Jupyter Notebooks

Contenido del curso

Introducción

Web scraping

Pandas

Intro a Sistemas de Datos

Contenido Bonus

38
¿Por qué usar la nube?
04:05 min

Tomar examen

Cursos Empresas Blog Live Conf Eventos Precios

0:006:09

Jupyter Notebooks

Curso de Ingeniería de Datos con Python

Clase 6 de 38

Clase 6 / 38

Recursos

Instala Anaconda y gana velocidad con Jupyter Notebooks listo para usar. Aquí verás cómo iniciarlo, crear tu primer Notebook en Python 3, dominar Markdown y usar atajos que optimizan tu flujo sin perder tiempo.

¿Qué es Jupyter Notebooks y cómo iniciarlo con Anaconda?

Jupyter viene incluido cuando instalas Anaconda, así que puedes empezar sin configuraciones extra. Para lanzar el servidor de Jupyter, abre tu terminal y escribe: jupyter notebook. Se abrirá en el navegador; si no, copia y pega la URL que aparece en consola.

Abre Jupyter con el comando: jupyter notebook.
Si no abre el navegador: copia y pega la URL.
Crea un Notebook nuevo: elige Python 3.
Renombra el archivo: por ejemplo, “Plazi Data Life”.
Ajusta el zoom para ver mejor el contenido.

¿Cómo crear y ejecutar tu primer Notebook en Python?

Para escribir código, entra a modo edición con Enter. Escribe tu primera línea, por ejemplo un Hello World, y ejecútala con el atajo que prefieras.

Ejecutar sin crear celda nueva: control enter.
Ejecutar y crear celda debajo: shift enter.
Alterna entre modos: edición con Enter, navegación con esc.

¿Cómo moverte entre celdas con atajos de teclado?

En modo navegación la celda se pone azul. Desde ahí, moverte es instantáneo y sin mouse.

Arriba/abajo: k y j.
Insertar celda debajo: b.
Eliminar celda: dd.

¿Cómo escribir en Markdown dentro de Jupyter?

Convierte una celda a Markdown con m y aplica formato claro y legible.

Títulos: “#” para h1.
Negritas: texto entre dos asteriscos.
Itálicas: texto entre un asterisco.
Renderizar la celda: control enter.

¿Qué ofrece la paleta de comandos y cómo gestionar celdas?

Accede a la paleta con p y verás comandos y shortcuts útiles. Ideal para aprender y recordar.

Cortar celda: x.
Pegar celda: v.
Buscar acciones: presiona p y escribe lo que necesitas.

¿Qué es el kernel y cómo limpiar ejecuciones?

El kernel es el backend que ejecuta tu código. Cada corrida muestra un contador de ejecución, por ejemplo [3]; puede variar según tu uso. Si deseas volver al estado inicial, borra el output de todas las celdas.

El kernel ejecuta y numera las celdas.
El número de ejecución depende del orden en que corriste el código.
Limpia salidas para reiniciar tu flujo visual.

Además, Jupyter permite integrar visualizaciones con Matplotlib, añadir imágenes y hasta acceder a la web, todo en un mismo entorno con texto en Markdown y código vivo.

¿Conoces más comandos o buenas prácticas de Jupyter Notebooks? Comparte tus dudas y tips en los comentarios para que todos podamos aprender juntos.

Resumen

¿Qué es Jupyter Notebooks y cómo iniciarlo con Anaconda?

Abre Jupyter con el comando: jupyter notebook.
Si no abre el navegador: copia y pega la URL.
Crea un Notebook nuevo: elige Python 3.
Renombra el archivo: por ejemplo, “Plazi Data Life”.
Ajusta el zoom para ver mejor el contenido.

¿Cómo crear y ejecutar tu primer Notebook en Python?

Para escribir código, entra a modo edición con Enter. Escribe tu primera línea, por ejemplo un Hello World, y ejecútala con el atajo que prefieras.

Ejecutar sin crear celda nueva: control enter.
Ejecutar y crear celda debajo: shift enter.
Alterna entre modos: edición con Enter, navegación con esc.

¿Cómo moverte entre celdas con atajos de teclado?

En modo navegación la celda se pone azul. Desde ahí, moverte es instantáneo y sin mouse.

Arriba/abajo: k y j.
Insertar celda debajo: b.
Eliminar celda: dd.

¿Cómo escribir en Markdown dentro de Jupyter?

Convierte una celda a Markdown con m y aplica formato claro y legible.

Títulos: “#” para h1.
Negritas: texto entre dos asteriscos.
Itálicas: texto entre un asterisco.
Renderizar la celda: control enter.

¿Qué ofrece la paleta de comandos y cómo gestionar celdas?

Accede a la paleta con p y verás comandos y shortcuts útiles. Ideal para aprender y recordar.

Cortar celda: x.
Pegar celda: v.
Buscar acciones: presiona p y escribe lo que necesitas.

¿Qué es el kernel y cómo limpiar ejecuciones?

El kernel ejecuta y numera las celdas.
El número de ejecución depende del orden en que corriste el código.
Limpia salidas para reiniciar tu flujo visual.

Además, Jupyter permite integrar visualizaciones con Matplotlib, añadir imágenes y hasta acceder a la web, todo en un mismo entorno con texto en Markdown y código vivo.

¿Conoces más comandos o buenas prácticas de Jupyter Notebooks? Comparte tus dudas y tips en los comentarios para que todos podamos aprender juntos.

Introducción

Pipelines automatizados con Python para ingeniería de datos

Archivos del curso y Slides

¿Qué es la ciencia de datos?

Por qué fallan los equipos de ciencia de datos

Configuración del ambiente

Jupyter Notebooks

Tipos de datos en ciencia de datos

Tipos de datos

Fuentes de datos

ETL: extract, transform y load explicado

Web scraping

Web scraping para data engineers: HTML y metadatos

Cómo hacer solicitudes HTTP con Python Requests

¿Cómo trabajar con un documento HTML?

Analizando un sitio web para encontrar las directivas a utilizar al hacer un web scrapping

Page Object Pattern para web scrapers

Implementando nuestro web scrapper: Configuración

Page Objects para extraer vínculos de noticias

Implementando nuestro web scrapper: Obteniendo artículos

Obtención de datos del Artículo

Persistiendo la información "scrapeada"

Pandas

Series vs DataFrame en Pandas

Qué es Series en Pandas y cómo crearlas

Estructura de datos: DataFrames

Índices y selección

Data wrangling con Pandas

Creación de la receta: preparando la automatización

Cómo rellenar datos faltantes en Pandas con regex

Pandas .loc y regex para títulos faltantes

Limpiando detalles adicionales

Generar UUIDs con MD5 en pandas

Enriquecimiento de los datos

Eliminación de duplicados con drop_duplicates en Pandas

Creando tu receta de limpieza de datos

Visualización de datos

Intro a Sistemas de Datos

Introducción a los sistemas de datos

Automatización del Pipeline

Carga de CSV a SQL con SQLAlchemy y pandas

Contenido Bonus

¿Por qué usar la nube?

Jupyter Notebooks