works on another machine.

🔄 Version Consistency - The Key to Team Collaboration

One of the most common frustrations in development teams is the famous: "But it works on my machine..."

❌ The Real Problem

Imagine this common team scenario:

😱 Without Standardization

Mary: Python 3.12.4 (installed 2 weeks ago)
John: Python 3.12.7 (installed yesterday)
Anna: Python 3.11.9 (old machine)
Production Server: Python 3.12.5 🤯

Result: Code behaves differently on each machine. Total chaos!

✅ With Standardization

Mary: Python 3.11.9 ✅
John: Python 3.11.9 ✅
Anna: Python 3.11.9 ✅
Production Server: Python 3.11.9 ✅

Result: Everything works exactly the same everywhere. Peace of mind!

🎯 The Solution: Fixed Versions

Python Quick Setup uses fixed versions that only change when YOU decide to update them. This guarantees that:

👥 Same Environment = Zero Surprises

Everyone on the team works with the exact same version. If it works on your machine, it works on all machines.

📅 Full Update Control

You decide when to update, not Python.org. Plan, test, and update when the team is ready.

🔒 Production Stability

Your server never auto-updates and breaks everything on a Friday at 6pm.

📝 Automatic Documentation

Each project knows exactly which Python version it needs. No guessing.

💡 Which Version to Use?

🏆 For Most Teams: Python 3.11.9

Why it's recommended:

Perfect balance of stability and modern features
Supported until October 2027 (3 more years)
Used by 80% of professional teams
All popular libraries support it

🚀 For New Projects: Python 3.12.7

When to choose it:

You want the latest performance improvements
Brand new project with no legacy code
Supported until October 2028 (4 more years)
5-10% speed improvements

⚠️ Avoid Python 3.13.0 for Production

It's the experimental version. Use it only for testing new features, not for serious projects. Many libraries still don't fully support it.

📚 Best Practices for Teams

Agree on Version

The whole team uses the same version. No exceptions. Document it in the project README.

Review Every 6 Months

In April and October, evaluate if you need to update. Only do it for security reasons or critical new features.

Test Before Deploying

Never update directly in production. Test first in development, then staging, finally production.

Update as a Team

Everyone updates on the same day. Coordinate to avoid having different versions for days.

🔗 Want the Technical Details?

If you need to know how to manually update versions, configure enterprise deployments, or understand the complete version policy, check the Technical Version Policy Guide.

💎 Golden Rule

Consistency > Novelty. It's better for the whole team to use Python 3.11 than having half on 3.11, a quarter on 3.12, and another quarter on 3.13. Standardization eliminates 90% of "works on my machine" problems.

🚀 Automation Scripts

Templates include scripts that automate the entire workflow:

🎛️ manager.ps1

Complete project management: create environment, install packages, run code, save dependencies.

.\manager.ps1

⚡ terminal.ps1

Quick environment activation for direct terminal development sessions.

.\terminal.ps1

🔄 Daily Flow

Start: .\manager.ps1 for automatic setup
Development: .\terminal.ps1 for quick sessions
Share: Everything goes to requirements.txt automatically

📝 Naming Conventions

Correct conventions make your code professional and easy to maintain:

🎯 Basic Rules for Names

📝 Simple and clear names

Use names that explain what it does. calculate_average is better than calc.

🔗 No spaces

Use underscores instead of spaces. my_variable not my variable.

🔡 Lowercase

Everything in lowercase for consistency. data_file.py.

🌍 No accents

Avoid accents and special characters. analysis not análisis.

✅ Practical Examples

✅ Correct

# Variables and functions: snake_case
user_name = "John"
product_list = []
total_price = 100.50

def calculate_average(numbers):
    return sum(numbers) / len(numbers)

def get_user_data():
    pass

# Project files
sales_analysis/
process_data.py
config_database.py

❌ Avoid

# DON'T use camelCase for variables
userName = "John"
productList = []
totalPrice = 100.50

def CalculateAverage(numbers):
    pass

def getUserData():
    pass

# DON'T use spaces or accents
Sales Analysis/
Process Data.py
configuración_bd.py

💡 Tip for Beginners

Every time you notice you're copying and pasting code, it's time to create a helper function! Keep it organized in the helpers/helpers.py file.

🗂️ Project Structure

A well-organized structure facilitates development, maintenance, and collaboration:

📁 Basic Template - For Beginners

my_project/
├── 📄 main.py              # Your main code
├── 📄 README.md            # Project documentation
├── 📄 requirements.txt     # List of needed packages
├── 📄 manager.ps1          # Main project manager
├── 📄 terminal.ps1         # Quick environment activator
├── 📁 helpers/             # Reusable functions
│   └── 📄 helpers.py       # Common functions
└── 📁 venv/                # Virtual environment (don't upload to Git)

🏢 Complete Template - For Professional Projects

my_project/
├── 📄 main.py              # Main entry point
├── 📄 README.md            # Complete documentation
├── 📄 requirements.txt     # Project dependencies
├── 📄 manager.ps1          # Complete project manager
├── 📄 terminal.ps1         # Quick environment activator
├── 📁 data/                # Project data
│   ├── 📁 input/           # Original files
│   ├── 📁 output/          # Processed files
│   └── 📁 logs/            # Execution logs
├── 📁 notebooks/           # Exploratory analysis
├── 📁 helpers/             # Reusable modules
│   ├── 📄 data_processor.py
│   ├── 📄 file_manager.py
│   └── 📄 utilities.py
└── 📁 venv/                # Virtual environment (don't upload)

💡 Which Template to Use?

🎓 Basic Template

You're starting with Python
Simple projects and scripts
You want to learn the basics
Small personal projects

🏢 Complete Template

Professional data analysis
Team collaboration
Handling multiple files
Jupyter notebooks

🚀 Growth Tip

Start with the Basic Template and when you feel comfortable, migrate to the Complete one. Both use the same automation scripts, making the transition easier.

📦 Requirements.txt - The Key to Collaboration

The requirements.txt file is fundamental for project reproducibility and with manager.ps1 its management is completely automatic:

🎛️ Automatic Management with manager.ps1:

✅ Modern Workflow

# 1. Install packages (manager option 3)
.\manager.ps1 → 3

# 2. Save automatically (manager option 4)
.\manager.ps1 → 4

# Requirements.txt updates itself!

❌ Manual Workflow (Obsolete)

# Traditional method (no longer needed)
pip install requests
pip freeze > requirements.txt

# Problems:
# - Activate environment manually
# - Write command
# - Prone to manual errors

🔄 Manager Advantages:

🎯 Automatic Precision

Only saves packages you actually installed, not their sub-dependencies.

📋 Smart Versions

Automatically generates compatible version ranges for greater flexibility.

🛡️ Error-Free

Eliminates human errors and guarantees a clean, functional requirements.txt.

⚡ Fast Workflow

Install → Save → Share in seconds, without complex commands.

💡 Golden Rule

Never edit requirements.txt manually. Always use manager.ps1 (option 4) to update it. This ensures consistency and prevents dependency issues.

🔄 Workflow

Daily workflow simplified for maximum productivity:

🌅 Getting Started

# Activate environment
.\manager.ps1

# Or quick activation
.\terminal.ps1

💼 During Work

# Develop → Test → Document
python main.py
# Install something new
.\manager.ps1 → Option 3

💡 Golden Workflow Rule

1. Use manager.ps1 for setup and packages • 2. Use terminal.ps1 for quick work • 3. Save dependencies with option 4 of the manager

📚 Documentation and Support Guide

Good documentation is fundamental for any successful project. Templates include pre-designed README files for different levels:

📄 Included Documentation Templates:

📝 README_basic.md

For simple projects and beginners. Includes essentials: description, quick installation with manager.ps1, and basic usage.

🏢 README_complex.md

For professional projects. Includes architecture, contributions, testing, deployment, and complete technical documentation.

📝 About Markdown Syntax:

🌐 Universal Language

Markdown is standard on GitHub, GitLab, and development platforms. Learning it will benefit you in any project.

📚 Support Resources

Guides: GitHub Markdown Guide, Markdown Tutorial
Editors: Typora, MarkText, or VS Code with preview

⚡ Simple Syntax

# Title, **bold**, `code`, - list. It's easier than it looks!

📄 Word Alternative

If you prefer, you can use Word (.docx) for documentation. The important thing is to document, not the format.

🎯 Why is Documentation so Important?

💡 Documentation is your Best Investment

For you: In 6 months you won't remember how your code works
For others: Without documentation, your project is unusable
For teams: Accelerates new member integration
For clients: Demonstrates professionalism and quality

✅ Well-Documented Project

Anyone can use it in 5 minutes
Clear installation instructions
Practical usage examples
Contact and support information

❌ Undocumented Project

Only works on your machine
Nobody knows how to install it
Code incomprehensible to others
Inevitable project abandonment

🆘 Troubleshooting

Common problems you may encounter and their step-by-step solutions:

🛠️ PowerShell Script Problems

❌ Error: "Cannot execute scripts"
Solution: Run as normal user (not admin):
Set-ExecutionPolicy -ExecutionPolicy RemoteSigned -Scope CurrentUser

🐍 Python Problems

❌ Error: "Python not recognized"
Solution:
• Reinstall Python from python.org
• Check "Add Python to PATH" during installation
• Restart the terminal

❌ Error: "Module not found"
Solution:
• Make sure the environment is activated (.venv)
• Use option 3 from the manager to install
• Save to requirements with option 4

🔧 Virtual Environment Problems

❌ Environment doesn't activate
Solution:
• Run .\manager.ps1 option 1 to recreate
• Verify that the venv or .venv folder exists

❌ Corrupted virtual environment
Solution:
• Delete the environment folder: rmdir /s venv
• Use .\manager.ps1 to recreate automatically

📚 Advanced Problems

❌ Jupyter Notebook problems
Solution:
• Install specific kernel: python -m ipykernel install --user --name=venv
• In Jupyter: Kernel > Change kernel > venv

❌ Memory problems with large data
Solution:
• Process data in chunks with pandas
• Use specific dtype
• Consider dask for very large datasets

💡 Golden Tip

The manager.ps1 scripts include automatic validations that prevent most of these problems. Use them whenever possible.

📚 Python Learning Resources

Resources organized by level and specialization to accelerate your learning:

📖 Official Documentation

🐍 Python.org - Official tutorial

The complete official guide. Perfect for understanding language fundamentals.

📚 Python.org - Reference

Detailed technical documentation. Useful when you need specific information.

🎓 Recommended Learning Sites

🔥 Real Python

Practical tutorials and projects. Excellent for learning with real examples.

💻 GeeksforGeeks Python

Detailed concepts and examples. Perfect for reinforcing specific concepts.

🚀 Automate the Boring Stuff

Practical Python for automating everyday tasks. Ideal for beginners.

📝 W3Schools Python

Interactive basic course with exercises. Excellent for starting from scratch.

📊 Data Analysis Resources

🐼 Pandas User Guide

Data manipulation with DataFrames. Essential for data analysis.

🔢 NumPy Documentation

Efficient numerical computing. Foundation for many scientific libraries.

📈 Matplotlib Tutorials

Basic graphics and visualization. Fundamental for presenting data.

🎨 Seaborn Gallery

Elegant statistical visualization. Perfect for professional graphics.

🎥 YouTube Channels in English

🎬 For Beginners

Corey Schafer: Python fundamentals and best practices
Programming with Mosh: Complete Python tutorials
freeCodeCamp: Long-form structured courses

📊 For Data Analysis

Data School: Pandas and data analysis
Keith Galli: Practical data science projects
Sentdex: Python for finance and analysis

🎯 Study Tip

For Beginners: Start with W3Schools + Corey Schafer
For Analysis: Pandas User Guide + Data School
For Professionals: Real Python + official documentation

⚖️ License and Support

📄 MIT License

This project is licensed under the MIT License, which means it's completely free for personal and commercial use.

Developed by: Rafael Medina with assistance from Claude (Anthropic) to create professional documentation and best practices.

🤝 Support:

📧 Bug reports and suggestions via GitHub Issues
🌟 Give the project a star if you find it useful!

# Clone the repository
git clone https://github.com/rafaelmedina435/python-quicksetup.git
                

Índice

Index

⭐ Guía de Buenas Prácticas

🐍 ¿Por qué Python puro en lugar de Anaconda?

✅ Python Puro - Ventajas

⚠️ Anaconda - Consideraciones

🎯 Recomendación

🏆 Las 5 Reglas de Oro

1️⃣ Un proyecto = Un entorno virtual

2️⃣ Requirements.txt siempre actualizado

3️⃣ Documenta todo

4️⃣ Código organizado

5️⃣ Comparte correctamente

🔄 Consistencia de Versiones - La Clave del Trabajo en Equipo

❌ El Problema Real

😱 Sin Estandarización

✅ Con Estandarización

🎯 La Solución: Versiones Fijas

👥 Mismo Entorno = Cero Sorpresas

📅 Control Total de Actualizaciones

🔒 Estabilidad en Producción

📝 Documentación Automática

💡 ¿Qué Versión Usar?

🏆 Para la Mayoría: Python 3.11.9

🚀 Para Proyectos Nuevos: Python 3.12.7

⚠️ Evita Python 3.13.0 para Producción

📚 Buenas Prácticas para Equipos

Acuerda la Versión

Revisa Cada 6 Meses

Prueba Antes de Desplegar

Actualiza en Equipo

🔗 ¿Quieres los Detalles Técnicos?

💎 Regla de Oro

🚀 Scripts de Automatización

🎛️ manager.ps1

⚡ terminal.ps1

🔄 Flujo Diario

📝 Convenciones de Nomenclatura

🎯 Reglas Básicas para Nombres

📝 Nombres sencillos y claros

🔗 Sin espacios

🔡 En minúsculas

🌍 Sin tildes

✅ Ejemplos Prácticos

✅ Correcto

❌ Evitar

💡 Tip para Principiantes

🗂️ Estructura del Proyecto

📁 Template Básico - Para Principiantes

🏢 Template Completo - Para Proyectos Profesionales

💡 ¿Cuál Template Usar?

🎓 Template Básico

🏢 Template Completo

🚀 Tip de Crecimiento

📦 Requirements.txt - La Clave de la Colaboración

🎛️ Gestión Automática con manager.ps1:

✅ Flujo Moderno

❌ Flujo Manual (Obsoleto)

🔄 Ventajas del Manager:

🎯 Precisión Automática

📋 Versiones Inteligentes

🛡️ Sin Errores

⚡ Flujo Rápido

💡 Regla de Oro

🔄 Flujo de Trabajo

🌅 Al Empezar

💼 Durante el Trabajo

💡 Regla de Oro del Flujo

📚 Documentación y Guía de Apoyo

📄 Templates de Documentación Incluidos:

📝 README_basic.md

🏢 README_complex.md

📝 Sobre la Sintaxis Markdown:

🌐 Lenguaje Universal

📚 Recursos de Apoyo

⚡ Sintaxis Simple

📄 Alternativa Word

🎯 ¿Por qué es tan Importante Documentar?

💡 La Documentación es tu Mejor Inversión

✅ Proyecto Bien Documentado