Curso
Análisis exploratorio de datos en Python
IntermedioNivel de habilidad
Actualizado 4/2026
PythonExploratory Data Analysis4 h14 vídeos49 Ejercicios4,150 XP110K+Certificado de logros
Crea tu cuenta gratuita
Continuar con GoogleMostrar más opcioneso
Al continuar, aceptas nuestros Términos de uso, nuestra Política de privacidad y que tus datos se almacenen en los EE. UU.
Preferido por estudiantes en miles de empresas
¿Formando un equipo?
Prueba para empresasDescripción del curso
Con datos sobre cifras de desempleo y precios de billetes de avión, utilizarás Python para resumir y validar datos, calcular, identificar y reemplazar valores faltantes, y limpiar tanto valores numéricos como categóricos. A lo largo del curso, crearás visualizaciones atractivas con Seaborn para comprender las variables y sus relaciones.
Por último, el curso mostrará cómo los hallazgos exploratorios se integran en los flujos de trabajo de ciencia de datos creando nuevas características, equilibrando características categóricas y generando hipótesis a partir de los resultados.
Al finalizar, tendrás la confianza para realizar tu propio análisis exploratorio de datos (EDA) en Python. Podrás explicar tus conclusiones de forma visual y proponer los siguientes pasos para extraer información de tus datos.Los vídeos incluyen transcripciones en directo que puedes mostrar haciendo clic en "Show transcript" en la parte inferior izquierda de los vídeos. El glosario del curso se encuentra a la derecha, en la sección de recursos.Para obtener créditos CPE necesitas completar el curso y alcanzar una puntuación del 70% en la evaluación cualificada. Puedes ir a la evaluación haciendo clic en el aviso de créditos CPE a la derecha.
Requisitos previos
Introduction to Statistics in PythonIntroduction to Data Visualization with Seaborn1
Conoce un conjunto de datos
¿Cuál es la mejor manera de abordar un nuevo conjunto de datos? Aprende a validar y resumir datos categóricos y numéricos y a crear visualizaciones con Seaborn para comunicar tus hallazgos.
2
Limpieza e imputación de datos
Explorar y analizar datos suele implicar tratar con valores faltantes, tipos de datos incorrectos y valores atípicos. En este capítulo, aprenderás técnicas para gestionar estos problemas y agilizar tus procesos de EDA.
3
Relaciones en los datos
Las variables de un conjunto de datos no existen aisladas; se relacionan entre sí. En este capítulo, explorarás relaciones entre datos numéricos, categóricos e incluso DateTime, analizando la dirección y la fuerza de esas relaciones y cómo visualizarlas.
4
Del análisis exploratorio a la acción
El análisis exploratorio de datos es un paso clave en el flujo de trabajo de ciencia de datos, ¡pero no es el final! Ahora verás técnicas y consideraciones para avanzar con éxito en tus proyectos después de terminar la exploración.
Análisis exploratorio de datos en Python
Curso completo
Obtener certificado de logros
Añade esta certificación a tu perfil de LinkedIn o a tu currículum.Compártelo en redes sociales y en tu evaluación de desempeño.Inscríbete ahora
¡Únete a 19 millones de estudiantes y empieza Análisis exploratorio de datos en Python hoy mismo!
Crea tu cuenta gratuita
Continuar con GoogleMostrar más opcioneso
Al continuar, aceptas nuestros Términos de uso, nuestra Política de privacidad y que tus datos se almacenen en los EE. UU.
Desarrolla tus habilidades de datos con la aplicación móvil de DataCamp
Progresa desde cualquier dispositivo móvil con nuestros cursos y desafíos de programación diarios de 5 minutos.