No tienes acceso a esta clase

隆Contin煤a aprendiendo! 脷nete y comienza a potenciar tu carrera

Posibilidades con Pandas y NumPy

24/24
Recursos

Has llegado al final. 隆Felicidades! 馃帀

Hagamos un peque帽o resumen de lo que has aprendido a lo largo de todo el contenido.

Numpy

  • Que es, que bondades tiene, porque se usa
  • Crear arrays
  • hacer slicing
  • filtrar datos
  • aplicar funciones aritm茅ticas

Pandas

  • Que son Series- DataFrames
  • Como llevar diferentes archivos
  • Iloc y loc
  • Apply
  • Merge, concat y join

Lo que aprendimos es lo que se usa cotidianamente en la ciencia de datos, esto nos ayudar谩 a aplicar a computer vision con redes neuronales convolucionales (puedes aprender m谩s de esto en el Curso Profesional de Computer Vision con TensorFlow), manipular, hacer visualizaciones.

En s铆, este es el principio de un gran mundo que nos espera para seguir aprendiendo y creciendo sin igual.

Aportes 134

Preguntas 1

Ordenar por:

驴Quieres ver m谩s aportes, preguntas y respuestas de la comunidad?

o inicia sesi贸n.

Realmente este era el curso que faltaba en la carrera de Data. Ahora s铆 estamos en condiciones de pasar a los pr贸ximos y entender mucho mejor (por ejemplo, EDA)

Excelente curso Carlos. Lo disfrut茅 de principio a fin. Espero verte en otros cursos en la ruta de Data, pues la pedagog铆a me ha gustado bastante.

el curso esta tan bueno, que hasta me hare otra cuenta en platzi para volver a tomarlo y darte otras 5 estrellas para sumen 10. Suerte compa帽ero!, espero que nos vuelvas a dar clases en alguno de los cursos que siguen.

La verdad que pedazo de curso馃憦馃帀

Les dejo mis apuntes

Notion 鉁

Google colabs
Conjuntos
Parte de Numpy
Pandas


鉁斺湐鉁 Pd voy a seguir trabajando en estos asi q los voy a ir actualizando

Este es el curso que necesita todo DataScience. Excelente!

Muchas gracias por el curso y el resumen, gracias por ser parte de este gran objetivo que tengo para ser data scientist

Gran curso! 馃榾
Comparto mi RESUMEN EN NOTION 馃摑
en el que realmente aport茅 muy poco, es un rejunte muy completo de los aportes de los comentarios y recursos externos. Especial agradecimiento a Jeinfferson Bernal G y Alfonso Mor谩n.

Excelente curso, se vieron muchos temas que nos permiten tener bases m谩s solidas tanto en pandas como en numpy.

Les dejo mis notas sobre pandas y numpy

https://deepnote.com/@nicoll-idaly-angulo-mejia/Curso-DS-pandas-ddda53e7-361e-454a-a256-d851c11409f0

https://deepnote.com/@nicoll-idaly-angulo-mejia/Curso-DS-numpy-5019d989-999a-4778-aeba-f7050af06697

Felicitaciones Carlos, muy claro en la presentaci贸n de los contenidos del curso, da seguridad para seguir avanzando en Data Science e Inteligencia Artificial

Me gust贸 que todo es ejemplificado. As铆 los temas que no quedan claros con la explicaci贸n en el ejemplo no hay falla 馃槂

Excelente Curso, muy claro, preciso, completo, me gust贸 mucho. Estoy en un Diplomado de Ciencia de Datos en la Universidad, pero este curso para mi ha sido el complemento perfecto para poder hacer las guias y retos que me dan. Aplausos para el profe

leyendo la documentacion y en paralelo viendo el curso, diosmio, demasiada informacion, pero muchas gracias! aprendi un monton

Muy buen curso! Ahora a seguir con el de Matplotlib y Seaborn!

Hola amigos, me tom茅 el tiempo de sacar apuntes, algunos los extraje de algunos comentarios asi que doy credito a la persona que los haya hecho: Link de la carpeta compartida de drive

Saludos,

Excelente curso, ya tengo rato manejando pandas, pero hay cosas que no sabia como se usaban, ahora solo me falta uno de scipy

Test RespUESTas
Resumen
1.
驴Podemos considerar el array como el objeto principal de NumPy?
Verdadero
2.
驴Cu谩l es el m茅todo para definir un array en Numpy?
np.array([1,2,3])
3.
驴Cu谩l es el resultado de esta operaci贸n en NumPy es np.array([鈥榟ola鈥,鈥2鈥,鈥4鈥,鈥5鈥橾,dtype=鈥榝loat64鈥)
Error en la conversi贸n de los datos.
4.
驴Con qu茅 propiedad de NumPy puede saber la cantidad de dimensiones en un arreglo?
ndim
5.
驴Para qu茅 sirve el comando expand_dims de Numpy?
Sumar una dimensi贸n al array.
6.
驴Cu谩l es el comando de NumPy para crear un array de n elementos con valores de cero (0)?
np.zeros()
7.
驴Qu茅 genera np.linspace(0,10,100)?
100 elementos de cero a 10.
8.
驴Qu茅 forma (shape) tiene el siguente array de NumPy?
[[7 8]
[2 1]
[2 4]]

(3,2)
9.
驴Cu谩l es el resultado del comando np.argmax(arr) siendo arr = np.array([13, 6, 3, 5, 10])?

0
10.
驴Qu茅 retorna la propiedad std() en un array de NumPy?
La desviaci贸n est谩ndar
11.
驴Cu谩l es el resultado del comando np.sort(arr) siendo arr = np.array([13, 6, 3, 5, 10])?

array([3, 5, 6, 10, 13])
12.
El comando copia_arr = arr.copy() crea una copia en memoria independiente de arr en un objeto llamado copia_arr. Esto es:
Verdadero
13.
驴Con cu谩l opci贸n de NumPy se puede filtrar un array de tipo arr = np.array([13, 6, 3, 5, 10]) para solo retornar n煤meros superariores a 7?

arr[arr>7]
14.
驴Cu谩l es la estructura base para leer un archivo csv llamado file.csv con Pandas?
pd.read_csv(鈥榝ile.csv鈥)

驴En qu茅 se basa el filtrado por iloc a diferencia de loc?
Index
16.
驴Qu茅 se obtiene de comando tipo df_books.loc[0:10, [鈥楴ame鈥, 鈥楢uthor鈥橾]?
Retorna las 11 primeras filas del dataset, pero solo de las columnas Name y Author.
17.
驴Qu茅 indica que el comando df.isnull() en Pandas si retorna True en una posici贸n?
Que ese valor es nulo.
18.
驴Cu谩l es el comando de Pandas que retorna count, mean,std, min, max y otras variables para todas las columnas num茅ricas en un DataFrame?
describe
19.
En Pandas es posible aplicar m谩s de una funci贸n de grupo por sentencia groupby a una columna en especifico. Esto es:
Verdadero
20.
驴Qu茅 deber铆a ir en el par谩metro how de la sentencia merge en Pandas para que muestre solo los match en ambos DataFrames?
outter
REPASAR CLASE
21.
驴En una sentencia de Apply de Pandas a un dataset es necesario enviarle una funci贸n definida previamente?
Falso
Ver menos

Seri genial incluir en el temario ejercicios de los temas que se vallan viendo, como los quiz.

Thanks, this course is great!

Gracias por el curso la verdad es muy did谩ctico y viene bastante sencillo el poder entender las cosas.

Gran curso, Felicidades @alarcon7a

Excelente curso y bastante explicado en cuanto a la pr谩ctica. Estar茅 pendiente a lo dem谩s cursos de Carlos.

Tremendo curso Carlos Alarc贸n, Claro, Puntual, Consciso, y muy Efectivo, motivador, lo suficiente para hecharme un par de libros al respecto.
Cada vez se pone mas interesante la Carrera de Data Science.

El curso me pareci贸 muy divertido. El profesor Carlos explica sencillo y claro , fomentando la pr谩ctica con ejercicios. Muchas gracias.

Muchas gracias Master, varios comentarios positivos de este curso confirmando lo bien estructurado y explicado que estuvo .

Excelente el curso.

Exelente curso

Excelente curso, es claro, conciso y ameno.

Muy buen curso para iniciarse en NumPy y Pandas 馃

Excelente curso, buen contenido y excelente profesor. Gracias Carlos

Muy buen curso. A mi que hab铆a hecho previamente los cursos de numpy y pandas anteriores me sirvi贸 mucho para terminar de comprender algunas logicas de fondo y por supuesto repasar conceptos y casos de uso. Me encant贸!

Excelente introducci贸n a estas 2 librer铆as!, gracias Carlos por dejarme super claro el tema de join y melt

Me encant贸 este curso, muy buen profesor!

Estoy muy satisfecho con el contenido, definitivamente nos deja a otro nivel馃殌. Let鈥檚 the game begin!

QuickNotes: Notas

La verdad que aunque fue b谩sico con respecto al de 2020, fue mucho m谩s explicativo.

MIL, GRACIAS, ESTE CURSO LO ESTABA ESPERANDO , ME ACLARO TANTO !!!

Muy bueno el curso, muy claras las explicaciones y usos. Les comparto el uso de la funci贸n map(), muy 煤til para crear columnas a partir de valores actuales, o modificar ciertos valores a necesidad:

df_best.year.map({2016:2017, 
                    2011:2010, 
                    2018:2019, 
                    2017:2016, 
                    2019:2020, 
                    2014:2013, 
                    2010:2011, 
                    2009:2008, 
                    2015:2016, 
                    2013:2012, 
                    2012:2013})

Excelente curso!!!
Gracias por facilitar el aprendizaje y motivarnos a seguir creciendo.

Les comparto el link de mis notas, es importante que carguen el archivo de los recursos en drive para que lo usar.

https://colab.research.google.com/drive/1rmG41A9u9x87f7Z2iJf622XHKsu7de-Q#scrollTo=rT88DE_lXtjN

Dejo un resumen que hice del curso en un Deepnote que espero que les guste y usen. Yo lo voy a tener bien presente para futuros trabajos.
Maravilloso curso que me ayudo a sacar lo mejor de Pandas y NumPy y sobre todo a recordar porque eleg铆 esta maravillosa carrera de Data Science.

Excelente curso Carlos @alarcon7a , metodolog铆a unido con practica!
A todos esto es de practica y que no todo es subir datos sin saber que se debe hacer con ellos y hay que ver los otros cursos de la escuela.

Indispensable para afianzar bases por que apenas esto es la punta del iceberg de una vida en (data science / analytics / ML).

Como repaso muy poderoso, para los que comienzan muy bueno. Mil gracias

Que buen curso. Excelente Carlos. Me ayudaste mucho a comprender bases que se me dificult贸 much铆simo cuando las v铆 en un primer momento. Gracias!

Impresionante el curso. Me ha encantado la verdad superclaro, sencillo y con explicaciones superinteresantes.

Gracias Carlos.

Excelente curso, este curso hacia falta, deber铆a de estar de forma obligatoria al inicio de las carreras de IA y ML y tambi茅n de DS, porque un alumno nuevo se ahorrar铆a muchos problemas ya que muchos cursos suponen que ya tenemos un base s贸lida de ciertos temas pero este curso los complementa bastante, el profesor explica los conceptos de forma clara y sin rodeos, de los mejores cursos que he tomado en Platzi

隆Excelente curso! Todo muy bien explicado y con ejemplos muy pr谩cticos y directos a las funcionalidades explicadas.

Este curso es muy muy bueno! El profesor es de 10

Manipulaci贸n y Transformaci贸n de Datos con Pandas y NumPy

Este proyecto es parte del curso 鈥淢anipulaci贸n y Transformaci贸n de Datos con Pandas y NumPy鈥 ofrecido por Platzi. A lo largo de este curso, aprender谩s a utilizar dos poderosas bibliotecas de Python, Pandas y NumPy, para manipular y transformar datos de manera eficiente. Te comparto el repositorio de Github.
.

NumPy

.

驴Qu茅 es NumPy?

.
NumPy es una biblioteca de Python que se utiliza para el c谩lculo num茅rico. Ofrece una amplia variedad de funciones y herramientas para trabajar con matrices y arrays multidimensionales, lo que lo convierte en una herramienta esencial para la computaci贸n cient铆fica y el an谩lisis de datos.
.

Bondades de NumPy

.
NumPy tiene varias ventajas, incluyendo:
.

  • Eficiencia: NumPy est谩 altamente optimizado, lo que lo hace m谩s r谩pido que las operaciones num茅ricas regulares en Python.
  • Soporte para arrays multidimensionales: Puedes trabajar con datos multidimensionales de manera sencilla.
  • Amplia gama de funciones matem谩ticas: NumPy ofrece una gran cantidad de funciones aritm茅ticas para realizar operaciones en arrays.
    .

Uso de NumPy

.
A lo largo del curso, explorar谩s las siguientes funcionalidades de NumPy:
.

  • Crear arrays: Aprender谩s a crear arrays de diferentes dimensiones.
  • Hacer slicing: Manipular谩s y acceder谩s a datos espec铆ficos dentro de los arrays.
  • Filtrar datos: Aprender谩s a filtrar datos de acuerdo a ciertas condiciones.
  • Aplicar funciones aritm茅ticas: Realizar谩s operaciones matem谩ticas en arrays para realizar c谩lculos num茅ricos.
    .

Pandas

.

Series y DataFrames

.
Pandas es otra biblioteca esencial para la manipulaci贸n de datos en Python. Introduce dos estructuras de datos fundamentales:
.

  • Series: Una estructura unidimensional que se utiliza para almacenar datos etiquetados.
  • DataFrames: Una estructura bidimensional que organiza datos en filas y columnas, similar a una hoja de c谩lculo.
    .

Trabajar con archivos

.
Aprender谩s a cargar y trabajar con diferentes archivos de datos, como CSV o Excel, utilizando Pandas. Esto te permitir谩 manipular y analizar datos de diversas fuentes.
.

Iloc y Loc

.
Las funciones iloc y loc te permitir谩n acceder a datos espec铆ficos en un DataFrame, ya sea utilizando 铆ndices num茅ricos o etiquetas de fila y columna.
.

Apply

.
La funci贸n apply te permitir谩 aplicar funciones personalizadas a tus datos, lo que es especialmente 煤til para realizar transformaciones complejas en tus conjuntos de datos.
.

Merge, Concat y Join

.
Aprender谩s a combinar y unir conjuntos de datos utilizando las funciones merge, concat, y join, lo que es esencial cuando trabajas con m煤ltiples fuentes de datos.
.

驴Quieres conectar?

.
隆Disfruta aprendiendo sobre Pandas y NumPy en este emocionante curso de Platzi!

Gran curso, excelente facilitador!

馃憢 Vengo del futuro para comentar que: 隆Este curso es buen铆simo! Bueno chau

me gusto el curso , muchas gracias =D

Un curso muy bueno, interesante y una forma muy motivadora de ense帽ar-

Que gran curso profe se faj贸, muy bien explicado y muy buen contenido, gracias

Les comparto mi proyecto del curso. Es el contenido de las clases y agregu茅 adem谩s una forma de calcular el producto cruz de dos vectores con el producto tensorial usando el tensor de Levi-Civita. Ojal谩 pasen a visitarlo.

aguante sodaaaaaaaaaaa, buena remera
curso terminado, a seguir!!!
saludos de argentina

隆Excelente Curso! Tal vez el mejor que he visto hasta ahora.

Gracias profe!

Sorprendente! Comenc茅 el curso con cero ilusi贸n y expectativas de numpy y pandas (en la universidad lo vi por encima pero no le tome mucho valor) y sal铆 completamente impresionado y enamorado del poder y utilidad que tienen estas herramientas. Completamente motivado para arrasar el resto de temas en la carrera de data science!.

Me encanto esta clase, fue facil llevarla, y el profe explica muy bien!

excelente curso

Excelente curso Carlos Alarc贸n. me gusto la manera de como explicas paso por paso estar茅 atento a a futuros cursos tuyos. gracias por el conocimiento que eh adquirido en este curso. te lo agradezco!.

Excelente profesior

Comparto mis apuntes en Notion

Excelente Curso ! Faltaba en la escuela de Data Science algo de introduccion.

Carlos eres de los profesores que hacen grande a Platzi.
Nos llevaste de conceptos muy simples a los complicados y no nos dimos cuenta.
Aprendi un monton. Gracias Carlos

Excelente curso. Estare atento a que este profesor siga sacando mas cursos. Ense帽a muy bien.

MUY buen curso.

A mi me empez贸 a caer bien el profe cuando vi que usaba Ubuntu

No suelo poner comentarios, pero colocar茅 uno semejante al inicio del curso. NO tiene sentido lo bien estructurado y lo bien que explica este profesor, ya estoy viendo que tiene m谩s adem谩s de este. Todo excelente.

muchas gracias por el curso, la verdad que me gusto mucho, fueron muy claros tus ejemplos !!!

Excelente curso, debo decir que en un curso anterior hice analisis de datos con las librerias nativas de Python, jamas imagine que estas dos librerias nos permitan ahorrar tanto tiempo y escribir menos codigo con todo lo aprendido.

Les comparto mis notas hechas en notion del curso , espero que les sirvan: https://zenith-freighter-64f.notion.site/Curso-B-sico-Pandas-y-Numpy-b66926cd5c964b49847ee17f33eb20c6

Excelente curso

Buena, falta un cursito m谩s avanzado!!

Un gran curso muy bien llevado de principio a fin, nos deja un monton de herrameintas para empezar a hacer analisis de datos

Mil gracias por el curso, me ense帽贸 de verdad por qu茅 quer铆a entrar al mundo Data Science!!

woww鈥u茅 maestr铆a para ense帽ar algo que realmente es 煤til para los data engineers. Felicidades!!

Me gust贸 bastante el curso, honestamente le estaba haciendo el feo a Python durante mucho tiempo, pero con este curso ahora me siento emocionado de seguir aprendiendo y sacarle el potencial a esta herramienta.

Am茅 este curso de principio a fin, siento que ahora estoy mucho m谩s preparado para lo que se viene en la ruta de 鈥楳achine Learning Engineer鈥, muchas gracias Carlos!
PD: Tambi茅n am茅 tu remera de Soda Estereo! Gracias totales!!

Estoy feliz de haber tomado este curso, excelente labor Profe Carlos. Sin pensar tomar茅 tus cursos de Ciencia de Datos.

Es uno de los mejores cursos que he tomado aqu铆 en Platzi.
Muy buen manejo del tema.

隆Excelente Curso! Muy completo para iniciar en Miner铆a de datos e Inteligencia Artificial

Que curso tan genial, el profe Carlos Alarc贸n es un verdadero crack. Por cursos como este es que el animo se mantiene a mill贸n para continuar con una ruta en particular. Simplemente gracias

Excelente curso

gran curso b谩sico de pandas y numpy fue muy divertido y f谩cil de entender, ademas en la comunidad explicaron otros conceptos que da mas peso al curso, saludos.

Sin duda alguna de los mejores cursos de la escuela 鉂わ笍.

Gran curso Carlos, ojal谩 des m谩s .

Es la primera vez que veo los cr茅ditos en un curso.

Se ve muy profesional y supongo que el equipo tambi茅n lo parec铆a.

馃榿

Muy buen curso Carlos, me ha encantado. Te ver茅 sin duda en los siguientes que tienes sobre Data Scientist.

Informaci贸n resumida de esta clase
#EstudiantesDePlatzi

  • Felicidades, mereces una vida mejor 馃槂

  • Aprendimos mucho sobre Numpy y Pandas

  • Aprendimos las funciones con sus respectivos par谩metros de cada uno

  • Entendimos las dimensiones

  • Aprendimos a leer archivos

  • Importante practicar

Gracias buen hombre, me ha quedado bastante claro para ir al siguiente nivel.

exelente curso! he aprendido muchisimo! 馃槃

Gran curso y super aplicable en el dia a dia como data scientist !

Solo para dar las gracias al profesor Carlos por tan buen curso. Har茅 todos sus cursos. 馃殌
驴Cu谩ndo har谩s m谩s cursos, Carlos? 馃槂 馃檶

Hola a todos,

Muchas gracias por este curso, dejo por ac谩 mi repositorio donde tengo el recopilatorio de todos los notebooks (hechos por mi) con los res煤menes y ejercicios que vimos durante el curso.


Enlace ac谩

Muy buen curso

Muy buen curso, muchas gracias!!

muy buen curso, en todo el rato estuve practicando con la limpieza de datos de un excel de la oficina que tenia que limpiar. qued贸 muy bien el resultado y, ya que los conceptos fueron explicados con claridad, no tard茅 en aplicarlos.Muchas gracias

Excelente curso

el curso con las mejores explicaciones que vi hasta ahora en platzi, recomendado