Ecosyste.ms: Awesome

An open API service indexing awesome lists of open source software.

Awesome Lists | Featured Topics | Projects

https://github.com/lazernata/python-for-data-science-course

Exercises from ADR Formación "Python for Data Science" Course
https://github.com/lazernata/python-for-data-science-course

data-science data-visualization jupyter-notebook python statistics

Last synced: 14 days ago
JSON representation

Exercises from ADR Formación "Python for Data Science" Course

Awesome Lists containing this project

README 

        
---



# Ejercicios Completados - Python para el Análisis de Datos



Este repositorio contiene los ejercicios completados a lo largo del curso de **Python para el Análisis de Datos**. Cada sección se enfoca en un tema clave del análisis de datos, con ejercicios prácticos que aplican los conceptos y habilidades aprendidas.



## Contenidos y Resumen de Ejercicios



### 1. Introducción al Análisis de Datos

Ejercicios que cubren la instalación y configuración de Python y Jupyter, importación de librerías esenciales, y visualización básica de datos usando Matplotlib. También se incluye la estructura general de un proyecto de ciencia de datos.



### 2. Fundamentos del Lenguaje Python

Prácticas de conceptos básicos de Python, incluyendo variables, creación y manipulación de listas, funciones, diccionarios y comprensión de listas. Estos ejercicios son fundamentales para desarrollar habilidades en el manejo de datos en Python.



### 3. Conceptos de Estadística para el Análisis de Datos

Ejercicios prácticos en conceptos estadísticos clave como varianza, correlación, histogramas y percentiles, así como el cálculo de previsiones y media móvil. Estos ejercicios fortalecen la comprensión de conceptos estadísticos en el análisis de datos.



### 4. Cálculo Numérico con Numpy

Ejercicios sobre manipulación de arrays unidimensionales y multidimensionales, selección de datos y cálculos estadísticos usando la librería NumPy, una herramienta esencial para el análisis de datos en Python.



### 5. Análisis de Datos con Pandas

Prácticas sobre el manejo de `dataframes`, importación de datos, filtrado y limpieza de datos, creación y manipulación de columnas, y uso de funciones avanzadas como `groupby` y `pivot tables`. Estos ejercicios son clave para la preparación y transformación de datos.



### 6. Importación y Exportación con Pandas

Ejercicios enfocados en la importación de datos desde diferentes fuentes (Excel, bases de datos SQL, web scraping, archivos JSON) y exportación de datos a formatos como CSV y Excel. Incluye también integración con servicios en la nube.



### 7. Visualización de Datos en Python - Matplotlib

Prácticas en la creación y personalización de gráficos con Matplotlib, desde gráficos de líneas y barras hasta histogramas y gráficos de caja. Se exploran métodos para visualización avanzada y creación de subplots.



### 8. Visualización de Datos en Python - Seaborn

Ejercicios centrados en la librería Seaborn, con prácticas en la creación de gráficos de regresión, gráficos de dispersión y violin plot, así como análisis de correlación y uso de `heatmaps`.



### 9. Series Temporales en Python

Ejercicios que abordan el procesamiento y análisis de series temporales, incluyendo el filtrado, remuestreo, visualización y previsiones basadas en datos históricos. Incluye prácticas de pandas para el análisis de series temporales.



### 10. Ejecución e Interconexión de Python con Otras Plataformas

Prácticas en la creación de scripts de Python y la automatización de tareas, incluyendo la integración con herramientas de Business Intelligence como Power BI.



---



## Cómo Usar este Repositorio

Cada sección contiene un conjunto de ejercicios prácticos organizados en Jupyter Notebooks, siguiendo el orden de los módulos del curso. Se recomienda revisar cada Notebook para consolidar los conocimientos y habilidades en Python para el análisis de datos.



---