Rating 5.0 out of 5 (2 ratings in Udemy)
What you'll learn- Características generales de Python: tipos de datos, contenedores de datos, condicionales, flujos, funciones, loops, y más.
- Liberías para la manipulación de datos y el trabajo con datos tabulares (Numpy, Pandas)
- Librerías para realizar gráficos: histogramas, boxplots, gráficos de dispersión, gráficos de densidad, gráficos de barras, y más. (Matplotlib y Seaborn).
- Descargar, cargar, explorar, limpiar y analizar datos reales con …
Rating 5.0 out of 5 (2 ratings in Udemy)
What you'll learn- Características generales de Python: tipos de datos, contenedores de datos, condicionales, flujos, funciones, loops, y más.
- Liberías para la manipulación de datos y el trabajo con datos tabulares (Numpy, Pandas)
- Librerías para realizar gráficos: histogramas, boxplots, gráficos de dispersión, gráficos de densidad, gráficos de barras, y más. (Matplotlib y Seaborn).
- Descargar, cargar, explorar, limpiar y analizar datos reales con Numpy y Pandas.
DescriptionEn este curso vas a aprender el manejo básico de python y las librerías especializadas más usadas en el mundo del análisis de datos. Vas a aprender Numpy para trabajar eficientemente con datos numéricos, Pandas para trabajar con tablas de datos y matplotlib para realizar gráficos. Con estas nuevas herramientas vas a poder inspeccionar, manipular y graficar datos de diversas maneras para observar sus distribuciones y resumir la información relevante de forma profesional y elegante. Este curso es una puerta de entrada al fantástico mundo de la programación, donde las posibilidades son infinitas y se aprenden cosas nuevas todos los días. Si tenés ganas de tener un nuevo desafío que sea provechoso para tu carrera profesional, este curso es definitivamente para vos.
Módulo 1.
Introducción a Python. Algunos aspectos generales.
Módulo 2 .
Introducción a Numpy.
Numpy Arrays
Módulo 3.
Introducción a Pandas
Objetos: Series, DataFrame, Index
Cargar datos tabulares con distintos formatos
dtypes
Indexing and Slicing: iloc, loc
Filtrado
Valores perdidos (Missing values)
Medidas de tendencia central
Crear variables
Operaciones vectorizadas vs Iteraciones
Agregación y agrupamiento
Tablas pivot.
Funciones útiles: valores únicos, renombrar variables, reemplazar valores, etc.
Otras funciones: correlaciones, dummies, concatenar, cuartiles, “binnig”, etc.
Algunas formas de crear dataframes.
Bonus track. Ejemplos de visuzalización con pandas.
Módulo 4.
Visualización de datos con Matplotlib y Seaborn.
Lineplot
Histograma
Boxplot
Scatterplot
Barplot
Gridplot