
Introducción a la Ciencia de Datos
Presentation
•
Computers
•
University
•
Easy
Sandy BM
Used 7+ times
FREE Resource
19 Slides • 7 Questions
1
2
3
4
5
Draw
¿Cuál es el proceso general de la Ciencia de Datos?
Coloca un número dentro de cada recuadro para ordenar adecuadamente las etapas listadas ( 1 es la primera, 5 es la última)
6
7
Multiple Choice
¿Por qué es importante el procesamiento de datos en ciencia de datos?
El procesamiento de datos es crucial para convertir datos en información útil.
El procesamiento de datos es irrelevante en ciencia de datos.
El procesamiento de datos solo se utiliza para almacenar datos sin importancia.
El procesamiento de datos no tiene impacto en la utilidad de la información.
8
Multiple Choice
¿Qué es la limpieza de datos y por qué es crucial en el procesamiento de datos?
La limpieza de datos es el proceso de detectar y corregir errores o inconsistencias en los datos para garantizar su calidad y fiabilidad. Es crucial en el procesamiento de datos porque datos limpios permiten obtener resultados precisos y confiables en análisis y toma de decisiones.
La limpieza de datos es un proceso opcional que no afecta la calidad de los datos
La limpieza de datos implica duplicar los datos para mayor precisión
La limpieza de datos es solo necesaria en análisis simples, no en procesos complejos
9
Multiple Choice
¿Qué es la visualización de datos en ciencia de datos?
Representación gráfica de datos para facilitar la comprensión y análisis.
Una técnica para duplicar datos en ciencia de datos.
Un proceso para eliminar datos en ciencia de datos.
Un método para ocultar datos en ciencia de datos.
10
Multiple Choice
¿Qué es la interpretación de resultados en ciencia de datos?
La interpretación de resultados en ciencia de datos es la predicción de futuros datos.
La interpretación de resultados en ciencia de datos es el análisis y comprensión de los resultados obtenidos a partir de los datos procesados.
La interpretación de resultados en ciencia de datos es la generación de datos aleatorios.
La interpretación de resultados en ciencia de datos es la eliminación de datos sin procesar.
11
12
Pandas
Limpieza y Preparación
Datasets
Encuestas
Registros
...
Recopilación
Comenzando con Ciencia de Datos
13
14
15
16
Multiple Select
¿Por qué utilizar Pandas?
Pandas nos permite analizar ‘bigdata’ y sacar conclusiones basadas en teorías estadísticas.
Pandas pueden limpiar conjuntos de datos desordenados y hacerlos legibles y relevantes.
Los datos relevantes son muy importantes en la ciencia de datos, la cual es una rama de la informática donde estudiamos cómo almacenar, usar y analizar datos para derivar información de ellos.
17
Multiple Select
¿Cuáles son los tipos de datos principales en Pandas?
Series
Dataframes
Numarrays
Matrices
18
19
21
Algunos métodos/funciones de pandas
1. df.shape:
Uso: Obtiene la forma del DataFrame, que es una tupla que indica el número de filas y columnas.
Ejemplo: Digamos que tenemos un DataFrame llamado "df" con 10 filas y 5 columnas. Al ejecutar df.shape, la salida sería: (10, 5). Esto significa que el DataFrame tiene 10 filas y 5 columnas.
2. df.index:
Uso: Obtiene el índice del DataFrame, que es la etiqueta de las filas. El índice puede ser numérico o personalizado.
22
Algunos métodos/funciones de pandas
3. df.columns:
Uso: Obtiene las columnas del DataFrame como una lista de etiquetas.
Ejemplo: Si las columnas de "df" son "Nombre", "Edad", "Ciudad", podemos acceder a una columna específica por nombre. Por ejemplo, df['Nombre'] devolvería una Serie que contiene los nombres de todas las filas.
4. df.dtypes:
Uso: Obtiene los tipos de datos de cada columna en el DataFrame.
Ejemplo: df.dtypes mostraría un Series con el tipo de datos de cada columna, como "int", "float", "object", etc.
23
Algunos métodos/funciones de pandas
5. df.values:
Uso: Convierte el DataFrame en un array NumPy que contiene los valores de las celdas.
Ejemplo: df.values sería útil para trabajar con los datos del DataFrame en operaciones de NumPy o para integrarlo con otras bibliotecas.
6. df.value_counts:
Uso: Calcula la frecuencia de cada valor único en una columna o en todo el DataFrame.
Ejemplo: Supongamos que la columna "Ciudad" contiene varias ciudades repetidas. df['Ciudad'].value_counts() mostraría la cantidad de veces que aparece cada ciudad.
24
Algunos métodos/funciones de pandas
7. df.head():
Uso: Muestra las primeras n filas del DataFrame. El valor predeterminado para n es 5.
Ejemplo: df.head(3) mostraría las 3 primeras filas del DataFrame.
8. df.tail():
Uso: Muestra las últimas n filas del DataFrame. El valor predeterminado para n es 5.
Ejemplo: df.tail(2) mostraría las 2 últimas filas del DataFrame.
25
Algunos métodos/funciones de pandas
9. df.describe():
Uso: Resume las estadísticas descriptivas de cada columna numérica en el DataFrame, como media, mediana, desviación estándar, etc.
Ejemplo: df.describe() proporciona una visión general rápida de las características numéricas del DataFrame.
10. df.sort_values(‘nombre de la columna’, ascending= False):
Uso: Ordena el DataFrame por una columna específica. El orden predeterminado es ascendente.
Ejemplo: df.sort_values('Edad', ascending=False) ordenaría el DataFrame por la columna "Edad" en orden descendente, colocando las edades más altas primero.
26
Ejercicio
1. Aplicar una función para conocer cuantas filas y cuantas columnas tiene el dataframe.
2. Obtener el índice utilizado en el dataframe.
3. Acceder a los nombres de las columnas del dataframe.
4. Obtener el tipo de datos de cada columna del dataframe.
5. Mostrar todos los valores del dataframe.
6. Mostrar los primeros 2 registros del dataframe.
7. Mostrar los últimos 3 registros del dataframe.
8. Obtener la estadística descriptiva del dataframe.
9. Ordenar el dataframe por la columna de Duration de menor a mayor.
*Busca una base de datos de tu elección.
-ASUNTOS TOTALMENTE CONCLUIDOS POR EL CENTRO ESTATAL DE JUSTICIA ALTERNATIVA
-CONCENTRADO DE BENEFICIARIOS EN MATERIA FAMILIAR 2023
*Escribe un programa en Python para que usando Pandas resuelvas la siguientes tareas.
Show answer
Auto Play
Slide 1 / 26
SLIDE
Similar Resources on Wayground
20 questions
INFORMATICA
Presentation
•
University
21 questions
Comparison with as ... as
Presentation
•
University
21 questions
Les lieux de la ville, les services et les commerces
Presentation
•
University
19 questions
Modelos de solución
Presentation
•
University
19 questions
addie
Presentation
•
University
23 questions
Derivada 2da parte
Presentation
•
University
20 questions
Gamification
Presentation
•
University - Professi...
20 questions
Páginas webs y conceptos
Presentation
•
12th Grade
Popular Resources on Wayground
24 questions
PBIS-HGMS Day 10
Quiz
•
6th - 8th Grade
10 questions
HCS SCI 03 Summer School Review 3
Quiz
•
3rd Grade
11 questions
Home Scope
Quiz
•
7th - 8th Grade
15 questions
HCS SCI 05 Summer School Assessment 3 Review
Quiz
•
5th Grade
35 questions
Lufkin Road Middle School Student Handbook & Policies Assessment
Quiz
•
7th Grade
18 questions
Geo 11.3 Area of Circles and Sectors
Quiz
•
9th - 11th Grade