Introducción al análisis y visualización de datos con python

Dra. Mariana Esther Martínez Sánchez

Instituto Nacional de Enfermedades Respiratorias Ismael Cosio Villegas

Curso básico para análisis de tablas de datos usando python y pandas.

Requisitos:

• Saber usar R, SAS, STATA o Excel avanzado.
• Tener anaconda instalado.
• Acceso a internet.

Índice

0. Instalación e inicio con Anaconda

   • a) Instalación de anaconda
   • b) Entornos (environments)
   • c) Instalación de librerias
   • d) Sobre la documentación

1. Introducción a python

   • a) Python y Jupyter Notebooks
   • b) Valores, variables y tipos
   • c) Operaciones y funciones
   • d) Comentarios y errores

2. Descarga y exploración de datos

   • a) Estructura de un proyecto de datos
   • b) Obtención del conjunto de datos
   • c) Cargar los datos en python
   • d) Conjuntos de datos ordenados
   • e) Exploración básica con profiles
   • f) Opciones avanzadas de profiling

3. Indexación y selección de dataframes

   • a) Estructura de una tabla
   • b) Slicing
   • c) Únicos y conteo
   • d) Ordenar
   • e) Subsetting
   • f) Guardar datos

4. Limpieza de datos

   • a) Tipos de datos
   • b) Eliminación de observaciones y variables
   • c) Valores faltantes
   • d) Limpieza de texto
   • e) Limpieza de categóricos
   • f) Limpieza de números
   • g) Limpieza de fechas
   • h) Ordenar y guardar datos

5. Graficación y visualización de datos

   • a) Pandas plot
   • b) Lineas
   • c) Scatterplot
   • d) Barras
   • e) Opciones y colores
   • f) Guardar figuras
   • g) Distribución
   • h) Boxplot
   • i) Histogramas
   • j) KDE
   • k) Gráfico múltiple
   • l) Violinplot
   • m) Heatmaps y clustermaps
   • n) Otros recursos de visualización

6. Estadística básica

   • a) Frecuencia
   • b) Promedio, mediana y moda
   • c) Asimetría
   • d) Varianza y desviación estandar
   • e) Valores atípicos
   • f) Distribuciones estadísticas

7. Data Wrangling

   • a) Tablas pivote: filas a columnas
   • b) Melt: columnas a filas
   • c) División-aplicación-combinación
   • d) Agrupar por características
   • e) Funciones de agregación
   • f) Unir tablas uno a uno
   • g) Unir tablas muchos a uno

8. Estadística intermedia

   • a) Conjunto de datos
   • b) Correlaciones
   • c) PCA (Análisis de Componentes Principales)
   • d) Regresión logística
   • e) Selección univariada

9. Mapas con GeoPandas

   • a) Formatos de archivo geoespaciales
   • b) Información geoespacial
   • c) Mapas

Recursos útiles

• Programación básica en python

  • Think like a computer scientist
  • Introducción a la programación en Python I

• Programación intermedia en python

  • Guia estilo PEP8
  • Docstrings numpy
  • The Hacker's Guide to Python, Julien Danjou
  • Computer Science Distilled, Wladston Ferreira Filho
  • Estructuras de datos

• Visualización

  • Selección de colores Colorbrewer
  • Fundamentals of Data Visualization
  • Visualización de datos y D3
  • How To Lie With Maps - Mark Monmonier

• Estadística

  • Estadistica para Dummies, Deborah J Rumsey
  • Understanding Advanced Statistical Methods, Peter H. Westfall & Kevin S. S. Henning

• Machine learning

  • Machine Learning with Python: A Practical Introduction
  • Data Feminism, Catherine D'Ignazio y Lauren F. Klein

• Aprendizaje

  • Aprendiendo a aprender