Curso de Análisis de datos con Python

Lo que aprenderás en 8 unidades

1. 1

   Arreglos de NumPy

   Empieza aquí

   Crea arreglos de NumPy, selecciona sus datos, cambia su forma y sustituye los bucles por aritmética vectorizada, difusión y agregaciones.

   6 objetivos de aprendizaje

   Lo que aprenderás

   1. 1.Crea arreglos y controla sus tipos de datos
   2. 2.Selecciona y filtra datos en arreglos
   3. 3.Cambia la forma de los arreglos, transpónlos y únelos
   4. 4.Sustituye los bucles por aritmética vectorizada, funciones universales y difusión
   5. 5.Resume arreglos mediante agregaciones a lo largo de sus ejes
   6. 6.Genera números aleatorios y ejecuta simulaciones
2. 2

   Series y DataFrames de pandas

   Crea y comprueba Series y DataFrames de pandas, selecciona y filtra filas y columnas, y calcula columnas nuevas y estadísticos de resumen.

   6 objetivos de aprendizaje

   Lo que aprenderás

   1. 1.Comprende las Series y los DataFrames
   2. 2.Carga un archivo CSV y comprueba los datos cargados
   3. 3.Selecciona datos por etiqueta y por posición
   4. 4.Filtra filas mediante condiciones
   5. 5.Añade y transforma columnas
   6. 6.Ordena datos, asigna rangos y resume los resultados
3. 3

   Carga y almacenamiento de datos

   Lee y escribe datos en archivos CSV, Excel, JSON y Parquet y en bases de datos SQL, obtén datos de API web y trabaja con codificaciones y archivos con estructuras desordenadas.

   6 objetivos de aprendizaje

   Lo que aprenderás

   1. 1.Carga archivos de texto delimitado en pandas
   2. 2.Lee texto de forma correcta y eficiente
   3. 3.Trabaja con libros de Excel
   4. 4.Obtén datos de archivos JSON y API web
   5. 5.Almacena datos en el formato de archivo adecuado
   6. 6.Lee y escribe datos en bases de datos SQL
4. 4

   Preparación de datos con pandas

   Limpia, transforma, combina y reestructura DataFrames con pandas, incluidos los valores faltantes, los métodos de cadenas, las combinaciones de DataFrames y las operaciones pivot.

   5 objetivos de aprendizaje

   Lo que aprenderás

   1. 1.Detecta y trata valores faltantes y duplicados
   2. 2.Transforma valores mediante sustituciones, correspondencias y agrupaciones en intervalos
   3. 3.Limpia texto y datos categóricos
   4. 4.Combina DataFrames
   5. 5.Reestructura datos con índices jerárquicos, pivot y melt
5. 5

   Agrupación y agregación con pandas

   Divide los datos en grupos, aplica agregaciones, transformaciones y funciones personalizadas, y construye tablas dinámicas y tablas de contingencia.

   5 objetivos de aprendizaje

   Lo que aprenderás

   1. 1.Divide los datos en grupos con groupby
   2. 2.Resume cada grupo mediante agregaciones
   3. 3.Transforma, filtra y aplica funciones grupo a grupo
   4. 4.Agrupa datos numéricos en intervalos y analiza grupos por intervalos y cuantiles
   5. 5.Resume datos en tablas dinámicas y tablas de contingencia
6. 6

   Fechas y series temporales con pandas

   Interpreta fechas y horas, indexa datos por fecha y hora, cambia la frecuencia mediante remuestreo, calcula estadísticos con ventanas móviles y gestiona zonas horarias y períodos.

   6 objetivos de aprendizaje

   Lo que aprenderás

   1. 1.Convierte fechas y horas en datos con los que pandas pueda calcular
   2. 2.Indexa, selecciona y compara datos por fecha y hora
   3. 3.Genera fechas y utiliza frecuencias, desplazamientos y períodos
   4. 4.Cambia la frecuencia de una serie temporal mediante remuestreo
   5. 5.Suaviza y resume datos con ventanas móviles y expansivas
   6. 6.Gestiona zonas horarias y el horario de verano
7. 7

   Visualización con Matplotlib y Seaborn

   Crea y personaliza gráficos de líneas, barras y dispersión, histogramas, diagramas de caja y mapas de calor con Matplotlib, pandas y seaborn.

   5 objetivos de aprendizaje

   Lo que aprenderás

   1. 1.Crea gráficos con figuras y áreas de trazado de Matplotlib
   2. 2.Representa datos directamente desde pandas
   3. 3.Crea gráficos estadísticos con seaborn
   4. 4.Visualiza distribuciones y cuadrículas de valores
   5. 5.Crea figuras con varios paneles, añade anotaciones y expórtalas
8. 8

   Análisis exploratorio de datos en Python

   Realiza un análisis exploratorio completo en un cuaderno: caracteriza las variables, examina sus distribuciones y relaciones y comunica los hallazgos de forma reproducible.

   6 objetivos de aprendizaje

   Lo que aprenderás

   1. 1.Planifica un análisis exploratorio en un cuaderno interactivo
   2. 2.Caracteriza un conjunto de datos y evalúa su calidad
   3. 3.Describe la distribución de cada variable
   4. 4.Explora relaciones entre variables
   5. 5.Compara segmentos de los datos
   6. 6.Comunica los hallazgos exploratorios de forma reproducible