Curso de Numpy & Pandas

Lección 2.1: ¿Qué es un array? Ventajas frente a listas

¿Qué es un array en NumPy?

Un array es una estructura de datos similar a una lista, pero más eficiente y potente. A diferencia de las listas de Python, los arrays de NumPy:

• Sólo almacenan un tipo de dato (int, float, etc.).
• Son más rápidos en operaciones matemáticas.
• Permiten operaciones vectorizadas: operar sobre todos los elementos sin necesidad de bucles.

Comparación con listas:

Lista de Python:

Array de NumPy:

Ventajas principales:

• Menor consumo de memoria.
• Mayor velocidad de procesamiento.
• Funciones matemáticas optimizadas.
• Posibilidad de trabajar con múltiples dimensiones.

Lección 2.2: Crear arrays unidimensionales, bidimensionales y n-dimensionales

Array unidimensional (vector):

Array bidimensional (matriz):

Array tridimensional o más:

Puedes verificar el número de dimensiones con .ndim.

Buenas prácticas:

• Usa np.array() para convertir listas en arrays.
• Evita mezclar tipos de datos (aunque NumPy intentará convertirlos automáticamente).

Lección 3: Propiedades de los arrays: .shape, .dtype, .ndim, .size

Estas propiedades permiten explorar y entender la estructura de un array.

Ejemplo práctico:

• .shape: número de filas y columnas.
• .ndim: número de dimensiones (1D, 2D, 3D, etc.).
• .size: cantidad total de elementos.
• .dtype: tipo de datos (entero, decimal, etc.).

Lección 4: Indexación, slicing y selección de datos

Acceso a elementos (indexación):

En 2D:

Slicing (rebanado):

Selección condicional:

Esta forma de filtrado sin bucles es una de las mayores ventajas de NumPy.

Lección 5: Operaciones matemáticas y broadcasting

NumPy permite realizar operaciones sobre arrays enteros sin necesidad de bucles.

Operaciones básicas:

Broadcasting:

Permite realizar operaciones entre arrays de diferente forma cuando son compatibles.

También funciona con arrays de diferentes dimensiones si coinciden en los ejes adecuados.

Nota: Si no son compatibles, NumPy mostrará un error de "broadcasting".

Lección 2.6: Métodos útiles de creación y transformación

arange() – rango numérico:

linspace() – secuencia equidistante:

zeros() y ones() – matrices de ceros y unos:

reshape() – cambiar forma:

Muy útil para preparar datos en modelos o visualizaciones.

Actividad práctica de la sección

1. Crea un array de 1 a 20 y multiplícalo por 3.
2. Construye una matriz 3x3 con valores del 1 al 9 y accede al valor central.
3. Usa reshape() para transformar un array de 12 elementos en una matriz 4x3.
4. Crea un array de 10 elementos equidistantes entre 0 y 100 con linspace().
5. Usa una condición para filtrar todos los valores mayores a 50.
    

Autoevaluación

1. ¿Qué ventaja tiene un array sobre una lista tradicional en Python?
2. ¿Qué hace .shape y cómo se diferencia de .size?
3. ¿Qué función usas para crear una matriz de ceros?
4. ¿Qué es broadcasting y en qué situaciones se aplica?
5. ¿Cómo cambiarías un array 1D de 9 elementos a una matriz 3x3?
    

Conclusión de la sección

Dominar los arrays en NumPy es fundamental para cualquier trabajo con datos numéricos. Esta sección te ha brindado las herramientas para crear, manipular y operar sobre arrays de forma eficiente, sentando las bases para estructuras más complejas y análisis avanzados que abordarás en las próximas secciones con Pandas.

Lección 1: ¿Qué es una Serie en Pandas?

Una Serie en Pandas es una estructura unidimensional que puede almacenar cualquier tipo de dato: enteros, flotantes, cadenas, booleanos, fechas, etc. Se parece a una columna de Excel o una lista de Python, pero con etiquetas (índices) asociadas a cada valor.

Características de una Serie:

• Contiene valores y índices.
• Cada elemento se puede acceder por su posición o etiqueta.
• Permite operaciones vectorizadas y estadísticas con funciones incorporadas.
• Se construye sobre NumPy arrays, lo que le da gran eficiencia.
   

Ejemplo básico:

Salida:

Lección 2: Crear Series desde listas, arrays y diccionarios

Desde una lista:

Desde un array de NumPy:

Desde un diccionario (índices personalizados):

Ventaja: Si usas un diccionario, las claves se convierten automáticamente en los índices de la Serie.

Lección 3: Acceso por índice y etiqueta

Acceso por posición:

Acceso por etiqueta:

Slicing:

Acceso con .loc[] y .iloc[]:

• .loc[] accede por etiqueta
• .iloc[] accede por posición
   

Lección 3.4: Operaciones básicas y estadísticas con Series

Operaciones matemáticas:

Funciones estadísticas:

Aplicar condiciones:

Métodos útiles:

Lección 5: Aplicaciones prácticas de Series

Las Series son útiles para representar:

1. Registros unidimensionales con etiquetas:

2. Vectores de datos que pueden usarse en operaciones estadísticas:

3. Comparación entre grupos:

4. Datos temporales (más adelante con DatetimeIndex):

Actividad práctica de la sección

1. Crea una Serie con los nombres de tus 5 cursos favoritos.
2. Crea una Serie con edades usando un diccionario.
3. Accede al segundo elemento de una Serie usando .iloc[].
4. Aplica una operación matemática sobre una Serie numérica (multiplicar por 1.18).
5. Filtra una Serie para mostrar solo los valores mayores que 25.
    

Autoevaluación

1. ¿Qué diferencia hay entre una Serie y una lista de Python?
2. ¿Qué función de Pandas se utiliza para crear una Serie?
3. ¿Cuál es la diferencia entre .iloc[] y .loc[]?
4. ¿Qué método te permite obtener el promedio de una Serie?
5. ¿Qué sucede si aplicas una operación a una Serie con etiquetas no numéricas?
    

Conclusión de la sección

Dominar el uso de Series en Pandas es el primer paso hacia un manejo eficiente de los datos. Estas estructuras permiten representar información unidimensional de forma clara y potente, con soporte para estadísticas, filtrado, etiquetado y más. En la próxima sección aprenderás a trabajar con estructuras tabulares más complejas: los DataFrames.

Lección 1: ¿Qué es un DataFrame y por qué es tan importante?

Un DataFrame es una estructura bidimensional de datos en Pandas, similar a una hoja de cálculo, una tabla SQL o una tabla de Excel.

Características principales:

• Formado por filas y columnas etiquetadas.
• Cada columna puede tener un tipo de dato diferente.
• Soporta operaciones estadísticas, filtrado, ordenamiento, agrupación y combinación.
• Muy eficiente para leer y procesar archivos como CSV, Excel o bases de datos.
   

Ejemplo básico:

Salida:

Ventaja: Combina la simplicidad de una tabla con la potencia de la programación vectorizada.

Lección 2: Crear DataFrames desde estructuras y archivos

Desde un diccionario:

Desde una lista de listas:

Desde un archivo CSV:

Pandas también permite leer desde Excel, JSON, SQL, etc., pero CSV es el más común y universal.

Lección 3: Inspección rápida de un DataFrame

Una vez cargado el DataFrame, es importante explorarlo:

Ejemplo práctico:

Esto ayuda a identificar rápidamente problemas como:

• Tipos de datos incorrectos
• Valores faltantes
• Escalas inusuales
   

Lección 4: Acceso a filas y columnas con loc[] y iloc[]

Acceso a columnas:

Acceso a filas por índice:

Acceso a celdas específicas:

Consejo: Usar loc[] cuando el índice tenga significado, e iloc[] para posiciones puras.

Lección 5: Modificación de columnas y tipos de datos

Agregar una nueva columna:

Modificar una columna existente:

Eliminar una columna:

Cambiar tipo de dato:

Cambiar tipos es fundamental para evitar errores en análisis posteriores.

Lección 6: Guardar y cargar datos con read_csv() y to_csv()

Leer archivo CSV:

Parámetros comunes:

• sep=";": define separador
• encoding="utf-8": codificación
• index_col=0: usar la primera columna como índice
   

Guardar DataFrame a CSV:

index=False evita que se guarde la columna del índice (útil si no aporta valor).

Actividad práctica de la sección

1. Crea un DataFrame con 5 estudiantes, incluyendo nombre, edad y nota.
2. Usa .head(), .info() y .describe() para explorarlo.
3. Accede a la edad del tercer estudiante usando .iloc[] y .loc[].
4. Agrega una columna “Aprobado” con valores True o False basados en la nota.
5. Guarda el DataFrame en un archivo llamado estudiantes.csv.

Autoevaluación

1. ¿Qué estructura representa una tabla en Pandas?
2. ¿Qué función usas para importar un archivo CSV?
3. ¿Cuál es la diferencia entre loc[] y iloc[]?
4. ¿Qué método te da estadísticas básicas de un DataFrame?
5. ¿Qué parámetro usas para evitar que el índice se guarde al exportar a CSV?
    

Conclusión de la sección

Los DataFrames son el corazón de Pandas y de cualquier análisis de datos en Python. Son versátiles, potentes y fáciles de usar. Con ellos puedes cargar, transformar, filtrar y exportar datos con total fluidez. Dominar esta estructura te prepara para enfrentar datasets reales y continuar hacia procesos más avanzados como limpieza, agrupación, visualización y modelado.

Lección 1: Detección y manejo de valores nulos

Detectar valores nulos:

Eliminar valores nulos:

Rellenar valores nulos:

Recomendación: Evita eliminar datos sin analizar cuántos se perderían.

Lección 2: Conversión de tipos de datos

Ver tipos actuales:

Convertir tipo de una columna:

Conversión segura con errores controlados:

Consejo: Siempre convierte antes de operar (sumar, agrupar, comparar).

Lección 3: Renombrar columnas y filas

Renombrar columnas:

Renombrar índice (filas):

Cambiar todos los nombres de columna:

Renombrar columnas es útil para estandarizar, traducir o hacerlas más legibles.

Lección 4: Eliminar duplicados

Verificar duplicados:

Eliminar duplicados:

Mantener la última ocurrencia:

Eliminar duplicados es importante en procesos como importación masiva de registros o unión de tablas.

Lección 5: Reemplazar valores

Reemplazar un valor exacto:

Reemplazar múltiples valores:

Reemplazar con condiciones:

Lección 6: Filtrado de datos con condiciones

Condiciones simples:

Condiciones múltiples:

Nota: Usa & para “y”, | para “o”, y encierra cada condición entre paréntesis.

Actividad práctica de la sección

1. Carga un archivo CSV con datos de estudiantes (nombre, edad, nota, ciudad).
2. Detecta cuántos valores nulos tiene y en qué columnas.
3. Rellena los valores nulos en la columna "nota" con el promedio.
4. Renombra las columnas para que usen nombres en mayúsculas.
5. Filtra todos los estudiantes mayores de 25 años que aprobaron.
6. Guarda el DataFrame limpio en un archivo nuevo: estudiantes_limpios.csv.
    

Autoevaluación

1. ¿Cuál es la diferencia entre dropna() y fillna()?
2. ¿Qué función convierte una columna a tipo datetime?
3. ¿Qué método se usa para eliminar filas duplicadas?
4. ¿Cómo reemplazarías todos los "0" por "Desconocido" en una columna?
5. ¿Qué operador usas para combinar dos condiciones en un filtro?
    

Conclusión de la sección

La limpieza de datos es una de las etapas más críticas en ciencia de datos. De nada sirve tener grandes volúmenes de información si están sucios, incompletos o mal estructurados. Con las herramientas que acabas de aprender, puedes enfrentar datasets reales con mayor confianza y prepararlos para análisis significativos.

Lección 1: Aplicar funciones con apply(), map() y lambda

apply() – aplicar una función a columnas o filas

df["Precio_con_IVA"] = df["Precio"].apply(lambda x: x * 1.21)

• Puede aplicar funciones nativas, personalizadas o lambdas.
• Funciona tanto en columnas como en filas (usando axis=1).
   

map() – para transformar valores de una Serie

Es más rápido que apply() pero funciona solo en Series.
 

Lección 2: Agrupaciones con groupby()

¿Para qué se usa groupby()?

Para agrupar datos por categorías y realizar cálculos estadísticos (suma, promedio, conteo, etc.).

Ejemplo básico:

Agregar varias columnas:

Agregación múltiple:

Contar elementos por grupo:

groupby() es una herramienta esencial para resúmenes por categoría, análisis por grupos o creación de reportes.

Lección 3: Ordenar datos con sort_values() y sort_index()

Ordenar por una columna:

Ordenar por varias columnas:

Ordenar por índice:

El orden de los datos es importante para visualización, interpretación y limpieza.

Lección 4: Combinar DataFrames con merge(), concat() y join()

merge() – equivalente a un JOIN en SQL

Tipos de combinaciones:

• inner: intersección
• outer: unión completa
• left: todos los de la izquierda
• right: todos los de la derecha
   

concat() – unir por filas o columnas

# Unir columnas (apilamiento horizontal)

join() – unión por índice

Las combinaciones de tablas son esenciales en integración de fuentes de datos, construcción de dashboards y modelado.

Actividad práctica de la sección

1. A partir de un DataFrame de estudiantes, crea una columna llamada "Estado" que diga "Aprobado" si la nota es mayor o igual a 6.
2. Agrupa los estudiantes por carrera y calcula el promedio de nota.
3. Ordena el DataFrame resultante por nota promedio de forma descendente.
4. Combina dos DataFrames: uno con datos personales y otro con datos académicos, usando merge().
5. Crea una función personalizada para clasificar las edades en rangos y aplícala con apply().

Autoevaluación

1. ¿Cuál es la diferencia entre apply() y map()?
2. ¿Qué hace la función groupby() y qué devuelve?
3. ¿Cómo puedes ordenar por más de una columna al mismo tiempo?
4. ¿Qué parámetro en merge() te permite hacer un JOIN completo?
5. ¿Cuándo usarías concat() en lugar de merge()?
    

Conclusión de la sección

Has aprendido a transformar tus datos con funciones vectorizadas, a agruparlos inteligentemente y a combinarlos para enriquecer el análisis. Estas habilidades son clave para convertir datos en información valiosa. A partir de aquí, estarás listo para presentar esos datos visualmente, lo que desarrollarás en la siguiente sección.

Lección 1: Introducción a .plot() desde Pandas

¿Qué es .plot()?

Pandas incorpora funciones de visualización basadas en Matplotlib, lo que permite generar gráficos de manera muy simple directamente desde un DataFrame o una Serie.

Ventajas:

• Sintaxis muy simple.
• Ideal para exploración rápida de datos.
• Integra automáticamente etiquetas, leyendas y títulos básicos.
   

Ejemplo básico:

Tipos básicos disponibles:

• 'line' (línea) – valor por defecto
• 'bar' (barras verticales)
• 'barh' (barras horizontales)
• 'hist' (histograma)
• 'pie' (pastel)
   

Importante: Aunque Pandas hace más sencillo graficar, utiliza internamente Matplotlib, por lo que ambos están estrechamente ligados.

Lección 2: Gráficos de líneas, barras, histogramas y pastel

Gráfico de líneas (ideal para series temporales):

Gráfico de barras:

Gráfico de barras horizontales:

Histograma (distribución de frecuencia):

Gráfico de pastel (solo para Series):

Recomendación: Usa pastel solo para representar proporciones, no para comparaciones absolutas.

Lección 3: Personalización de gráficos (colores, etiquetas, títulos)

Personalizar etiquetas y títulos:

Cambiar colores:

Añadir rejilla (grid) y ajustar figura:

Cambiar tamaño del gráfico:

Consejo: Siempre llama a plt.show() al final para asegurar que el gráfico se renderice correctamente, especialmente en scripts.

Lección 4: Relación entre Pandas y Matplotlib

Pandas no reemplaza a Matplotlib, sino que lo utiliza internamente para facilitar la visualización. Por eso, puedes:

Combinar ambos:

En contextos más avanzados, usarás Seaborn o directamente matplotlib para diseños más personalizados.

Actividad práctica de la sección

1. Crea una Serie con ventas mensuales y grafícala como línea.
2. Usa un DataFrame con productos y ventas para generar un gráfico de barras.
3. Crea un histograma de una columna de edades simuladas.
4. Visualiza la proporción de productos vendidos en un gráfico de pastel.
5. Personaliza un gráfico con título, etiquetas y color personalizado.

Autoevaluación

1. ¿Cuál es la diferencia entre .plot() y matplotlib.pyplot.plot()?
2. ¿Qué tipo de gráfico usarías para comparar productos?
3. ¿Qué función permite ajustar automáticamente el tamaño del gráfico?
4. ¿Qué parámetro usarías para mostrar porcentajes en un gráfico de pastel?
5. ¿Por qué es útil usar plt.show() al final de un gráfico?
    

Conclusión de la sección

La visualización de datos transforma cifras en comprensión. En esta sección, aprendiste a usar Pandas para generar gráficos de manera rápida y efectiva, y a personalizarlos para lograr presentaciones claras y profesionales. En las siguientes secciones, aplicarás estas habilidades