¿Cómo hacer un análisis exploratorio de datos?

Curso de Análisis Exploratorio de Datos

Contenido del curso

Introducción al análisis exploratorio de datos

Análisis univariado

Análisis bivariado

Análisis multivariado

Conclusiones

Tomar examen

¿Cómo hacer un análisis exploratorio de datos?

Todos los cursos GRATIS

Se acaba en:

00díasd:00hrsh:00minm:00segs

Juan Pablo García Chávez

Estudiante

Hace 2 meses

¿Cómo hacer un análisis exploratorio de datos?

1.-4 Palabras clave

Preguntas
Tamaño de datos
Categorizar variables
Ciclo de exploración

2.-4 Preguntas

¿Por qué conviene hacer un análisis exploratorio de datos antes de modelar?
¿Qué tipo de preguntas ayudan a guiar la exploración?
¿Cuáles son los pasos básicos de un EDA?
¿Por qué el proceso es cíclico y no lineal?

3.-Notas completas del tema

A) ¿Por qué hacer análisis exploratorio de datos?

El análisis exploratorio de datos ayuda a:

organizar y entender variables,
identificar tipos de variables y su tratamiento,
descubrir relaciones entre variables,
encontrar patrones ocultos,
elegir el modelo correcto para la necesidad correcta,
tomar decisiones informadas basadas en datos.

B) Primer paso: hacer preguntas

Antes de analizar, debes definir qué quieres saber:

¿Qué quiero encontrar?
¿Qué problema estoy resolviendo?
¿Qué necesito entender de mis datos?

Las preguntas sirven como guía del proceso.

C) Segundo paso: determinar el tamaño de los datos

Aquí te preguntas:

¿Cuántas observaciones hay?
¿Cuántas variables tengo?
¿Necesito todas las filas?
¿Hay columnas que no aportan valor?

Esto ayuda a evaluar la escala y utilidad del dataset.

D) Tercer paso: categorizar variables

Debes clasificar las variables:

categóricas,
continuas,
discretas,
ordinales, etc.

Eso define:

qué análisis hacer,
qué gráficos usar,
y cómo interpretar cada variable.

E) Cuarto paso: limpieza y validación de datos

En esta etapa se revisa:

valores faltantes,
datos incompletos,
proporción de ausencias,
valores extremos,
distribución de los datos,
posibles errores o inconsistencias.

Aquí decides si:

imputas valores,
eliminas registros,
o conservas lo observado.

F) Quinto paso: establecer relaciones

Se estudia:

relación entre dos variables,
relación entre tres variables,
cambios en asociaciones al agregar una variable más,
agrupamientos,
proporciones desbalanceadas,
patrones por zonas o segmentos.

Aquí buscas explicación de lo que ves.

G) El EDA es cíclico

No es una secuencia lineal que termina una sola vez. Es un proceso iterativo:

preguntas,
tamaño,
categorías,
limpieza,
relaciones,
nuevas preguntas,
repetir.

Pero debe haber un momento para detenerse y comunicar resultados. Un EDA infinito no produce impacto si no se transforma en acciones o decisiones.

4.-Código necesario

import pandas as pd
import numpy as np

# ==========================================================
# Dataset de ejemplo
# ==========================================================
df = pd.DataFrame({
    "edad": [22, 25, 31, 29, 40, np.nan],
    "ingreso": [12000, 15000, 22000, 18000, 30000, 26000],
    "categoria": ["A", "B", "A", "C", "B", "A"]
})

print("== DataFrame de ejemplo ==")
print(df)

# ==========================================================
# Ejercicio 1/2: Preguntas básicas de EDA
# ==========================================================
print("\n--- Ejercicio 1/2: tamaño y estructura ---")

print("Dimensiones (filas, columnas):", df.shape)
print("Total de celdas:", df.size)
print("Tipos de datos:")
print(df.dtypes)

print("\nConteo de faltantes por columna:")
print(df.isna().sum())

# ==========================================================
# Ejercicio 2/2: Categorías y relaciones
# ==========================================================
print("\n--- Ejercicio 2/2: categorizar y explorar ---")

# Separar columnas numéricas y categóricas
num_cols = df.select_dtypes(include=np.number).columns
cat_cols = df.select_dtypes(exclude=np.number).columns

print("Columnas numéricas:", list(num_cols))
print("Columnas categóricas:", list(cat_cols))

# Resumen de variables numéricas
print("\nResumen descriptivo numérico:")
print(df[num_cols].describe())

# Frecuencias de variables categóricas
for col in cat_cols:
    print(f"\nFrecuencias de {col}:")
    print(df[col].value_counts(dropna=False))

# Relación simple entre dos variables
print("\nPromedio de ingreso por categoría:")
print(df.groupby("categoria")["ingreso"].mean())

4.- Mapa conceptual

Análisis exploratorio de datos
        |
        +--> Hacer preguntas
        +--> Determinar tamaño
        +--> Categorizar variables
        +--> Limpiar y validar
        +--> Establecer relaciones
        |
        v
Proceso cíclico
        |
        v
Generar conocimiento útil

5.-Pequeño resumen

Hacer análisis exploratorio de datos sirve para entender variables, detectar patrones, elegir modelos y tomar decisiones informadas. El proceso básico incluye formular preguntas, revisar el tamaño del dataset, categorizar variables, limpiar y validar datos, y estudiar relaciones entre variables. Además, es un proceso iterativo que debe cerrarse cuando ya se puede comunicar valor y no seguir explorando indefinidamente.

¿Cómo hacer un análisis exploratorio de datos?

Introducción al análisis exploratorio de datos

¿Qué es y para qué sirve el análisis exploratorio de datos?

¿Cómo hacer un análisis exploratorio de datos?

Tipos de análisis de datos

Tipos de datos y análisis de variables

Herramientas de software para el análisis exploratorio de datos

Conociendo nuestros datos: palmerpenguins

Recolección de datos, limpieza y validación

Ejercicio de validación de datos

Análisis univariado

Explorando una variable categórica: conteos y proporciones

Estadística descriptiva aplicada: medidas de tendencia central

Estadística descriptiva aplicada: medidas de dispersión

Ejercicio de obtención de medidas de dispersión

Estadística descriptiva aplicada: distribuciones

Estadística descriptiva aplicada: funciones de densidad de probabilidad

Bonus: Teorema del límite central

Análisis bivariado

Estableciendo relaciones: gráficos de puntos

Estableciendo relaciones: gráficos de violín y boxplots

Estableciendo relaciones: matrices de correlación

Limitantes de los coeficientes de correlación lineal

Estableciendo relaciones: análisis de regresión simple

Limitaciones del análisis de regresión simple

Análisis multivariado

Análisis de regresión múltiple

Visualización del análisis de regresión múltiple

Análisis de regresión logística

Paradoja de Simpson

¿Qué hacer cuando tengo muchas variables?

Conclusiones

Diversidad de gráficas al explorar datos

Continúa aprendiendo sobre EDA

Todos los cursos GRATIS