Autoplay
Autocomplete
Previous Lesson
Complete and Continue
[Análisis de Datos con Python]
1. Lectura de fuentes
Materiales
1.1.1 Import pandas (2:19)
1.1.2 Creación de dataframes 1 (4:13)
1.1.3 Atributos dataframes (3:40)
1.1.4 Columnas dataframes (7:02)
1.1.5 Creación de dataframes 2 (7:02)
1.2.1 OS - listdir (2:14)
1.2.2 Read CSV (5:22)
1.2.3 Read CSV header (3:50)
1.2.4 Read CSV sep (2:43)
1.2.5 Read CSV otro parametros (4:24)
1.2.6 To CSV (5:53)
1.3.1 Read Excel (4:00)
1.3.2 Excel file (3:25)
1.3.3 Ejercicio Integración (1:31)
1.3.4 Ejercicio Integración - Solución (5:43)
1.4.1 Read JSON (6:20)
1.5.1 Read SQL (8:55)
1.6.1 Read HTML (7:18)
1.7.1 Read Clipboard (4:12)
2. Merging dataframes
2.1.1 Append (4:01)
2.1.2 Ignore Reset Index (4:38)
2.1.3 Rename columns (4:19)
2.1.4 Concat (2:06)
2.1.5 Ejercicio propuesto (2:16)
2.1.6 Ejercicio Solución (7:53)
2.1.7 Ejercicio Solución 2 (1:01)
2.2.1 Presentación Legos (1:22)
2.2.2 Merge (6:20)
2.2.3 Merge on (5:24)
2.2.4 Merge suffix columns (6:13)
2.3.1 Merge preparación (3:01)
2.3.2 Merge validación exploración (6:35)
2.3.3 Merge errores (3:59)
2.3.4 Merge group by (6:52)
2.3.5 Merge validate (4:29)
2.3.6 Merge Left Inner (9:26)
2.3.7 Ejercicio propuesto (1:03)
2.3.8 Ejercicio - Solución (7:49)
3. Análisis Exploratorio de Datos (EDA)
3.1 Introducción (6:15)
3.2 Info cantidad porcentaje nulos (6:24)
3.3 Value Counts (4:08)
3.4 Unique - Nunique (2:48)
3.5 Min Max (3:02)
3.6 Mean, Median y Mode (3:31)
3.7 Mean - Median: Diferencias (3:40)
3.8 Mean - Median: Dataframes y nulos (2:38)
3.9 Std - Var (3:34)
3.10 Describe (5:13)
3.11 Percentiles (4:56)
3.12 Histogramas (8:23)
3.13 Seaborn - Matplotlib (5:56)
3.14 Histogramas - Hue (5:23)
3.15 Boxplot (5:39)
3.16 Boxplot: x-y (2:08)
3.17 Histograma vs Boxplot (3:33)
3.18 Correlación - Intuición (4:14)
3.19 Correlación (5:39)
3.20 Heatmap (3:24)
3.21 Pairplot (6:11)
3.22 Ejercicio propuesto Forbes (2:32)
3.23 Ejercicio Forbes Solución (21:05)
4. Manipulación de dataframes
4.1 Introducción (0:54)
4.2 Filtros - Mascaras - Query (4:07)
4.3.1 Filtros AND (7:20)
4.3.2 Filtros Comparaciones (5:40)
4.3.3 Filtros ISIN (3:32)
4.3.4 Filtros ISNULL - NOTNULL (5:01)
4.3.5 Filtros Negación (2:34)
4.3.6 Filtros String (7:37)
4.4.1 Ejercicio Propuesto: Phelps - Bolt (1:00)
4.4.2 Ejercicio Phelps - Bolt Solución (5:40)
4.4.3 Ejercicio Propuesto: Ganadores (1:44)
4.4.4 Ejercicio Ganadores Solución (11:26)
4.5.1 Index loc - iloc (7:58)
4.5.2 Seleccionar Columnas (10:23)
4.5.3 Cambiar Nombres Columnas (10:09)
4.6.1 Transform: Operaciones Columnas (7:51)
4.6.2 Transform: Astype (4:23)
4.6.3 Transform: Apply Map (15:49)
4.7 Sort - Values (7:55)
4.8 Cuentas (0:28)
4.9 Drop Duplicates (6:33)
4.10 Dropna (6:28)
4.11.1 Group by (12:35)
4.11.2 Group by agg (9:10)
4.12 Pivot tables (13:07)
4.13 Pivot tables - margenes (5:43)
4.14 Pivot tables - Melt (5:38)
4.15 Ejercicio propuesto China (2:31)
4.16 Ejercicio China Solución (11:59)
4.17 Ejercicio Propuesto Mujeres Olimpiadas (1:28)
4.18 Ejercicio Mujeres Olimpiadas - Solución (15:59)
4.19 Fillna (4:36)
4.20 Fillna - Group by (8:15)
4.21 Datetimes (12:21)
4.22 Datetimes format (13:41)
5. Pandas para Big Data
5.1 Introducción (1:28)
5.2 Dtypes Category (11:22)
5.3 Chunks (10:21)
5.4 Dtypes Usecols (5:44)
5.5 For Apply Vectorize (15:14)
5.6 Intro - Dask (18:09)
5.7 Intro - Dask Dashboard (3:03)
Bonus Lecture
Bonus Lecture DataHack
4.17 Ejercicio Propuesto Mujeres Olimpiadas
Lesson content locked
If you're already enrolled,
you'll need to login
.
Enroll in Course to Unlock