El objetivo principal de la teoría de control es el seguimiento de entradas o la estabilización del sistema. Existen diferentes sistemas controlados computados por retroalimentación en esta área, desde métodos deterministas hasta métodos difusos. Algunos ejemplos de métodos deterministas son Proporcional (P), Proporcional Integral (PI), Proporcional Derivada (PD), Proporcional Integral Derivada (PID), Cuadrático Lineal (LQ), Cuadrático Lineal Gaussiano (LQG), Retroalimentación de Estado (SF), Reguladores Adaptativos, entre otros. Alternativamente, los Sistemas de Inferencia Difusa (FIS) son métodos de computación difusa que permiten utilizar la experiencia humana en lógica en reglas IF-THEN. Los controladores difusos mapean la experiencia de un experto en el control de la planta. Además, la literatura muestra que los algoritmos de optimización permiten la adaptación de los FIS para controlar diferentes procesos como un problema de caja negra. Python es el lenguaje de programación más utilizado, que ha visto el mayor crecimiento en los últimos años. Utilizar bibliotecas de código abierto en Python ofrece numerosas ventajas en el desarrollo de software, incluyendo el ahorro de tiempo y recursos. En este artículo, describimos nuestra biblioteca propuesta UPAFuzzySystems, desarrollada como una biblioteca de FIS para Python, que permite el diseño e implementación de controladores difusos con simulaciones de función de transferencia y espacio de estados. Además, mostramos el uso de la biblioteca para controlar la posición de un motor de corriente continua con controladores Mamdani, FLS, Takagi-Sugeno, difuso P, difuso PD y difuso PD-I.