Nuestro objetivo aprender, aprender y aprender
Descubre el fascinante mundo del análisis de datos con Python en este curso diseñado para todos los niveles. Desde conceptos fundamentales hasta ejemplos prácticos, evitamos los clichés convencionales. Resuelve desafíos reales y adquiere habilidades efectivas en análisis de datos en un entorno amigable. Siempre quisiste sumergirte en este campo, esta es tu oportunidad de aprender a tu propio ritmo, sin instalaciones complicadas. ¡Explora Python para el análisis de datos de manera accesible y práctica!
Empieza desde abajo
El único requisito es que tengas muchas ganas de aprender. Este curso está diseñado para que aprendas paso a paso a través de conceptos claros y ejemplos sencillos sobre el Análisis de Datos con Python.
Construye tu portafolio
Al tener muchos ejercicios sobre análisis de datos, podrás armar una serie de ejemplos o proyectos con tus propios datos para poder armar tu portafolio y mostrar al mundo tus habilidades
Casos reales
En este curso trabajarás con conjuntos de datos reales que te permitirán tener un mejor panorama a la hora de realizar análisis de datos en el trabajo o en el proyecto que estés trabajando
Mira lo que aprenderás
- 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)
- 2.1.1 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)
- 3.1 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)
- 4.1 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)
Experiencia Datapath
Conoce la opinión de Sonia y su experiencia con los cursos de Datapath.
Comunidad Datapath
Análisis de datos con Python es el primer paso, también podemos ayudarte con el segundo, tercer y todos los pasos. Únete a nuestra comunidad para seguir aprendiendo.
Acerca de Datapath
Somos una empresa nacida en 2020, año de muchos retos y dificultades. Reunimos a expertos en Big Data, AI, Cloud y Analytics de distintos países de la región.
Nuestra objetivo es crear contenido de calidad para democratizar el acceso al conocimiento de Data, Analytics , AI y Cloud.