Python Para El Analisis De Datos

Para muchos, el lenguaje de programación Python tiene un gran atractivo. Desde su primera aparición en 1991, Python se ha convertido en uno de los lenguajes de programación de intérprete más conocidos, junto con Perl, Ruby y otros.

Instrucciones para inscribirse al curso gratis

¡No dejes pasar esta oportunidad!

1. Haz clic en el botón azul de abajo que dice ¡Obtener Ahora! 
2. Espera y disfruta.

Python y Ruby se han hecho especialmente populares desde 2005 más o menos por crear sitios web utilizando sus diferentes frameworks web, como Rails (Ruby) y Django (Python). A estos lenguajes se les llama lenguajes de scripting o secuencia de comandos, pues se pueden emplear para escribir rápidamente programas —o secuencias de comandos— de poca entidad para automatizar otras tareas.

De entre los lenguajes interpretados, por distintas razones históricas y culturales, Python ha desarrollado una comunidad de análisis de datos y computación científica muy grande y activa. En los últimos 20 años, Python ha pasado de ser un lenguaje de ciencia computacional de vanguardia, es decir, «bajo tu cuenta y riesgo», a uno de los lenguajes más importantes para la ciencia de datos, el aprendizaje automático y el desarrollo general de software, tanto académicamente hablando como dentro del sector.
Para análisis de datos, computación interactiva y visualización de datos, es inevitable que Python dé lugar a comparaciones con otros lenguajes de programación y herramientas de fuente abierta y comerciales de uso generalizado, como R, MATLAB, SAS, Stata, etc.
En los últimos años, las librerías de código abierto mejoradas de Python (como pandas y scikit-learn) lo han convertido en la opción habitual para tareas de análisis de datos. Combinadas con la solidez global de Python para ingeniería de software genérica, es una excelente alternativa como lenguaje principal para crear aplicaciones de datos.

TEMARIO

• Preliminares
• -¿De qué trata este libro?
• -¿Qué tipos de datos?
• -¿Por qué Python para análisis de datos?
• -Python como elemento de unión
• -Resolver el problema de «los dos lenguajes»
• -¿Por qué no Python?
• -Librerías esenciales de Python
• Fundamentos del lenguaje Python, IPython y Jupyter Notebooks
• -El intérprete de Python
• -Fundamentos de IPython
• -Ejecutar el shell de IPython
• -Ejecutar el notebook de Jupyter
• -Fundamentos del lenguaje Python
• -Semántica del lenguaje
• -Tipos escalares
• -Control de flujo
• Estructuras de datos integrados, funciones y archivos
• -Estructuras de datos y secuencias
• -Tupla
• -Listas
• -Diccionario
• -Conjunto o set
• -Funciones de secuencia integradas
• -Comprensiones de lista, conjunto y diccionario
• -Funciones
• -Espacios de nombres, ámbito y funciones locales
• -Devolver varios valores
• -Las funciones son objetos
• -Funciones anónimas (lambda)
• -Generadores
• -Errores y manejo de excepciones
• -Bytes y Unicode con archivos
• Fundamentos de NumPy: arrays y computación vectorizada
• Empezar a trabajar con pandas
• Carga de datos, almacenamiento y formatos de archivo
• Limpieza y preparación de los datos
• Disputa de datos: unión, combinación y remodelación
• Gráficos y visualización
• Agregación de datos y operaciones con grupos
• Series temporales
• Introducción a las librerías de creación de modelos de Python
• Ejemplos de análisis de datos
• NumPy avanzado
• Más sobre el sistema IPython
• Etc...