Herramientas para trabajar con Python.

• Python Source. Versiones, descarga e instalación.
• Editores de código. Exploración de Jupyter Notebook y Visual Studio Code. Diferencias y ventajas de cada uno.
• Proceso de instalación de librerías en Jupyter Notebook y en Visual Studio Code.
• Importar librerías. Uso de Import y From…Import.

Tipos y estructuras de datos en Python.

• Variables y tipos de datos básicos en Python.
• Funciones de ingreso e impresión de valores.
• Estructuras de control: Indentación, condicionales y bucles.

Tratamiento de datos con Pandas

• La librería Pandas. Definición, casos de uso.
• Series y Dataframes. Diferencias, implementación, principales métodos.
• Lectura y escritura de Dataframes desde archivos externos (TXT, CSV, XLS, etc.)
• Selección y filtrado de Datasets.
• Agrupación de Datasets. Sentencias GROUPBY, AGG, PIVOT_TABLE.
• Combinación de Datasets, Combining y Merging.
• Extracción de muestras. Uso de SAMPLE.

 Visualización de datos

• Las librerías Matplotlib y Seaborn. Definición, casos de uso, alcance de cada una.
• Gráficos estadísticos básicos. Creación y configuración.
• Superposición de gráficas y subplots.
• Introducción a los gráficos interactivos con Python.

Análisis estadísticos de Datasets

• Identificación y tratamiento de valores perdidos en un Dataset.
• Identificación y tratamiento de valores atípicos (outliers) en un Dataset.
• Cálculo de medidas de tendencia central en un Dataset: Media, Mediana, Moda. Interpretación, casos de uso.
• Cálculo de medidas de posición en un Dataset: Percentiles, cuartiles y deciles. Interpretación, casos de uso.
• Cálculo de medidas de variabilidad en un Dataset: Desviación estándar, varianza y coeficiente de variabilidad. Interpretación, casos de uso.