Python nivel intermedio
Mejora tus habilidades en ciencia de datos creando visualizaciones usando Matplotlib y manipulando DataFrames con pandas.
Comience El Curso Gratis4 Horas18 Videos87 Ejercicios
Crea Tu Cuenta Gratuita
o
Al continuar, acepta nuestros Términos de uso, nuestra Política de privacidad y que sus datos se almacenan en los EE. UU.¿Entrenar a 2 o más personas?Pruebe DataCamp para empresas
Preferido por estudiantes en miles de empresas
Descripción del curso
Aprender Python es crucial para cualquier aspirante a profesional de la ciencia de datos. Aprende a visualizar datos con las funciones de Matplotlib y familiarízate con estructuras de datos como el diccionario y pandas DataFrame. Este curso intermedio de cuatro horas te ayudará a ampliar tus conocimientos de Python y a explorar nuevas aplicaciones y funciones que ampliarán tu repertorio y te ayuden a trabajar de forma más eficaz.
Descubrirás cómo los diccionarios ofrecen una alternativa a las listas de Python, y por qué el dataframe de pandas es la forma más popular de trabajar con datos tabulares. En el segundo capítulo de este curso, descubrirás cómo puedes crear y manipular conjuntos de datos, y cómo acceder a ellos utilizando estas estructuras. La práctica a lo largo del curso aumentará tu confianza en cada área.
A medida que avances, estudiarás la lógica, el control flow, los filtros y los bucles. Estas funciones sirven para controlar la toma de decisiones en los programas de Python y te ayudan a realizar más operaciones con sus datos, incluidas las sentencias repetidas. Terminarás el curso aplicando todas tus nuevas habilidades utilizando estadísticas de hacker para calcular tus posibilidades de ganar una apuesta.
Una vez que hayas completado todos los capítulos, estarás listo para aplicar tus nuevas habilidades en tu trabajo, nueva carrera o proyecto personal, y estarás preparado para pasar a un aprendizaje más avanzado de Python.
Descubrirás cómo los diccionarios ofrecen una alternativa a las listas de Python, y por qué el dataframe de pandas es la forma más popular de trabajar con datos tabulares. En el segundo capítulo de este curso, descubrirás cómo puedes crear y manipular conjuntos de datos, y cómo acceder a ellos utilizando estas estructuras. La práctica a lo largo del curso aumentará tu confianza en cada área.
A medida que avances, estudiarás la lógica, el control flow, los filtros y los bucles. Estas funciones sirven para controlar la toma de decisiones en los programas de Python y te ayudan a realizar más operaciones con sus datos, incluidas las sentencias repetidas. Terminarás el curso aplicando todas tus nuevas habilidades utilizando estadísticas de hacker para calcular tus posibilidades de ganar una apuesta.
Una vez que hayas completado todos los capítulos, estarás listo para aplicar tus nuevas habilidades en tu trabajo, nueva carrera o proyecto personal, y estarás preparado para pasar a un aprendizaje más avanzado de Python.
Empresas
¿Entrenar a 2 o más personas?
Obtenga acceso de su equipo a la biblioteca completa de DataCamp, con informes centralizados, tareas, proyectos y másEn las siguientes pistas
Desarrollador Python
Ir a la pista- 1
Matplotlib
GratuitoLa visualización de datos es una habilidad clave para los aspirantes a científicos de datos. Matplotlib facilita la creación de diagramas esclarecedores y con sentido. En este capítulo, aprenderás a construir varios tipos de diagramas y personalizarlos para que sean más atractivos e interpretables visualmente.
Diagramas básicos con Matplotlib50 xpDiagrama de líneas (1)100 xpGráfica de línea (2): Interpretación50 xpGráfica de líneas (3)100 xpDiagrama de dispersión (1)100 xpGráfico de dispersión (2)100 xpHistograma50 xpConstruir un histograma (1)100 xpConstruir un histograma (2): rangos (bins)100 xpConstruir un histograma (3): comparar100 xpElige la gráfica adecuada (1)50 xpElige la parcela adecuada (2)50 xpPersonalización50 xpEtiquetas (Labels)100 xpTicks100 xpTamaños100 xpColores100 xpPersonalizaciones adicionales100 xpInterpretación50 xp - 2
Diccionarios y pandas
Conoce el diccionario, una alternativa a la lista de Python, y el DataFrame pandas, el estándar de facto para trabajar con datos tabulares en Python. Practicarás de forma práctica la creación y manipulación de conjuntos de datos y aprenderás a acceder a la información que necesitas desde estas estructuras de datos.
Diccionarios, parte 150 xpRazones para los diccionarios100 xpCrea un diccionario100 xpAccede al diccionario100 xpDiccionarios, parte 250 xpManipulación de diccionarios (1)100 xpManipulación de diccionarios (2)100 xpDictionariception100 xpPandas, parte 150 xpDel diccionario al DataFrame (1)100 xpDel diccionario al DataFrame (2)100 xpCSV a DataFrame (1)100 xpCSV a DataFrame (2)100 xpPandas, parte 250 xpSquare Brackets (corchetes) (1)100 xpSquare Brackets (corchetes) (2)100 xploc and iloc (1)100 xploc and iloc (2)100 xploc and iloc (3)100 xp - 3
Lógica, flujo de control y filtrado
La lógica booleana es la base de la toma de decisiones en los programas de Python. Conoce los diferentes operadores de comparación, cómo combinarlos con los operadores booleanos y cómo utilizar los resultados booleanos en las estructuras de control. También aprenderás a filtrar datos en pandas DataFrames usando la lógica.
Operadores de comparación50 xpIgualdades100 xpMayor y menor que100 xpComparar matrices100 xpOperadores booleanos50 xpand, or, not (1)100 xpand, or, not (2)50 xpOperadores booleanos con NumPy100 xpif, elif, else50 xpCalentamiento50 xpif100 xpAñadir else100 xpSigue personalizando: elif100 xpFiltrar pandas DataFrames50 xpConducir a la derecha (1)100 xpConducir a la derecha (2)100 xpAutos per cápita (1)100 xpCoches per cápita (2)100 xp - 4
Bucles (loops)
Hay varias técnicas que puedes utilizar para ejecutar repetidamente código Python. Mientras que los bucles son como sentencias repetidas de «if», el bucle «for» itera sobre todo tipo de estructuras de datos. Aprende todo sobre ellos en este capítulo.
while loop50 xpwhile: calentamiento50 xpwhile loop básico100 xpAñadir condicionales100 xpfor loop50 xpLoop con una lista100 xpÍndices y valores (1)100 xpÍndices y valores (2)100 xpLoops sobre una lista de listas100 xpEstructuras de datos de Loops Parte 150 xpLoop sobre un «diccionario»100 xpBucle sobre matriz NumPy100 xpEstructuras de datos de Loops Parte 250 xpLoop sobre un DataFrame (1)100 xpLoop sobre un DataFrame (2)100 xpAñade una columna (1)100 xpAñadir una columna (2)100 xp - 5
Caso práctico: Estadísticas de hackers
Este capítulo te permitirá aplicar todos los conceptos que has aprendido en este curso. Usarás estadísticas de hackers para calcular tus posibilidades de ganar una apuesta. Utiliza generadores de números aleatorios, bucles y Matplotlib para obtener una ventaja competitiva!
Números aleatorios50 xp«Float» aleatorio100 xpTira los dados100 xpDetermina tu próximo movimiento100 xpPaseo aleatorio50 xpEl siguiente paso100 xp¿Qué tan bajo puedes llegar?100 xpVisualiza el paseo100 xpDistribución50 xpSimula múltiples paseos100 xpVisualiza todos los paseos100 xpImplementar la torpeza100 xpTrazar la distribución100 xpCalcula las probabilidades50 xp
Empresas
¿Entrenar a 2 o más personas?
Obtenga acceso de su equipo a la biblioteca completa de DataCamp, con informes centralizados, tareas, proyectos y másEn las siguientes pistas
Desarrollador Python
Ir a la pistaEn otras pistas
Fundamentos de PythonColaboradores
Requisitos Previos
Introduction to PythonHugo Bowne-Anderson
Ver Mas
Data Scientist
¿Qué tienen que decir otros alumnos?
Únete a 13 millones de estudiantes y empeza Python nivel intermedio hoy!
Crea Tu Cuenta Gratuita
o
Al continuar, acepta nuestros Términos de uso, nuestra Política de privacidad y que sus datos se almacenan en los EE. UU.