Summary
This chapter introduces how to import the pandas library in Python—optionally assigning it an alias—and demonstrates invoking its functions via that alias.

General domain of usage
Data analysis

Para sentirte seguro y completar con éxito este curso, te recomendamos encarecidamente que **completes los siguientes cursos** de antemano (solo haz clic en ellos para comenzar):

## ¿Por Qué Usar Pandas?

`pandas` es una biblioteca de Python diseñada para el procesamiento y análisis de datos. Dominar esta biblioteca es beneficioso tanto para **científicos de datos** como para **analistas de datos**. Con `pandas`, puedes ordenar, filtrar, modificar y visualizar tus datos, así como calcular estadísticas útiles, lo que te permite realizar un análisis exhaustivo.

Para utilizar esta biblioteca, debes **importarla**.
```python
# Importing `pandas`
import pandas
```

Para facilitar su uso, es común importar la biblioteca usando un alias.
```python
# Importing `pandas` with an alias
import pandas as pd
```

En este caso, `pd` sirve como un alias. Así que, cuando invoques funciones de esta biblioteca en el futuro, lo harías de la siguiente manera:
```python
# Importing `pandas` with an alias
import pandas as pd

# Using a function from `pandas`
pd.function()
```

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.

¿Qué Es Pandas?

¿Por Qué Usar Pandas?

Solución

Awesome!

¿Qué Es Pandas?

¿Por Qué Usar Pandas?

Solución

Awesome!