Pandas ofrece dos estructuras de datos principales: `Series` y `DataFrame`. La `Series` es la más simple de las dos, asemejándose a un array **unidimensional** o una lista. Puedes crear un objeto `Series` usando el constructor `pd.Series()` pasando una **lista** como su argumento.

import pandas as pd
numbers = [17, 43, 74, 20]
series = pd.Series(numbers)

print(series)

En este ejemplo, usamos el constructor `pd.Series()` para crear un objeto `Series` que contiene una **lista de números**.

Pandas es una biblioteca extremadamente fácil de usar para el análisis de datos. También está diseñada para manejar grandes conjuntos de datos, utilizando estructuras de datos como DataFrame y Series. Esto la convierte en una herramienta invaluable para la Ciencia de Datos. En esta guía, te familiarizarás con una variedad de funciones estadísticas, incluyendo cómo encontrar correlaciones, modas, medianas y valores máximos y mínimos dentro de un conjunto de datos. También aprenderás a manejar valores faltantes y manipular valores específicos, así como a eliminarlos.

En esta sección, exploraremos los fundamentos de las estructuras Series y DataFrame. También aprenderás sobre las diferencias entre estos dos tipos de estructuras.

Los datos pueden obtenerse en varios formatos, como CSV, JSON, SQL, HTML y más. Con Pandas, no estás limitado a un solo formato: puedes trabajar con datos de una multitud de tipos de archivos. En este capítulo, nos centraremos específicamente en los formatos CSV y TXT.

Aquí, aprenderás a procesar datos en bruto eliminando información innecesaria y gestionando valores nulos en un conjunto de datos.

Series

Solución

Series

Solución