Agradecimientos
Sobre el autor
Prefacio
Capítulo 1. Preliminares
Capítulo 2. Fundamentos del lenguaje Python, IPython y Jupyter Notebooks
Capítulo 3. Estructuras de datos, funciones y archivos incluidos
Capítulo 4. Fundamentos de NumPy: arrays y computación vectorizada
Capítulo 5. Primeros pasos con pandas
Capítulo 6. Carga de datos, almacenamiento y formatos de archivo
Capítulo 7. Limpieza y preparación de los datos
Capítulo 8. Manipulación de datos: unir, combinar y remodelar
Capítulo 9. Trazado y visualización
Capítulo 10. Agregación de datos y operaciones con grupos
Capítulo 11. Series temporales
Capítulo 12. Introducción a las librerías de modelado de Python
Capítulo 13. Ejemplos de análisis de datos
Anexo A. NumPy avanzado
Anexo B. Más sobre el sistema IPython
Índice alfabético
Obtén el manual definitivo para manipular, procesar, limpiar y restringir conjuntos de datos en Python. Actualizado para Python 3.10 y pandas 1.4.0, esta tercera edición de Python para análisis de datos. Manipulación de datos con pandas, NyumPy y Jupyter está llena de casos prácticos, que permiten averiguar cómo resolver una amplia variedad de problemas de datos de una manera efectiva. Con su ayuda conocerás y aprenderás las versiones más recientes de pandas, NumPy, IPython y Jupyter.
Escrito por Wes McKinney, el creador del proyecto pandas, Python para análisis de datos es una introducción práctica y moderna a las herramientas de ciencia de datos que ofrece Python. Es ideal para analistas no versados en Python y para programadores que deseen ponerse al día en ciencia de datos y computación científica o ciencia computacional. GitHub alberga los archivos de datos empleados en el libro y otro material asociado.
Entre otras cosas, este libro permite:
* Utilizar Jupyter Notebook y el shell de IPython para explorar datos. * Aprender funciones de NumPy básicas y avanzadas. * Iniciarse en el manejo de las herramientas de análisis de datos de la librería pandas. * Emplear herramientas flexibles para limpiar, transformar, combinar y remodelar datos. * Crear visualizaciones informativas con matplotlib. * Aplicar la función GroupBy de pandas para segmentar, desmenuzar y resumir conjuntos de datos. * Analizar y manipular series de datos temporales regulares e irregulares. * Aprender cómo resolver problemas reales de análisis de datos con ejemplos específicos y detallados.
