Para llegar a este curso deberás tomar este otro Picale aquí de lo contrario tendrás dificultades para entender este curso. Si ya lo tomaste, ya la hiciste. 👍🏼
Para leer este documento con extensión *.md, te recomiendo usar MacDown para OS, Typora para Windows o Remarkable para Linux y Windows
Saber que tenemos dentro de nuestro Anaconda
conda info --envs
Crear ambientes
conda create --name "el-nombre-que-yo-quiera"
conda info --envs
conda activate "el-nombre-que-yo-quiera"
Actualizar el ambiente
conda update conda
conda update anaconda
conda update --all -y
Revisar que todo esté bien
conda list
Liberías necesarias para hacer cositas
conda install pandas numpy matplotlib seaborn xlrd openpyxl -y
conda install -c conda-forge statsmodels notebook jupyterlab -y
pip install tqdm
Para observar datos y generar reportes [Pandas Profiling](https://pandas-profiling.github.io/pandas-profiling/docs/master/)
conda install -c conda-forge pandas-profiling
Para pruebas post hoc
pip install scikit-posthocs
Revisión de nuestras librerías
conda list
Manejo, manipulación y organización de listas, tuplas y diccionarios de bases datos tanto de creación propia como manipulación de bases reales.
-
Para Estructura
- DataFrame()
- Series()
- iloc[]
- loc[]
- columns
- index
- lambda()
- def()
- array()
- nan()
- ramdon()
- arange()
- groupby()([])
-
Trabajar con dos o mas bases de datos
- concat([])
- merge()
- append()
-
Descriptiva
- mean()
- std()
- err()
- median()
- min()
- max()
- percentiles
-
Inferencial
- De acuerdo a la base de datos a analizar es la estadística a aplicar.
- plt.plot()
- pd.plot()
- la mayoría de las diferentes gráficas a plotear.
Entre tantas otras funciones.