Domina las bases de pandas. Aprende a inspeccionar DataFrames y a realizar manipulaciones fundamentales, como ordenar filas, crear subconjuntos y añadir columnas nuevas.

Presentación de los DataFrames

Inspeccionar un DataFrame

Partes de un DataFrame

Clasificación y subconjunto

Ordenar filas

Subconjunto de columnas

Subconjunto de filas

Subconjunto de filas por variables categóricas

Nuevas columnas

Añadir nuevas columnas

¡Combo-ataque!

Transformación de DataFrames

En este capítulo, calcularás estadísticas resumen en columnas de un DataFrame y dominarás las estadísticas agrupadas y las tablas dinámicas.

Síntesis estadística

Media y mediana

Resumir fechas

Resúmenes eficaces

Estadísticas acumulativas

Contando

Eliminar duplicados

Contar variables categóricas

Estadísticas resumidas agrupadas

¿Qué porcentaje de ventas se produjo en cada tipo de tienda?

Cálculos con .groupby()

Múltiples resúmenes agrupados

Tablas dinámicas

Dinamizar sobre una variable

Rellenar los valores que faltan y sumar valores con tablas dinámicas

Agregación de DataFrames

Los índices son nombres de filas y columnas con superpoderes. Aprende a combinarlos con la segmentación para crear subconjuntos potentes de DataFrames.

Índices explícitos

Establecer y eliminar índices

Subconjunto con .loc[]

Establecer índices multinivel

Ordenar por valores índice

Segmentar y subconjuntar con .loc e .iloc

Valores del índice de segmentación

Segmentar en ambas direcciones

Cortar series temporales

Subconjunto por número de fila/columna

Trabajar con tablas dinámicas

Temperatura dinámica por ciudad y año

Subconjunto de tablas dinámicas

Calcular en una tabla dinámica

Segmentación e indexación de DataFrames

Aprende a visualizar el contenido de tus DataFrames, gestionar valores ausentes e importar y exportar datos a archivos CSV.

Visualizar tus datos

¿Qué tamaño de aguacate es el más popular?

Cambios en las ventas a lo largo del tiempo

Oferta y demanda de aguacate

Precio de los aguacates convencionales frente a los ecológicos

Valores ausentes

Encontrar valores ausentes

Eliminar valores ausentes

Sustitución de valores ausentes

Crear DataFrames

Lista de diccionarios

Diccionario de listas

Leer y escribir CSV

CSV a DataFrame

DataFrame a CSV

Resumen

Creación y visualización de DataFrames

Aprenderás a analizar datos a través de múltiples dimensiones a la vez, lo que te permitirá descubrir patrones sutiles al desglosar resúmenes por varias categorías de forma simultánea.

Múltiples columnas de agrupación

Aprenderás a desglosar las estadísticas de resumen por categorías, lo que te permitirá comparar métricas entre diferentes grupos y descubrir patrones en tus datos.

Una columna de agrupación

Aprenderás a resumir datos calculando estadísticas clave como totales, promedios y recuentos, lo que te permitirá extraer información valiosa a partir de datos brutos.

Valores de resumen

Agregación de datos

Aprenderás a realizar cálculos de varios pasos y a calcular porcentajes sobre el total, lo que te permitirá crear métricas complejas que dependan de resultados intermedios.

Transformaciones complejas

Aprenderás a crear nuevas columnas combinando y calculando valores de los datos existentes, lo que te permitirá obtener ratios y otras métricas que no están disponibles en el dataset original.

Transformaciones básicas

Transformación de datos

Aprenderás a extraer filas específicas de tus datos basándote en condiciones, lo que te permitirá centrar tu análisis en subconjuntos relevantes y gestionar valores faltantes y patrones de texto.

Filtrado básico

Aprenderás a filtrar datos utilizando múltiples criterios a la vez, lo que te permitirá extraer con precisión las filas que necesitas combinando condiciones con lógica AND y OR.

Múltiples condiciones

Aprenderás a simplificar procesos de filtrado complejos dividiendo las condiciones en columnas independientes, y a extraer el resultado inverso de un filtro, haciendo que tu análisis sea más transparente y verificable.

Filtrado complejo

Filtrado de datos

Aprenderás a aplicar diferentes cálculos basados en condiciones específicas, lo que te permitirá estandarizar valores, clasificar datos en categorías y gestionar diversos escenarios en tus datos.

Transformación condicional

Aprenderás a calcular resúmenes que incluyan únicamente valores que cumplan criterios específicos, lo que te permitirá calcular métricas detalladas como el "promedio de solo los vuelos con retraso" dentro de cada grupo.

Agregación condicional

Operaciones condicionales

Avocado prices

Walmart sales

Homelessness data

Temperatures

Course Glossary: Data Manipulation with pandas

pandas es la biblioteca de Python más popular del mundo, usada para todo, desde la manipulación hasta el análisis de datos. En este curso aprenderás a manipular DataFrames mientras extraes, filtras y transformas conjuntos de datos reales para su análisis. Con pandas explorarás todos los conceptos básicos de data science. Usando datos reales, como cifras de ventas de Walmart y series temporales de temperaturas globales, aprenderás a importar, limpiar, calcular estadísticas y crear visualizaciones, ¡aprovechando pandas para potenciar aún más Python!

Los vídeos incluyen transcripciones en vivo, a las que puedes acceder haciendo clic en "Show transcript" en la parte inferior izquierda de los vídeos.

El glosario del curso está disponible a la derecha, en la sección de recursos.

Para obtener créditos CPE, debes completar el curso y alcanzar una puntuación del 70% en la evaluación cualificada. Puedes ir a la evaluación haciendo clic en el recuadro de créditos CPE a la derecha.

pandas es la biblioteca de Python más popular del mundo, utilizada para todo, desde la manipulación de datos hasta el análisis de datos. En este curso, con un Tutor de IA a tu lado, aprenderás a manipular DataFrames mientras agregas, filtras y transformas conjuntos de datos reales para su análisis. Con pandas explorarás todas las operaciones fundamentales de manipulación de datos esenciales en Ciencia de datos.

<h2>Descubre la manipulación de datos con pandas</h2>
Con este curso, aprenderás por qué pandas es la biblioteca de Python más popular del mundo, utilizada para todo, desde la manipulación de datos hasta el análisis de datos. Explorarás cómo manipular los DataFrames, mientras extraes, filtras y transformas conjuntos de datos del mundo real para su análisis. 
<br><br>
Con pandas, explorarás todos los conceptos básicos de la ciencia de datos. Utilizando datos del mundo real, como cifras de ventas de Walmart y series temporales de temperatura global, aprenderás a importar, limpiar, calcular estadísticas y crear visualizaciones, utilizando pandas para aumentar la potencia de Python.
<br><br>
<h2>Trabaja con pandas Data para explorar los conceptos básicos de la ciencia de datos</h2>
Empezarás dominando los conceptos básicos de pandas, incluyendo cómo inspeccionar DataFrames y realizar algunas manipulaciones fundamentales. También aprenderás a agregar DataFrames, antes de pasar a rebanar e indexar. 
<br><br>
Terminarás el curso aprendiendo a visualizar el contenido de tus DataFrames, trabajando con un conjunto de datos que contiene las ventas semanales de aguacate de US. 
<br><br>
<h2>Aprende a manipular marcos de datos</h2>
Al completar este curso sobre pandas, comprenderás cómo utilizar esta biblioteca de Python para la manipulación de datos. Conocerás los DataFrames y cómo utilizarlos, y podrás visualizar tus datos en Python.

Intermediate Python

Este curso de manipulación de datos con pandas te enseñará a manejar DataFrames para análisis.

Manipulación de datos con pandas

Aprende a importar y limpiar datos, calcular estadísticas y crear visualizaciones con pandas. 

Contando

Create Your Free Account