Información sobre el curso

En este programa se enseñarán los conocimientos necesarios para comenzar a trabajar con visualización de datos en el lenguaje de programación Python. En primer lugar, se explorarán las características principales de la librería Pandas, esencial para manipular datos tabulados. A continuación, se adentrará al estudiante en la creación de gráficas básicas, aprendiendo sobre los elementos que permiten dar formato a las gráficas mediante la librería Matplotlib. Además, se enseñará cómo utilizar la librería Seaborn, que facilita la creación de gráficos estadísticos. En todos los módulos del programa se utilizarán fuentes de datos reales para su visualización.

¿Qué aprenderás en este curso?

La librería Pandas es una herramienta muy útil para el análisis de datos en Python. Una de las funcionalidades más destacadas de Pandas es su capacidad para trabajar con Dataframes, que son estructuras de datos bidimensionales similares a una tabla. Para poder utilizar los Dataframes en Pandas, es necesario leer y escribir en ficheros de datos tabulados, como Excel o csv. Esto nos permite importar datos desde diferentes fuentes y exportar los resultados de nuestro análisis. Una vez que tenemos nuestros datos cargados en un Dataframe, podemos utilizar los diferentes componentes de las gráficas para visualizar la información de manera más clara y comprensible. Estos componentes incluyen ejes, etiquetas, leyendas y títulos, entre otros. Para la visualización de gráficas básicas, Pandas se integra muy bien con la librería Matplotlib. Matplotlib nos permite crear gráficas de barras, líneas, dispersión, entre otras, de forma s encilla y personalizable. Si queremos realizar un análisis estadístico más avanzado, podemos utilizar la librería Seaborn. Seaborn nos ofrece una amplia gama de gráficas especializadas para el análisis estadístico, como gráficas de distribución, de regresión o de correlación. Además de las gráficas estáticas, Pandas también nos permite representar series temporales. Esto es especialmente útil cuando trabajamos con datos que varían en el tiempo, como por ejemplo datos financieros o climáticos. Por último, para poner en práctica todo lo aprendido, podemos resolver ejemplos utilizando la visualización de fuentes de datos reales. Esto nos permite aplicar los conocimientos adquiridos a situaciones reales y obtener conclusiones relevantes a partir de los datos. En resumen, la librería Pandas nos ofrece una amplia gama de funcionalidades para el análisis de datos en Python, incluyendo la manipulación de Dataframes, la lectura y escritura de ficheros de datos tabulados, la visualización de gráficas básicas con Matplotlib, el análisis estadístico con Seaborn, la representación de series temporales y la resolución de ejemplos con datos reales.