Análisis de datos

Este curso es excelente, de los mejores que tiene platzi, combinando teoria y práctica con DataSets reales 😄

Pairplot es una buena alternativa de scatter_matrix. Está en la librería seaborn

sns.pairplot(df_med.reset_index())

Este curso deberia ser uno de los primeros al entrar al mundo de Data Science. Excelente curso, buen profesor y el contenido tanto teorico y practico son una chulada. Mas cursos asi por favor.

Le comparto la URL donde pueden encontrar los distintos mapas de colores, tambien existen mapas de colores especiales para variables categoricas, en las que en lugar de ser un gradiente son colores fijos. Los pueden checar en la documentacion.
https://matplotlib.org/tutorials/colors/colormaps.html

En este caso yo hice relacionado a los datos de Ecuador
![](

Yo hice un ejercicio similar con Colombia:

Yo hice el ejercicio para Guatemala únicamente, me pareció muy interesante observar que la producción de energía electrónica (en Guatemala hay varias hidroeléctricas), no tiene relación con la deforestacion ni la agricultura y generalmente las comunidades tienen mucha resistencia a las hidroeléctricas por esos temas.

Este curso es poesía pura, Debería estar en el apartado de " Intermedio" en la carrera de DS.

Me encantó este último ejercicio (3 últimos videos). Excelente curso.

A este curso hay que darle 10 estrellas. Mi único contra es que debería estar mucho antes en la ruta de Ciencia de Datos al ser Pandas una de las librerías más usadas.

Una forma para que no salga todo ese texto previo al gráfico es colocar un ; al final de la última línea de código relacionada con el gráfico 😄.

Pero que señor Curso este, muuuuuy bueno. Lo único que lamento es que no esté algo más en la parte media de la Escuela de Data Science, sobretodo considerando que el profe hizo una curva de dificultad bastante amena.
10/10

pongan punto y coma (😉 después de cada código de los gráficos para que no aparezcan esas líneas

Excelente curso, muy bien preparado previamente el material y eso queda reflejado en el curso.

Ojo que el dataset “forest” no es de deforestación, sino de área de bosques. Eso le da más sentido a algunas de las correlaciones que se ven de esta variable, por ejemplo, las correlaciones inversas de área de bosques con el nivel de co2, con la producción eléctrica y con la fecha (a medida que avanza el tiempo, hay menos bosques).

Excelente curso, deja tanta información que es dificil recordarla toda, sin embargo, uno ya sabe que existe para usarla en el futuro

Muy buen curso la verdad, incluso considero que tal vez deberia de estar antes en la escuela de data science

Este curso es para 10 estrellas. Mi único pero es que debería estar antes en la ruta de Ciencias de Datos al ser Pandas una libreria de uso frecuente.

Muy buen curso!

excelente curso!

Excelente curso. Demasiada información pero muy bien explicada.

Para agrandar el gráfico de la correlación ejecuten este código:

import matplotlib.pyplot as plt

fig, ax = plt.subplots(figsize=(10,8))
sns.heatmap(df_climate.corr(), annot=True, ax=ax)

donde puedo encontrar datasets para practicar la limpia de datatos o data wrangling o con cualquiera sirve ?

5 estrellas el curso! muy práctico todo!

Excelente curso… me la pase haciendo ejercicio tras ejercicio…

Genial el curso. Espero con impaciencia cuando te vas a dar un curso de redes convolutivas

Haciendo el ejercicio sólo para Colombia me surgió una reflexión en torno al dato de la correlación entre CO2 - temperatura (0.14) y CO2 - consumo eléctrico (0.92):

El país esta claramente perfilado como una región en vía de desarrollo según las dinámicas de cambio climático, en donde su propia producción de CO2 no es tan significativa como para relacionarse directamente al aumento de temperaturas medias en el territorio, por lo que no tiene una economía industrial grande que imprima gases efecto invernadero significativamente. Sin embargo, la relación alta con la demanda energética muestra que las dinámicas de crecimiento del país siguen la tendencia del desarrollo moderno, entre más gasto energético, más emisión de CO2, ya sea por transporte, industria o comercio.

Genial esta clase

Me encantó este curso. Cada vez adquirimos más herramientas para hacer data analysis. Sin duda Pandas es de las herramientas más completas y útiles. Gracias David, excelente curso!

este curso es excelente, se siente como si es el paso previo al curso de Tableau

me perdi las dos ultimas clases porque the world bank esta caido:( , F

el curso me lo acaban de quitar de la carrera de Ingeniero de machine learning

es muy bueno me gustaría otro donde se apliquen modelos de machine learning

Excelente curso y continuar practicando todas las opciones y ejemplos visto aqui

Proyecto 💾⛏

Hola, les comparto un pequeño proyecto que hice para reforzar lo aprendido en el curso.
Es sobre los datos de usuario que podemos solicitar a Uber, nos envían los datos de Uber Eats y Trips, los invito a explorar sus datos en la plataforma, si son usuarios frecuentes pueden encontrar cosas curiosas.

👉 Acá les dejo el repo.

La cantidad de cosas que puedes ver usando python con pandas, numpy y matplotlib es enorme, si hacemos lo básico cualquier excel puede reemplazarlo, pero el nivel de profundidad al que se llega si sabemos usar los códigos muestra historias muy completas.

Analisis de coordenadas paralelas sobre paises de norte america

Excelente curso, mismo que aplicaré en la institución donde presto mis servicios profesionales.

Lo que yo hice fue correlacionar las variables que tenía mi DataSet pero, para Colombia. Esta fue la Viz:

Buen curso, a seguir aprendiendo

Un curso muy valioso y muy útil, tiene infinidad de aplicaciones y abre el camino para profundizar y dominar el manejo de datos en Python

Los 10 países con más emisiones de CO2.

Se nota cuando un profesor es experto en la materia del curso que imparte. De los mejores cursos

Excelente curso!

El mejor curso hasta ahora que he tomado en mi vida.
Resume todo lo que hace un Data Sc con Python en solo un curso.

Excelente curso. Muchas gracias

Si desean eliminar el array que sale en la cabecera de los gráficos deben importar la librería de matplotlib.pyplot, y abajo de su código de la gráfica hacer un plt.show()

este curso es como una documentacion de pandas pero en video :V

Muy buena clase, me encanto diferentes datasets.
Analisis muy buenos,
varios tips.

Excelente curso, excelente profesor, explicación y didáctica. Espero que el mismo profesor dicte otros cursos a futuro.

Me encantó este curso!!! De lo mejor de Platzito

Excelente curso no me canso de decirlo y David de los mejores !!!