Summary  
This chapter explains how to import a Python library and assign it an alias for convenient use.  

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!