Python para Data Science

Python: el lenguaje de los datos Python se ha convertido en el lenguaje dominante para la ciencia de datos. Su sintaxis legible, su enorme ecosistema de librerías y su comunidad activa lo hacen ideal para pasar de un archivo CSV en bruto a un análisis que aporta decisiones. En este curso vas a recorrer ese camino completo: leer datos, limpiarlos, transformarlos, analizarlos y visualizarlos. ¿Por qué Python y no otra herramienta? Fácil de leer: el código se parece a pseudocódigo, lo que reduce er

Estructuras de datos esenciales Antes de tocar NumPy o Pandas conviene dominar las estructuras integradas de Python. Las usarás todo el tiempo para preparar datos, configurar parámetros y recorrer resultados. Cada una tiene un propósito claro, y elegir la correcta hace tu código más rápido y más legible. Listas: colecciones ordenadas y mutables # Una lista guarda elementos en orden y se puede modificar numeros = [1, 2, 3, 4, 5] nombres = ['Ana', 'Luis', 'María'] numeros.append(6) # agregar al fi

Funciones y lambdas Las funciones encapsulan lógica que reutilizas y dan nombre a lo que hace tu código. En ciencia de datos las usarás para limpiar columnas, calcular métricas y transformar valores. Las lambdas, además, son funciones anónimas de una línea que encajan perfecto con map, filter y el método apply de Pandas. Definir funciones # Función básica con retorno def saludar(nombre): return f"¡Hola {nombre}!" # Parámetro con valor por defecto def saludar(nombre="amigo"): return f"¡Hola {nomb

Tipo de lección: QuizQuiz de Python para Data SciencePon a prueba tus conocimientos con este quiz. Necesitas 70% para aprobar.

NumPy: cálculo numérico en Python NumPy (Numerical Python) es la base de casi todo el ecosistema de datos. Aporta el array n-dimensional (ndarray), una estructura compacta y rápida sobre la que se construyen Pandas, scikit-learn y muchas otras librerías. Entender NumPy te da intuición sobre cómo se almacenan y procesan los datos por debajo. ¿Por qué un array y no una lista? import numpy as np lista = [1, 2, 3, 4, 5] array = np.array([1, 2, 3, 4, 5]) # Un array guarda un solo tipo de dato y vive

Operaciones vectorizadas con NumPy La fuerza de NumPy está en operar sobre arrays completos sin escribir bucles. Esto se llama vectorización: aplicas una operación y NumPy la ejecuta sobre cada elemento de forma optimizada. El resultado es código más corto, más rápido y más fácil de leer. Aritmética elemento a elemento import numpy as np a = np.array([1, 2, 3, 4]) b = np.array([10, 20, 30, 40]) a + b # [11 22 33 44] a * b # [10 40 90 160] a ** 2 # [1 4 9 16] # Con escalares se aplica a todos los

NumPy en la práctica Ya conoces los arrays y las operaciones vectorizadas. Ahora veremos patrones que aparecen constantemente en proyectos reales: filtrar con condiciones, cambiar la forma de los datos, combinarlos y prepararlos para un modelo. Estos son los movimientos diarios de un científico de datos. Filtrado con condiciones booleanas import numpy as np edades = np.array([15, 22, 35, 18, 45, 30, 17]) # Una condición devuelve un array de True/False mayores = edades >= 18 # Se usa como másc

Pandas: análisis de datos tabulares Pandas es la herramienta que más usarás como analista. Trabaja con datos en forma de tabla, igual que una hoja de cálculo, pero con la potencia de Python. Sus dos estructuras son la Series (una columna con índice) y el DataFrame (una tabla con filas y columnas). El DataFrame será tu compañero diario. Crear estructuras import pandas as pd # Series: array 1D con índice s = pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd']) # DataFrame: la tabla 2D que más usará

Preparando datos para analisis Los datos reales raramente estan limpios. Pandas tiene herramientas poderosas para limpiarlos. Valores nulos import pandas as pd import numpy as np # Detectar nulos df.isnull() # DataFrame de True/False df.isnull().sum() # Cuenta nulos por columna # Eliminar filas con nulos df.dropna() # cualquier nulo df.dropna(subset=['columna']) # nulo en columna especifica # Rellenar nulos df.fillna(0) # con valor fijo df.fillna(df.mean()) # con media df['col'].fillna(df['col']

Transformando datos Filtrado import pandas as pd # Condicion simple df[df['edad'] > 25] # Condiciones multiples df[(df['edad'] > 25) & (df['ciudad'] == 'Madrid')] df[(df['edad'] < 20) | (df['edad'] > 30)] # isin: multiples valores df[df['ciudad'].isin(['Madrid', 'Barcelona'])] # query: sintaxis SQL-like df.query('edad > 25 and ciudad == "Madrid"') Ordenamiento # Por una columna df.sort_values('edad') df.sort_values('edad', ascending=False) # Por multiples columnas df.sort_values(['ciudad', 'edad

Uniendo datos Concat: Apilar DataFrames import pandas as pd df1 = pd.DataFrame({'A': [1, 2], 'B': [3, 4]}) df2 = pd.DataFrame({'A': [5, 6], 'B': [7, 8]}) # Apilar verticalmente (filas) pd.concat([df1, df2]) # A B # 0 1 3 # 1 2 4 # 0 5 7 # 1 6 8 # Resetear indice pd.concat([df1, df2], ignore_index=True) # Apilar horizontalmente (columnas) pd.concat([df1, df2], axis=1) Merge: JOIN como SQL # DataFrames de ejemplo clientes = pd.DataFrame({ 'id': [1, 2, 3], 'nombre': ['Ana', 'Luis', 'Maria'] }) pedi

Matplotlib: Graficos basicos Matplotlib es la libreria de visualizacion base en Python. Es muy flexible y permite crear practicamente cualquier tipo de grafico. Configuracion inicial import matplotlib.pyplot as plt import numpy as np # En Jupyter, mostrar graficos inline %matplotlib inline # Estilo (opcional) plt.style.use('seaborn') # o 'ggplot', 'fivethirtyeight' Grafico de lineas x = np.linspace(0, 10, 100) y = np.sin(x) plt.figure(figsize=(10, 6)) # tamano plt.plot(x, y, color='blue', linewi

Seaborn: Visualizacion estadistica Seaborn esta construido sobre Matplotlib y facilita crear graficos estadisticos atractivos. Configuracion import seaborn as sns import pandas as pd import matplotlib.pyplot as plt # Configurar estilo sns.set_theme(style="whitegrid") # Dataset de ejemplo tips = sns.load_dataset('tips') Distribucion # Histograma + KDE sns.histplot(data=tips, x='total_bill', kde=True) # Solo KDE sns.kdeplot(data=tips, x='total_bill') # Por categoria sns.histplot(data=tips, x='tota

Graficos directos desde Pandas Pandas tiene metodos de graficacion integrados que usan Matplotlib por debajo. Sintaxis rapida import pandas as pd import matplotlib.pyplot as plt df = pd.DataFrame({ 'mes': ['Ene', 'Feb', 'Mar', 'Abr', 'May'], 'ventas': [100, 120, 90, 140, 110], 'gastos': [80, 90, 85, 95, 88] }) # Grafico de lineas df.plot(x='mes', y='ventas') # Multiples lineas df.plot(x='mes', y=['ventas', 'gastos']) # Barras df.plot(x='mes', y='ventas', kind='bar') # Area df.plot(x='mes', y=['v