Manipular y transformar datos en Python usando estructuras eficientes (NumPy y Pandas) para preparar información lista para el análisis.
Explorar conjuntos de datos para identificar patrones, tendencias y relaciones mediante técnicas de filtrado, agregación y combinación de tablas.
Comunicar hallazgos de manera clara y profesional mediante visualizaciones efectivas con Matplotlib y Seaborn.
Utilizar NumPy para crear y manipular arreglos, realizar operaciones vectorizadas y cálculos numéricos básicos aplicados a datos.
Emplear Pandas para cargar datos, crear Series y DataFrames, y comprender su estructura y tipos de datos.
Ejecutar operaciones básicas sobre DataFrames: seleccionar columnas, crear variables, ordenar, renombrar y manejar valores faltantes.
Filtrar datos mediante condiciones lógicas, consultas y segmentación por rangos o categorías para responder preguntas específicas.
Extraer información relevante mediante indexación (loc, iloc), selección avanzada y transformación de formatos.
Aplicar multi-índices y groupby para resumir datos, calcular estadísticas por grupo y generar tablas agregadas.
Integrar y reorganizar datos con merge, join y concat, asegurando llaves correctas y controlando duplicados.
Diseñar visualizaciones con Matplotlib: gráficos de líneas, barras, histogramas y dispersión, ajustando títulos, ejes y leyendas.
Crear visualizaciones analíticas con Seaborn para explorar distribuciones y relaciones (boxplots, violin plots, heatmaps, pair plots) y mejorar la presentación.
Seleccionar el tipo de gráfica adecuado según el objetivo (comparación, distribución, relación, composición) y elaborar conclusiones basadas en la visualización.