Lenguajes y Fundamentos de Programación · PY-121

Pandas: análisis de datos

DataFrames, carga de ficheros, uniones y limpieza de valores ausentes sobre casos de datos reales.

Disponible Intermedio 8 módulos · 39 clases

Formato asíncrono Desarrollo, Ingeniería / Industria, Empresa / PYME Python, Pandas

DATOS

Lo que aprenderás

Cargar datos desde CSV, Excel, JSON y bases de datos controlando tipos, separadores y codificación
Seleccionar y filtrar con loc e iloc y con condiciones combinadas sobre varias columnas
Detectar y tratar valores ausentes, duplicados y tipos mal inferidos en una tabla real
Agrupar con groupby y calcular agregados por categoría para obtener resúmenes de negocio
Combinar tablas con merge, join y concat entendiendo qué filas se pierden en cada tipo de unión
Trabajar con fechas, remuestrear series temporales y calcular medias móviles
Exportar resultados a fichero o a base de datos como paso final de un proceso repetible

Contenido del curso

8 módulos · 39 clases en vídeo · práctica guiada en cada módulo

Módulo 1 · Series y DataFrames 5 clases

Qué aporta Pandas frente a una hoja de cálculo
La Series y el índice
El DataFrame: filas, columnas y tipos
Primera exploración con head, info y describe
Entorno de trabajo y datos del curso

Módulo 2 · Cargar y guardar datos 5 clases

Lectura de CSV: separadores, decimales y codificación
Hojas de Excel y rangos
JSON anidado y normalización
Lectura desde base de datos SQL
Exportar resultados y elegir formato

Módulo 3 · Selección y filtrado 5 clases

Acceso por etiqueta con loc y por posición con iloc
Filtros con condiciones combinadas
Selección de columnas y renombrado
Ordenación por una o varias columnas
Columnas calculadas con assign

Módulo 4 · Limpieza de datos 5 clases

Detectar valores ausentes y decidir qué hacer
Rellenar, interpolar o eliminar
Duplicados exactos y duplicados por clave
Corrección de tipos y de textos inconsistentes
Valores atípicos y su tratamiento

Módulo 5 · Agrupación y agregación 5 clases

groupby y funciones de agregación
Varias métricas por grupo con agg
Transformaciones dentro del grupo
Tablas dinámicas con pivot_table
Resumen por categoría para un informe

Módulo 6 · Combinar tablas 5 clases

merge y tipos de unión
Claves compuestas y claves que no casan
concat para apilar periodos
Comprobar qué filas se han perdido
Unión de tres fuentes con códigos distintos

Módulo 7 · Series temporales 5 clases

Fechas: parseo, zonas horarias e índice temporal
Remuestreo a otra frecuencia
Medias móviles y ventanas
Comparación entre periodos
Huecos en una serie de medidas

Módulo 8 · Proyecto de cierre 4 clases

Enunciado: informe mensual a partir de tres fuentes
Carga, limpieza y trazabilidad de descartes
Cruce y agregación por dimensión de negocio
Exportación del informe y ejecución repetible

Requisitos

Programar en Python con colecciones y funciones
Conocer NumPy a nivel básico resulta útil aunque no es imprescindible
Basta con un navegador si se trabaja en cuaderno; no se necesita instalación local

Descripción

El trabajo con datos empieza casi siempre en una hoja de cálculo y se rompe cuando el fichero crece, cuando hay que repetir el mismo tratamiento cada mes o cuando hay que cruzar tres fuentes con códigos distintos. En ese punto, el proceso manual deja de ser fiable: nadie recuerda qué filtro se aplicó ni qué filas se descartaron.

El curso trabaja con Pandas sobre tablas sucias de verdad, con columnas mal tipadas, ausencias, duplicados y códigos inconsistentes. Se practican la carga desde varios formatos, la selección, la limpieza, la agrupación, las uniones entre tablas y las series temporales. Cada tratamiento queda escrito en un cuaderno que se puede volver a ejecutar sobre los datos del mes siguiente.

El resultado es un proceso de datos documentado y reproducible, con salida a fichero o a base de datos y con constancia de qué filas se descartaron. Desde ahí, la visualización con Matplotlib o Seaborn y el análisis estadístico posterior son continuación directa, y en una empresa permite sustituir trabajo manual de hoja de cálculo por un proceso que se ejecuta solo.

¿Para quién es este curso?

Analistas y personal de administración de PYME que repiten cada mes el mismo tratamiento en hoja de cálculo
Ingenieros que cruzan registros de producción, medidas y mantenimiento en varias fuentes
Desarrolladores que preparan datos para informes o para modelos posteriores