Contenido del Curso

Procesamiento Previo de Datos

1. Introducción Breve

Tipos de Datos Métodos de Procesamiento de Datos Conjunto de datos: Prueba y Entrenamiento Eliminando un Dato "Extra"Cambio del Tipo de Datos

2. Procesamiento de Datos Cuantitativos

Escalado de Datos Escalado de Datos vs Normalización de Datos Eliminación de Valores Atípicos Eliminando Valores Faltantes Aumento de Datos: Datos Sintéticos

3. Procesamiento de Datos Categóricos

Métodos para Codificar los Datos Categóricos Codificación One-Hot Codificación Ordinal Codificación de Etiquetas de la Variable Objetivo Reto

4. Procesamiento de Datos de Series Temporales

Conversión de Tipos de Datos Limpieza de Datos Estacionariedad Reducción de Ruido División de Entrenamiento/Prueba y Validación Cruzada Reto

5. Ingeniería de Características

Idea de Técnica Realización Extracción de Características de Texto Extracción de Características de Imágenes Extracción de Características de Series Temporales Desafío

6. Avanzando a Tareas

Desafío 1 Desafío 2 Reto 3

Tipos de Datos

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


              12345
            
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:


              12345
            
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

Tarea

Swipe to start coding

Lee el conjunto de datos penguins.csv y cambia el tipo de datos de la columna body_mass_g de float a int.

No modifiques el código inicial, sólo sustituye los huecos ___ por el código correcto.

_{Una vez que hayas completado esta tarea, haz clic en el debajo del código para comprobar tu solución.}

Solución

Cambia al escritorio para practicar en el mundo realContinúe desde donde se encuentra utilizando una de las siguientes opciones

¿Todo estuvo claro?

¡Gracias por tus comentarios!

Sección 1. Capítulo 1

Tipos de Datos

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


              12345
            
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())


              12345
            
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

Tarea

Swipe to start coding

Lee el conjunto de datos penguins.csv y cambia el tipo de datos de la columna body_mass_g de float a int.

No modifiques el código inicial, sólo sustituye los huecos ___ por el código correcto.

_{Una vez que hayas completado esta tarea, haz clic en el debajo del código para comprobar tu solución.}

Solución

Cambia al escritorio para practicar en el mundo realContinúe desde donde se encuentra utilizando una de las siguientes opciones

¿Todo estuvo claro?

¡Gracias por tus comentarios!

Sección 1. Capítulo 1

Cambia al escritorio para practicar en el mundo realContinúe desde donde se encuentra utilizando una de las siguientes opciones