• Saltar al contenido principal
  • Skip to secondary menu
  • Saltar a la barra lateral principal
  • Saltar al pie de página
  • Inicio
  • Secciones
    • Ciencia de datos
    • Criptografía
    • Herramientas
    • Machine Learning
    • Noticias
    • Opinión
    • Productividad
    • Programación
      • JavaScript
      • Julia
      • Matlab
      • Python
      • R
  • Programación
    • JavaScript
    • Julia
    • Matlab
    • Python
    • R
  • Laboratorio
    • Estadística
      • Calculadora del Tamaño Muestral en Encuestas
      • Calculadora de estadísticos descriptivos
      • Test de normalidad
      • Calculadora de contrastes de hipotesis
      • Calculadora de tamano del efecto
      • Simulador de Regresión Lineal con Ruido
      • Visualizador de PCA
      • Visualizador de Series Temporales
      • Simulador de Regresión Logística
      • Simulador de K-Means
      • Simulador de DBSCAN
      • Detector de la Ley de Benford
      • Ajuste de Curvas
      • Calculadora de Matrices
    • Probabilidad
      • Calculadora de Probabilidad de Distribuciones
      • Calculadora de Probabilidades de Lotería
      • Simulador del Problema de Monty Hall
      • Simulador de la Estrategia Martingala
    • Finanzas
      • Calculadora de Préstamos e Hipotecas
      • Conversor TIN ↔ TAE
      • Calculadora DCA con ajuste por inflación
      • Calculadora XIRR con Flujos Irregulares
      • Simulador FIRE (Financial Independence, Retire Early)
    • Negocios
      • CLV
      • Scoring
    • Herramientas
      • Formateador / Minificador de JSON
      • Conversor CSV ↔ JSON
      • Comparador y Formateador de Texto y JSON
      • Formateador y Tester de Expresiones Regulares
      • Inspector de JWT
      • Generador y verificador de hashes
      • Codificador / Decodificador Base64 y URL
      • Conversor de bases numericas
      • Conversor de Timestamp Unix
      • Conversor de colores
      • Generador de UUIDs
    • Juegos
      • Tres en Raya
      • Nim con Q-Learning
    • Más
      • Método D’Hondt
      • Generador de Contraseñas Seguras
  • Noticias
  • Boletín
  • Contacto
  • Tienda
    • Libros
    • Equipamiento de oficina
    • Equipamiento en movilidad

Analytics Lane

Ciencia e ingeniería de datos aplicada

  • Ciencia de datos
  • Machine Learning
  • IA Generativa
  • Python
  • Pandas
  • NumPy
  • R
  • Excel

7 extensiones de Visual Studio Code para ciencia de datos

Visual Studio Code

enero 27, 2023 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 3 minutos

Visual Studio Code es un entorno de desarrollo integrado (IDE) muy popular entre los desarrolladores. Multiplataforma, existen versiones para Windows, macOS y Linux, y gratuito. Su gran popularidad se debe a que ofrece herramientas para trabajar practicante con cualquier lenguaje y frameworks, además de ofrecer la posibilidad de extender sus funcionalidades mediante extensiones que se pueden descargar desde el su Marketplace donde se pueden encontrar miles de ellas. Veamos algunas de las extensiones de Visual Studio Code para ciencia de datos.

Tabla de contenidos

  • 1 Python
  • 2 Python Indent
  • 3 indent-rainbow
  • 4 Rainbow Brackets
  • 5 GitLens
  • 6 Todo Tree
  • 7 Rainbow CSV
  • 8 Conclusiones

Python

La extensión Python de Microsoft es una colección de extensiones con las que da soporte al lenguaje. Entre las funciones que agrega esta extensión se encuentra un analizados estáticos de código (linting), herramientas de depuración, formateo de código, herramientas de refactorización, un explorador de variables y un explorador de pruebas. Ofreciendo además integración con archivo de Jupyter Notebook. Algunas de las extensiones que se incluyen con dentro de esta se encuentran:

  • Pylance
  • Jupyter
  • Jupyter Notebook Renderers

Python Indent

La extensión Python Indent simplifica enormemente la edición del código. Proporciona la ideación correcta cada vez que se añade una nueva línea de código, facilitando de este modo la escritura del programa. Automatizando la ideación incluso en pares de corchetes, después de palabras clave y comentarios que se extienden en múltiples líneas.

Lanzamos el video de ScoreFlow: crea scorecards de crédito de forma ágil y sin IT
En Analytics Lane
Lanzamos el video de ScoreFlow: crea scorecards de crédito de forma ágil y sin IT

Publicidad


indent-rainbow

La indentación es una parte clave de Python. Para comprender correctamente el código es necesario saber cuál es su nivel de ideación de cada una de las líneas, incluso cuando el archivo cuenta con cientos de líneas. Algo que facilita la extensión indent-rainbow. Una vez instalada esta extensión, al abrir un archivo Python la indentación de cada una de las líneas se muestra de un color diferente.

Rainbow Brackets

Otro punto problemático a la hora de leer código es identificar cuáles son los paréntesis o corchetes que se relacionan entre sí. Un problema que se puede solucionar de una manera similar a la de la extensión anterior Rainbow Brackets. Esta extensión asigna un color diferente a cada uno de los paréntesis, corchetes o llaves que se incluyen en el código.

Código Python en Visual Studio Code con indent-rainbow y Rainbow Brackets instalado
Código Python en Visual Studio Code con indent-rainbow y Rainbow Brackets instalado

GitLens

El uso de GitLens permite comprender la evolución del código cuando se emplea Git como gestor de versiones. Cuando se instala esta extensión se puede conocer todos los detalles del commit con el que se agregó cada una de las líneas, incluyendo la fecha, los comentarios y el autor.

Publicidad


Todo Tree

Anotar en el código tareas pendientes con comentarios mediante comentarios con las palabras clave TODO o FIXME ver esto al revisarlo. Pero en archivos grandes puede ser complicado entonar los comentarios. Para ello se puede recurrir a Todo Tree una extensión que crea en la barra lateral un árbol con todos comentarios que incluyan las palabras clave TODO o FIXME.

Archivo CSV en Visual Studio Code con Rainbow CSV instalado
Archivo CSV en Visual Studio Code con Rainbow CSV instalado

Rainbow CSV

La idea de usar diferentes colores para leer mejor el código también se puede emplear con los conjuntos de datos. Asignar un color diferente a cada una de las columnas de un archivo CSV facilita la revisión de los datos. Una característica que se puede conseguir instalando la extensión Rainbow CSV en Visual Studio Code.

Conclusiones

En la publicación de hoy se han visto varias extensiones de Visual Studio Code para ciencia de datos con las que se hace más sencilla la edición y revisión tanto de código como de datos. Por un lado, con herramientas que ayudan durante la escritura, como Python y Python Indent. Mientras que otras extensiones facilitan la lectura, como indent-rainbow, Indent Rainbow Brackets o Rainbow CSV.

Si usáis alguna otra extensión de Visual Studio Code que consideréis interesante dejar un comentario con el nombre de esta.

Imagen de Arek Socha en Pixabay

¿Te ha parecido de utilidad el contenido?

¡Puntúalo entre una y cinco estrellas!

Puntuación promedio 0 / 5. Votos emitidos: 0

Ya que has encontrado útil este contenido...

¡Síguenos en redes sociales!

¡Siento que este contenido no te haya sido útil!

¡Déjame mejorar este contenido!

Dime, ¿cómo puedo mejorar este contenido?

Publicidad


Publicaciones relacionadas

  • Lanzamos el video de ScoreFlow: crea scorecards de crédito de forma ágil y sin IT
  • El bestiario de los indicadores económicos absurdos: El zoo patrio
  • Las fórmulas con DNI, o cómo dividir cualquier cosa entre cualquier otra cosa puede acabar publicado en un titular serio – El bestiario de los indicadores económicos absurdos (parte 5)
  • Data Leakage en Credit Scoring: El Error que Invalida tu Modelo
  • La liga internacional, o cuando Harvard y Johns Hopkins suman peras con manzanas – El bestiario de los indicadores económicos absurdos (parte 6)
  • Los indicadores que se autocumplen, o cuando medir es modificar – El bestiario de los indicadores económicos absurdos (parte 7)
  • Customer Lifetime Value: la fórmula clásica que todo analista debería dominar
  • PSI: Cómo Saber Cuándo tu Modelo de Credit Scoring se ha Degradado
  • DBSCAN y la selección de ε: teoría, intuición y aplicación práctica

Publicado en: Herramientas Etiquetado como: Visual Studio Code

Interacciones con los lectores

Deja una respuesta Cancelar la respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

I accept the Terms and Conditions and the Privacy Policy

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.

Barra lateral principal

Suscríbete a nuestro boletín

Suscríbete al boletín semanal para estar al día de todas las publicaciones.

Política de Privacidad

Analytics Lane en redes sociales

  • Amazon
  • Bluesky
  • Facebook
  • GitHub
  • Instagram
  • Mastodon
  • Pinterest
  • RSS
  • Telegram
  • Tumblr
  • Twitter
  • YouTube

Publicidad

Entradas recientes

PSI: Cómo Saber Cuándo tu Modelo de Credit Scoring se ha Degradado

julio 21, 2026 Por Daniel Rodríguez

Los indicadores que se autocumplen, o cuando medir es modificar – El bestiario de los indicadores económicos absurdos (parte 7)

julio 16, 2026 Por Daniel Rodríguez

Customer Lifetime Value: la fórmula clásica que todo analista debería dominar

julio 14, 2026 Por Daniel Rodríguez

Publicidad

Es tendencia

  • PSI: Cómo Saber Cuándo tu Modelo de Credit Scoring se ha Degradado publicado el julio 21, 2026 | en Ciencia de datos
  • Nuevo simulador del problema de Monty Hall en el laboratorio de aplicaciones de Analytics Lane publicado el abril 8, 2026 | en Noticias
  • ¿Por qué recibo ‘NameError: name X is not defined’ en Python? Aprende cómo solucionarlo publicado el marzo 17, 2025 | en Python
  • Método del codo (Elbow method) para seleccionar el número óptimo de clústeres en K-means publicado el junio 9, 2023 | en Ciencia de datos
  • Libros de Machine Learning en castellano publicado el diciembre 18, 2020 | en Ciencia de datos, Reseñas

Publicidad

Lo mejor valorado

4.9 (24)

Seleccionar filas y columnas en Pandas con iloc y loc

4.6 (16)

Archivos JSON con Python: lectura y escritura

4.4 (14)

Ordenación de diccionarios en Python mediante clave o valor

4.7 (13)

Operaciones de filtrado de DataFrame con Pandas en base a los valores de las columnas

4.1 (11)

Aplicar el método D’Hondt en Excel

Comentarios recientes

  • bif en JSON en bases de datos: cuándo es buena idea y cuándo no
  • bif en Cómo desinstalar Oracle Database 19c en Windows
  • M. Pilar en Cómo eliminar las noticias en Windows 11 y recuperar tu concentración
  • Daniel Rodríguez en Probabilidad básica: cómo entender el azar en nuestra vida diaria
  • Pepe en Probabilidad básica: cómo entender el azar en nuestra vida diaria

Publicidad


Footer

Analytics Lane

  • Acerca de Analytics Lane
  • Boletín de noticias
  • Contacto
  • Libros
  • Lo más popular
  • Noticias
  • Tienda
  • Tiendas afiliadas

Secciones

  • Ciencia de datos
  • Criptografía
  • Herramientas
  • Machine Learning
  • Opinión
  • Productividad
  • Programación
  • Reseñas

Sobre de Analytics Lane

En Analytics Lane tratamos de explicar los principales conceptos de la ciencia e ingeniería de datos con un enfoque práctico. Los principales temas tratados son ciencia de datos, ingeniería de datos, inteligencia artificial, machine learning, deep learning y criptografía. Además, también se habla de los principales lenguajes de programación y herramientas utilizadas por los científicos e ingenieros de datos.

Copyright © 2018-2026 Analytics Lane ·Términos y condiciones ·Política de Cookies ·Política de Privacidad ·Herramientas de privacidad ·Contacto