Python para Geólogos

Versión: 2.6 (Julio 2025)

Si tienes cuenta en Github, no olvides darle una estrella al proyecto para que siga creciendo ⭐

---

---

Autor: Kevin Alexander Gómez

Contacto: kevinalexandr19@gmail.com | Linkedin | Github

---

¿Quieres probar el código sin necesidad de instalar Python?

Usa la aplicación de Jupyterlite haciendo click aquí

O ingresa a la aplicación de Binder haciendo clic aquí ☞

---

¿Tienes Python instalado en tu computadora?

Puedes descargar todo el contenido del proyecto haciendo clic aquí ☞

---

Descripción

Este proyecto académico fue creado con la finalidad de facilitar el aprendizaje en Python para estudiantes y profesionales en el campo de la Geología y ramas afines.

Desarrollando un pensamiento algorítmico, aprenderás a usar código en Python para la solución de problemas en Geología.

Es recomendable tener conocimientos previos en geología general, estadística y álgebra lineal.
También es importante tener perseverancia para aprender cada tema y creatividad para resolver problemas.

---

Índice

Todos los capítulos están disponibles dentro del repositorio como notebooks de Jupyter .ipynb.
Es recomendable descargar el contenido del repositorio y usarlo como plantilla para desarrollar tus propios notebooks.

La mayoría de notebooks están listos (✔️), pero algunos todavía están en desarrollo (⏳).

• Fundamentos de programación geológica

- PG001 - Fundamentos de Python - Variables geológicas ✔️ - ¿Cómo mostrar un resultado en Python? ✔️ - Lógica computacional ✔️ - Estructuras de datos ✔️ - Automatización de tareas en Geología ✔️ - Programación orientada a objetos ✔️ - Palabras reservadas en Python ✔️ - PG002 - Librerías fundamentales de Python - Numpy ✔️ - Pandas ✔️ - Matplotlib ✔️ - SQLite - Bases de datos ✔️ - Midiendo el tiempo con Python ✔️ - PG003 - Librerías de automatización - Interactividad en Python ✔️ - Procesando PDFs en Python ✔️ - Automatización de reportes ✔️ - PG099 - Ejercicios de programación geológica ✔️ - PG099 - Ejercicios de programación geológica (Solucionario) ✔️

• Estadística y Matemática

- PG101 - Fundamentos de Estadística - Estadística descriptiva ✔️ - Variables aleatorias ✔️ - Estadística inferencial ⏳ - Bootstrap ✔️ - Simulación de Montecarlo ✔️ - Datasaurus ✔️ - PG102 - Análisis de datos en Geología - Análisis descriptivo ✔️ - Análisis exploratorio de datos ⏳ - Análisis inferencial ⏳ - PG103 - Visualización de datos en Geología - Seaborn ✔️ - Plotly ✔️ - Visualización de datos ✔️ - Visualización de sondajes en 3D ✔️ - Visualización de un modelo de bloques en 3D ✔️

• Ciencia de datos y Machine Learning

- PG200 - Fundamentos de Machine Learning ✔️ - Descenso del Gradiente ✔️ - PG201 - Aprendizaje supervisado - Regresión lineal ✔️ - Regresión logística ✔️ - Árboles de decisión (DT) ✔️ - Random Forest (RF) ✔️ - Support Vector Machine (SVM) ⏳ - K-Nearest Neighbors (KNN) ⏳ - Extreme Gradient Boosting (XGBoost) ✔️ - PG202 - Aprendizaje no supervisado - Análisis de componentes principales (PCA) ✔️ - Clustering con K-means ⏳ - PG203 - Deep Learning - Fundamentos de Deep Learning ⏳ - Redes neuronales desde cero ✔️ - Autoencoders (AE) ⏳ - Generative Adversarial Networks (GAN) ⏳

• Aplicaciones en Geología

- PG301 - Geoestadística - Introducción al Variograma ✔️ - Variograma 1D ✔️ - Declustering ✔️ - PG302 - Geoquímica - Pyrolite ✔️ - Diagramas ternarios ⏳ - Diagrama de clasificación QAP ⏳ - PG303 - Análisis geoespacial - Shapely ✔️ - Geopandas ✔️ - Rioxarray ✔️ - Leafmap ✔️ - Geoherencia ⏳ - PG304 - Geofísica - Anomalía de Bouguer ⏳ - Intensidad magnética total y residual ⏳ - Intensidad radiométrica ⏳ - PG305 - Geología económica y Exploración mineral - Introducción a la Geología Económica ⏳ - Bases de datos - Sondajes ✔️ - Mapeo de prospectividad mineral ⏳ - PG306 - Estratigrafía y Sedimentología - StratiLib - Columnas estratigráficas ✔️ - PG307 - Geología estructural y Geomecánica - Mplstereonet ✔️ - Estimación de la probabilidad de fallo en un talud ✔️ - PG308 - Geología del Petróleo - Introducción a la Geología del Petróleo ⏳ - Petrofísica ⏳ - Visualización de registros de pozo ✔️

Plantillas de trabajo

• Plantilla para visualizar sondajes en 3D ✔️

---

¿Cómo usar el contenido de este proyecto?

El proyecto contiene documentos en formato .ipynb y se pueden abrir de las siguientes formas:

• A través de un navegador web, usando la aplicación de Google Colab.
• Usando Binder, una aplicación web que permite ejecutar código arbitrario dentro de un entorno virtual (similar a Google Colab).
• A través de un editor de código instalado en tu computadora, como por ejemplo: Jupyter Lab, Jupyter Notebook o Visual Studio Code.

Si no tienes instalado Python, puedes seguir las indicaciones del archivo instalar_python.ipynb.

---

Referencias

• Barbieri, R., Garelik, C. (2022). La matemática y las geociencias. Editorial UNRN (pp. 15 y 136).
• Bhattacharya, S. (2021). A Primer on Machine Learning in Subsurface Geosciences.
• GEOROC (2023). Geochemistry of Rocks of the Oceans and Continents. Geoscience Centre Göttingen, Germany.
• Kinsley, H., & Kukiela, D. (2020). Neural Networks from Scratch in Python. Sentdex.
• Mälicke, M. (2022). SciKit-GStat 1.0: a SciPy-flavored geostatistical variogram estimation toolbox written in Python. European Geosciences Union, Volume 15, issue 6. Institute for Water and River Basin Management, Karlsruhe Institute of Technology (KIT), Karlsruhe, Germany.
• Marsden, Eric. (2021). Monte Carlo simulation for estimating slope failure risk.
• Merlino, Rubens (2022). Stratilib.
• Petrelli, M. (2021). Introduction to Python in Earth Science Data Analysis. Repositorio en Github.
• Petrelli, M. (2023). Machine Learning for Geosciences
• Prieto Gómez, G. (2024). Introducción a Python para geociencias. Universidad Nacional de Colombia, Sede Bogotá, Facultad de Ciencias.
• Pyrcz, M. (2021). Python Numerical Demos.
• Suarez-Burgoa, L. (2017). Matematización de la geología. Boletín de Ciencias de la Tierra 41 (pp. 30 - 38). Universidad Nacional de Colombia.
• Trauth, M. (2022). Python Recipes for Earth Sciences. Institute of Geosciences, University of Potsdam, Potsdam, Brandenburg, Germany.
• Wu, Qiusheng (2023). Leafmap Geopython Tutorials.