Análisis de Datos con Python
Aprende a analizar datos utilizando Python. Este curso lo llevará desde los aspectos básicos de Python hasta la exploración de muchos tipos diferentes de datos. Aprenderá cómo preparar datos para el análisis, realizar análisis estadísticos simples, crear visualizaciones de datos, predecir tendencias futuras a partir de datos y ¡mucho más!.
Para el descubrimiento de patrones en los datos, es necesario el uso de el análisis de datos, el cuál podrá aprender a continuación. Para saber más acerca de los usos del análisis de datos, lea los conceptos básicos de la minería de datos.
Prerrequisitos
Los requisitos previos son los siguientes: conceptos básicos de cálculo, álgebra lineal, teoría de probabilidad y estadística, y habilidades de programación en Python.
Si necesita ponerse al día, el curso de Programación en Python le ayudará.
Análisis de Datos con Python – Una Introducción
Python ha acumulado mucho interés recientemente como una opción de lenguaje para el análisis de datos. Y ha estado siendo comparado con SAS & R desde algún tiempo. Aquí hay algunas razones que favorecen aprender Python: Open Source – es gratis para instalar Comunidad impresionante en línea Muy fácil de aprender Puede convertirse en un lenguaje común para la ciencia de datos y la producción de productos analíticos basados en la web. Python fue diseñado explícitamente para que (a) el […]
Estructuras de Datos, Iteraciones y Condicionales en Python
A continuación se muestran algunas estructuras de datos, que se utilizan en Python. Debe estar familiarizado con ellos para usarlos según corresponda. Listas: las listas son una de las estructuras de datos más versátiles de Python. Una lista puede definirse simplemente escribiendo una lista de valores separados por comas entre corchetes. Las listas pueden contener elementos de diferentes tipos, pero generalmente todos los elementos tienen el mismo tipo. Las listas de Python son mutables y se pueden cambiar los elementos […]
Bibliotecas para hacer análisis de datos en Python
Vamos a dar un paso adelante en nuestro viaje para aprender Python conociendo algunas bibliotecas útiles. El primer paso es, obviamente, aprender a importarlas en nuestro entorno. Hay varias formas de hacerlo en Python: import math as m from math import * De la primera manera, hemos definido un alias m para la librería math . Ahora podemos usar varias funciones de la biblioteca matemática (por ejemplo, factorial) haciendo referencia a ella usando el alias m.factorial(). En la segunda forma, […]
Análisis exploratorio en Python con Pandas
Pandas es una de las bibliotecas de análisis de datos más útiles de Python. Ha sido fundamentales para aumentar el uso de Python en la comunidad de la ciencia de datos. Ahora usaremos Pandas para leer un conjunto de datos, realizar análisis exploratorios y crear nuestro primer algoritmo de categorización básico para resolver este problema. Antes de cargar los datos, entendamos las 2 estructuras de datos clave en Pandas – Series y DataFrames. Series y Dataframes Las series pueden entenderse […]
Procesamiento y Transformación de Datos en Python
Seguimos trabajando en el conjunto de datos anterior (datos de la tasa de abandono de los clientes de los operadores de telecomunicaciones) para la serie Análisis de Datos en Python. Se cargan los datos usando read_csv (si ya lo hiciste no es necesario repetirlo). import pandas as pd import numpy as np df = pd.read_csv('../../data/telecom_churn.csv') df.head() Aplicando funciones a celdas, columnas y filas Para aplicar funciones a cada columna, use apply(): df.apply(np.max) State WY Account length 243 Area code 510 International plan […]
Predicciones simples con Python
Seguimos trabajando en el conjunto de datos anterior (datos de la tasa de abandono de los clientes de los operadores de telecomunicaciones) para la serie Análisis de Datos en Python. Pronosticando el abandono de clientes Veamos cómo se relaciona la tasa de abandono con la variable del plan internacional. Haremos esto utilizando una tabla de contingencia de tablas de referencias cruzadas y también mediante análisis visual con Seaborn (sin embargo, el análisis visual se tratará con mayor detalle en el próximo artículo). […]
Análisis estadístico con Python y statsmodels
Esta clase proporciona funciones para la estimación de muchos modelos estadísticos diferentes, así como para realizar pruebas estadísticas y exploración de datos estadísticos con el uso de la biblioteca statsmodels. Conocimientos en programación en python y estadística son necesarios. Este caso de estudio muy simple está diseñado para que puedas ponerte en funcionamiento rápidamente con statsmodels. A partir de datos sin procesar, mostraremos los pasos necesarios para estimar un modelo estadístico y dibujar un gráfico para evaluar los resultados. Cargando […]