{"id":29433927,"url":"https://github.com/ayorick23/python-data-science-cheat-sheet","last_synced_at":"2026-04-07T08:01:34.809Z","repository":{"id":281100525,"uuid":"943669471","full_name":"ayorick23/python-data-science-cheat-sheet","owner":"ayorick23","description":"Guía rápida y práctica de sintaxis, comandos y funciones esenciales de Python para Ciencia de Datos. Perfecta para recordar cómo usar las librerías más comunes como NumPy, Pandas, Matplotlib y Scikit-learn en tus análisis diarios.","archived":false,"fork":false,"pushed_at":"2025-07-11T02:04:12.000Z","size":4299,"stargazers_count":0,"open_issues_count":0,"forks_count":0,"subscribers_count":1,"default_branch":"main","last_synced_at":"2025-10-14T11:36:35.067Z","etag":null,"topics":["cheat-sheet","data-analysis","data-science","data-visualization","deep-learning","jupyter-notebook","machine-learning","matplotlib","ml","numpy","pandas","python","scikit-learn","scipy","seaborn","statistics","sympy","tensorflow"],"latest_commit_sha":null,"homepage":"","language":"Jupyter Notebook","has_issues":true,"has_wiki":null,"has_pages":null,"mirror_url":null,"source_name":null,"license":"mit","status":null,"scm":"git","pull_requests_enabled":true,"icon_url":"https://github.com/ayorick23.png","metadata":{"files":{"readme":"README.md","changelog":null,"contributing":null,"funding":null,"license":"LICENSE","code_of_conduct":null,"threat_model":null,"audit":null,"citation":null,"codeowners":null,"security":null,"support":null,"governance":null,"roadmap":null,"authors":null,"dei":null,"publiccode":null,"codemeta":null,"zenodo":null,"notice":null,"maintainers":null,"copyright":null,"agents":null,"dco":null,"cla":null}},"created_at":"2025-03-06T04:36:44.000Z","updated_at":"2025-07-11T02:04:16.000Z","dependencies_parsed_at":"2025-07-11T04:11:34.473Z","dependency_job_id":"ff0aa40a-c818-4d99-90ae-f025aaef4595","html_url":"https://github.com/ayorick23/python-data-science-cheat-sheet","commit_stats":null,"previous_names":["ayorick23/python-data-science-essentials","ayorick23/python-data-science-cheat-sheet"],"tags_count":0,"template":false,"template_full_name":null,"purl":"pkg:github/ayorick23/python-data-science-cheat-sheet","repository_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/ayorick23%2Fpython-data-science-cheat-sheet","tags_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/ayorick23%2Fpython-data-science-cheat-sheet/tags","releases_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/ayorick23%2Fpython-data-science-cheat-sheet/releases","manifests_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/ayorick23%2Fpython-data-science-cheat-sheet/manifests","owner_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/owners/ayorick23","download_url":"https://codeload.github.com/ayorick23/python-data-science-cheat-sheet/tar.gz/refs/heads/main","sbom_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/ayorick23%2Fpython-data-science-cheat-sheet/sbom","scorecard":null,"host":{"name":"GitHub","url":"https://github.com","kind":"github","repositories_count":286080680,"owners_count":31504897,"icon_url":"https://github.com/github.png","version":null,"created_at":"2022-05-30T11:31:42.601Z","updated_at":"2026-04-07T03:10:19.677Z","status":"ssl_error","status_checked_at":"2026-04-07T03:10:13.982Z","response_time":105,"last_error":"SSL_connect returned=1 errno=0 peeraddr=140.82.121.5:443 state=error: unexpected eof while reading","robots_txt_status":"success","robots_txt_updated_at":"2025-07-24T06:49:26.215Z","robots_txt_url":"https://github.com/robots.txt","online":false,"can_crawl_api":true,"host_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub","repositories_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories","repository_names_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repository_names","owners_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/owners"}},"keywords":["cheat-sheet","data-analysis","data-science","data-visualization","deep-learning","jupyter-notebook","machine-learning","matplotlib","ml","numpy","pandas","python","scikit-learn","scipy","seaborn","statistics","sympy","tensorflow"],"created_at":"2025-07-13T02:00:39.843Z","updated_at":"2026-04-07T08:01:34.788Z","avatar_url":"https://github.com/ayorick23.png","language":"Jupyter Notebook","funding_links":[],"categories":[],"sub_categories":[],"readme":"# \u003cimg width=\"30\" height=\"30\" src=\"https://img.icons8.com/?size=100\u0026id=83IWFlQhyRNZ\u0026format=png\u0026color=000000\" alt=\"data-science\"\u003e **Python Data Science Cheat Sheet**\n\n¡Bienvenido/a a **Python Data Science Cheat Sheet!** Este repositorio es tu guía rápida y práctica para las herramientas y conceptos esenciales de Python para la ciencia de datos. Tanto si te estás iniciando en la ciencia de datos como si necesitas un repaso rápido, aquí encontrarás información concisa y útil.\n\nAquí encontrarás una colección organizada de bibliotecas, funciones y flujos de trabajo clave de Python, comúnmente utilizados en la manipulación, el análisis, la visualización y el aprendizaje automático de datos, cada uno con explicaciones claras y ejemplos prácticos de código.\n\n## Tabla de Contenidos\n\n- [ **Python Data Science Cheat Sheet**](#-python-data-science-cheat-sheet)\n  - [Tabla de Contenidos](#tabla-de-contenidos)\n  - [🌎 Acerca de](#-acerca-de)\n  - [🚀 ¿Qué encontrarás aquí?](#-qué-encontrarás-aquí)\n    - [Librerías que abarcará este Repositorio](#librerías-que-abarcará-este-repositorio)\n  - [📂 Estructura del Repositorio](#-estructura-del-repositorio)\n  - [📝 ¿Cómo Usarlo?](#-cómo-usarlo)\n  - [🤝 Contribuciones](#-contribuciones)\n  - [🫂 Referencias y Agradecimientos](#-referencias-y-agradecimientos)\n  - [📃 Licencia](#-licencia)\n  - [✉️ Contáctame](#️-contáctame)\n\n## 🌎 Acerca de\n\n**Python** se ha convertido en el lenguaje predilecto para la ciencia de datos gracias a su simplicidad, su amplio ecosistema de bibliotecas y el sólido apoyo de la comunidad. Permite a los profesionales de datos realizar análisis complejos, construir modelos predictivos y crear visualizaciones reveladoras.\n\nEste **Python Data Science Cheat Sheet!** tiene como objetivo simplificar el aprendizaje y ofrecer una referencia rápida de las bibliotecas y técnicas de Python más importantes y utilizadas en el análisis y la ciencia de datos. Está diseñada para ser un recurso accesible que te ayudará a afrontar los retos de tus datos de forma más eficiente y con mayor confianza.\n\n## 🚀 ¿Qué encontrarás aquí?\n\n### Librerías que abarcará este Repositorio\n\n- [x] NumPy\n- [x] Pandas\n- [x] Matplotlib\n- [ ] Seaborn\n- [ ] SciPy\n- [ ] SymPy\n- [ ] statsmodels\n- [ ] Scikit-Learn\n- [ ] Keras\n- [ ] Tensorflow\n- [ ] Pytorch\n\n## 📂 Estructura del Repositorio\n\nEl repositorio está organizado por bibliotecas y temas centrales de ciencia de datos para facilitar la navegación y el aprendizaje de forma intuitiva:\n\n```bash\npython-data-science-cheat-sheet/\n├── README.md\n├── 01_numpy/\n│   ├── 01_array_creation.ipynb\n│   ├── 02_input_and_output.ipynb\n│   ├── 03_inspecting_arrays.ipynb\n│   └── ...\n│\n├── 02_pandas/\n│   ├── 01_series_and_dataframes.ipynb\n│   ├── 02_data_upload.ipynb\n│   ├── 03_data_exploration.ipynb\n│   └── ...\n│\n├── 03_matplotlib/\n│   ├── 01_introduction.ipynb\n│   ├── 02_basic_plots.ipynb\n│   ├── 03_customization_and_styles.ipynb\n│   └── ...\n│\n├── 04_seaborn/\n│   ├──\n│   ├──\n│   ├──\n│   └── ...\n│\n├── 05_scipy/\n│   ├──\n│   ├──\n│   ├──\n│   └── ...\n└── ...\n```\n\n## 📝 ¿Cómo Usarlo?\n\nPara sacarle el máximo provecho a este **Python Data Science Cheat Sheet**, sigue estos pasos:\n\n1. **Clona el repositorio:** Abre tu terminal o Git Bash y clona este repositorio en tu máquina local:\n\n   ```bash\n   git clone https://github.com/ayorick23/python-data-science-cheat-sheet.git\n   ```\n\n2. **Navega al directorio:**\n\n   ```bash\n   cd python-data-science-cheat-sheet\n   ```\n\n3. **Explora los temas:** Accede al directorio de la biblioteca de tu preferencia y explora las diferentes categorías. Por ejemplo, para aprender los conceptos básicos de NumPy:\n\n   ```bash\n   cd 01_numpy/\n   ```\n\n4. **Revisa y ejecuta los ejemplos de Jupiter Notebooks:** Cada archivo `.ipynb` contiene un ejemplo práctico del concepto. Puedes abrirlo para ver el código o ejecutarlo directamente desde tu terminal (asegúrate de tener Python y las bibliotecas necesarias instaladas).\n\n   ```bash\n   cat 01_array_creation.ipynb\n   # To run the example:\n   python 01_array_creation.ipynb\n   ```\n\n   **Consejo:** Recomiendo encarecidamente ejecutar los ejemplos y modificar el código para experimentar y consolidar su comprensión.\n\n## 🤝 Contribuciones\n\n¡Las contribuciones son increíblemente valiosas! Si deseas mejorar este **Python Data Science Cheat Sheet**, añadir nuevos temas, mejorar explicaciones o proporcionar más ejemplos, por favor:\n\n1. Haz un fork de este repositorio.\n2. Crea una nueva rama (`git checkout -b feature/nuevas-funciones-pandas`).\n3. Realiza tus cambios y haz commit (`git commit -m 'Añadir sección sobre filtrado de datos con loc'`).\n4. Haz un push de tus cambios a tu fork (`git push origin feature/nuevas-funciones-pandas`).\n5. Abre un Pull Request en este repositorio.\n\n## 🫂 Referencias y Agradecimientos\n\nEste repositorio se ha creado recopilando y sintetizando información de diversas fuentes confiables sobre Python para la ciencia de datos. Agradezco sinceramente a los siguientes recursos, que han sido fundamentales para la creación de este contenido:\n\n- **Documentación de NumPy:** La fuente oficial de documentación de la librería NumPy.\n  - [NumPy Documentation](https://numpy.org/doc/)\n- **Documentación de Pandas:** La fuente oficial de documentación de la librería Pandas.\n  - [Pandas Documentation](https://pandas.pydata.org/docs/)\n- **Documentación de Matplotlib:** La fuente oficial de documentación de la librería Matplotlib.\n  - [Matplotlib Documentation](https://matplotlib.org/stable/index.html)\n- **Documentación de Seaborn:** La fuente ofical de documentación de la librería Seaborn.\n  - [Seaborn Documentation](https://seaborn.pydata.org/)\n- **Documentación de SciPy:** La fuente oficial de documentación de la librería SciPy.\n  - [SciPy Documentation](https://docs.scipy.org/doc/scipy/)\n- **Documentación de SymPy:** La fuente oficial de documentación de la librería SymPy.\n  - [SymPy Documentation](https://simpy.readthedocs.io/en/latest/)\n- **Documentación de Statsmodels:** La fuente oficial de documentación de la librería Statsmodels.\n  - [Statsmodels Documentation](https://www.statsmodels.org/stable/index.html)\n- **Documentación de Scikit-Learn:** La fuente oficial de documentación de la librería Scikit-Learn.\n  - [Scikit-Learn](https://scikit-learn.org/stable/)\n- **Documentación de Tensorflow:** La fuente oficial de documentación de la librería Tensorflow.\n  - [Tensorflow Documentation](https://www.tensorflow.org/api_docs)\n\n¡Agradezco a todos estos recursos por su invaluable contribución al conocimiento de cada una de estas librerías!\n\n## 📃 Licencia\n\nEste proyecto está bajo la Licencia MIT. Consulta el archivo `LICENSE` para más detalles.\n\n## ✉️ Contáctame\n\nSi tienes alguna pregunta o sugerencia, no dudes en contactarme:\n\n[![GitHub](https://img.shields.io/badge/-GitHub-181717?style=flat\u0026logo=github\u0026logoColor=white)](https://github.com/ayorick23)\n[![Gmail](https://img.shields.io/badge/-Email-D14836?style=flat\u0026logo=gmail\u0026logoColor=white)](mailto:mayorickhenry@gmail.com)\n[![LinkedIn](https://img.shields.io/badge/-LinkedIn-blue?style=flat\u0026logo=linkedin\u0026logoColor=white)](https://linkedin.com/in/dereckmendez/)\n[![Kaggle](https://img.shields.io/badge/-Kaggle-181717?style=flat\u0026logo=kaggle\u0026logoColor=white)](https://www.kaggle.com/dereckmendez)\n","project_url":"https://awesome.ecosyste.ms/api/v1/projects/github.com%2Fayorick23%2Fpython-data-science-cheat-sheet","html_url":"https://awesome.ecosyste.ms/projects/github.com%2Fayorick23%2Fpython-data-science-cheat-sheet","lists_url":"https://awesome.ecosyste.ms/api/v1/projects/github.com%2Fayorick23%2Fpython-data-science-cheat-sheet/lists"}