Contenidos

1. Preparación y repaso focalizado

1.1. Entorno: venv/uv, Jupyter/VS Code, organización de proyectos.

1.2. Repaso Python para data: comprensión de listas, funciones, módulos, f-strings.

1.3. Buenas prácticas: reproducibilidad, seeds, lectura eficiente.

2. NumPy: Arrays y operaciones

2.1. Arrays n-dimensionales: creación, dtype, shape, reshape, ravel, copias vs vistas.

2.2. Indexación y slicing avanzados: boolean masking, fancy indexing, np.where, np.take.

2.3. Operaciones matemáticas vectorizadas y broadcasting; ufuncs; agregaciones(sum, mean, axis).

2.4. Álgebra lineal básica: dot, matmul, linalg (normas, inversa, descomposiciones comunes).

2.5. Aleatoriedad y muestreo: numpy.random moderno, generación reproducible.

2.6. Rendimiento: memoria contigua, strides, evitar bucles, comparación con listas.

3. Pandas: Introducción operativa (Series/DataFrame)

3.1. Estructuras: Series vs DataFrame, índices, tipos (category, datetime64).

3.2. Creación y selección: loc, iloc, selección booleana, asignación segura (.loc).

3.3. E/S de datos: lectura y escritura de CSV, Excel, Parquet, JSON; opciones de parseo; compresión.

3.4. Exploración inicial: info, describe, value_counts, memory_usage.

4. Limpieza y manipulación de datos

4.1. Valores faltantes: isna, fillna, dropna, imputación simple; duplicados.

4.2. Transformaciones: assign, pipe, rename, astype, cut/qcut, strings (.str), fechas (.dt).

4.3. Reindexado y ordenación: set_index/reset_index, sort_values/index.

4.4. Agrupación y agregación: groupby con múltiples funciones; agg, transform, filter.

4.5. Pivoting: pivot, pivot_table (Tablas Dinámicas), margins, values, funciones de agregación.

4.6. Reshape y combinación: melt, stack/unstack, MultiIndex básico.

5. Combinación de DataFrames

5.1. Joins y merges: merge (inner/left/right/outer), on, left_on/right_on, suffixes.

5.2. join por índice; concat por filas/columnas; append deprecado y alternativas.

5.3. Resolución de claves duplicadas y conflictos; validación de cardinalidad

5.4. (validate=).

5.5. Comparación y alineación: compare, update, combine_first.

5.6. Patrones con datos grandes: concatenación incremental, esquemas de partición, tipos eficientes.

6. Rendimiento y escalado práctico

6.1. Tipificación eficiente (categoricals, Int64 nullable), memoria y inplace vs copia.

6.2. Vectorización en Pandas vs apply; cuándo usar NumPy directo.

6.3. Lectura por chunks, chunksize y pipelines; escritura a Parquet para velocidad.

6.4. Profiling básico: %%timeit, memory_usage, cuellos de botella comunes.

6.5. Ingesta multi-formato (CSV/Parquet), limpieza y normalización tipológica.

6.6. Enriquecimiento con merges y joins.

6.7. Análisis con groupby y pivot_table (KPIs, cohortes o panel por categorías/tiempo).

6.8. Exportación de resultados y breve visualización con Pandas (plot) o entrega tabular.

6.9. Revisión de buenas prácticas y checklist de calidad.