La principal herramienta que utilizaremos para manipular los datos es `pandas`. Podemos empezar inmediatamente cargando los datos:

import pandas as pd

df = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/9c23bf60-276c-4989-a9d7-3091716b4507/datasets/penguins.csv')

print(df.head())

Como comprenderá, cada conjunto de datos puede contener muchos tipos de datos diferentes, por ejemplo, numéricos (enteros, números de coma flotante), cadenas (str) y datetime. Para saber qué tipo de datos tiene una columna, puedes llamar a la propiedad `.dtypes`:

import pandas as pd

df = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/9c23bf60-276c-4989-a9d7-3091716b4507/datasets/penguins.csv')

print(df.dtypes)

Supongamos que tienes una columna con valores numéricos pero en formato cadena y quieres cambiar el tipo de datos a numérico. Para ello, utilice el método `.astype()`:

```python
df['columna'] = df['columna'].astype(float)
```

Crear un modelo de aprendizaje automático parece ser la tarea más difícil y esencial. Pero primero, ¡hay que trabajar con datos! Aprenda a procesar conjuntos de datos y a prepararlos completamente para su uso. En nuestro curso le esperan datos numéricos, categóricos y temporales.

¿Diferentes tipos de datos? ¿Cómo trabajar con ellos? Si tienes los ojos bien abiertos, no te preocupes, vamos a empezar con una breve descripción de la librería pandas y aprender cómo trabajar con ella en el futuro.

Este capítulo trata en detalle cómo trabajar con datos cuantitativos, con qué métodos se procesan, en qué se diferencian el escalado y la normalización de los datos, y mucho más.

¿Son los datos categóricos tan sencillos como cree? Averigüe cuál es la complejidad de procesarlos y trabajar con ellos.


El tratamiento de datos de series temporales es el proceso de manipulación, análisis y preparación de datos que se presentan como una secuencia de valores ordenados temporalmente. Descubra qué pasos incluye en esta sección.

¿Sabía que puede extraer aún más valores de sus datos y crear características más informativas? En esta sección, aprenderá a trabajar con la ingeniería de características.

Ha llegado al final de este curso. Pongamos a prueba tus conocimientos. Tienes 3 tareas para resolver.

Tipos de Datos

Solución

Awesome!

Tipos de Datos

Solución

Awesome!