Bienvenida

En resumen: El análisis de datos es el camino de la pregunta a la respuesta: cargar, limpiar, calcular, hacer gráficos y comprobar, aquí con Python, pandas y matplotlib directamente en el navegador.

Problema

El número es correcto. La decisión no

La tienda ve que los ingresos de diciembre cayeron a una décima parte de las de octubre. El gerente detiene la publicidad, cambia de proveedor y baja los precios. Un mes después resulta que en octubre dos clientes hicieron pedidos grandes para su oficina. Diciembre fue un mes normal.

El número de la tabla era correcto. Lo que estaba mal era lo que se concluyó de él. De eso trata el análisis de datos: responder una pregunta con datos de manera que se pueda confiar en la respuesta.

La idea

El camino de un análisis

Todo análisis pasa por los mismos pasos, y el curso los sigue:

1. La pregunta. ¿Qué tiene que decidir alguien con la respuesta? «¿Por qué cayeron los ingresos?» es una pregunta. «Analiza los ingresos» no lo es.
2. Los datos. Qué tablas, desde cuándo, qué significa una fila.
3. Limpiar. Celdas vacías, duplicados, «1,60 €» como texto, fechas incorrectas.
4. Explorar. Tablas, grupos y gráficos: qué hay en los datos.
5. La conclusión. ¿La caída es real o es ruido? ¿Una causa o una coincidencia?
6. La historia. Tres frases, un gráfico y los límites de la respuesta.

Aquí ves adónde vas: los ingresos de la tienda por mes, de las tablas en bruto al gráfico. Pulsa «Ejecutar»:

Pythondatos: las tablas de la tienda

import pandas as pd

orders = pd.read_csv('orders.csv')
items = pd.read_csv('order_items.csv')
lines = items.merge(orders, left_on='order_id', right_on='id')
lines = lines[lines['status'] != 'cancelled']
lines['revenue'] = lines['quantity'] * lines['unit_price']
lines['month'] = lines['ordered_at'].str[:7]
monthly = lines.groupby('month')['revenue'].sum()
monthly.plot.bar(title='Ingresos por mes, €')

import pandas as pd orders = pd.read_csv('orders.csv') items = pd.read_csv('order_items.csv') lines = items.merge(orders, left_on='order_id', right_on='id') lines = lines[lines['status'] != 'cancelled'] lines['revenue'] = lines['quantity'] * lines['unit_price'] lines['month'] = lines['ordered_at'].str[:7] monthly = lines.groupby('month')['revenue'].sum() monthly.plot.bar(title='Ingresos por mes, €')

▶ EjecutarRestaurar el código

El código lo entenderás línea por línea en el módulo «Preparar los datos». Pero el gráfico ya plantea una pregunta: los meses saltan mucho. ¿Diciembre es una caída o ruido? La respuesta está en el módulo de estadística.

La idea

El sandbox

El código de las lecciones es Python de verdad, y se ejecuta en tu navegador. La primera vez se descarga Python (unos 13 MB), y después queda en la caché. Pruébalo, luego cambia los precios y ejecútalo otra vez:

Pythondatos: las tablas de la tienda

prices = [1.2, 1.9, 0.8, 3.2]
print('Cesta:', round(sum(prices), 2), '€')
len(prices)

prices = [1.2, 1.9, 0.8, 3.2] print('Cesta:', round(sum(prices), 2), '€') len(prices)

▶ EjecutarRestaurar el código

• Ctrl+Enter (⌘+Enter en Mac) ejecuta el código, y «Restaurar el código» devuelve el ejemplo. Tab sangra.
• La salida es como la de un notebook: todo lo de print y, al final, el valor de la última línea. Las tablas salen como tablas y los gráficos como imágenes.
• Un error se explica: primero con palabras y con el número de línea, y debajo está el original de Python, para que lo reconozcas cuando lo veas en tu propia computadora.
• Cada ejecución empieza de cero. Las variables de la ejecución anterior ya no están, como si ejecutaras todo el notebook desde arriba.
• No hay red. Los datos son los archivos junto al código: las tablas de la tienda del curso de SQL, en euros.
• El código que no termina en 10 segundos (un bucle infinito) se detiene, y la página no se congela.

La idea

Los módulos

• NumPy: arreglos y cálculo con miles de números sin for.
• Tablas con pandas: seleccionar, filtrar, columnas nuevas, tipos y valores faltantes.
• Preparar los datos: grupos, unir tablas, ancho y largo, fechas, datos sucios.
• Gráficos: qué gráfico para qué pregunta y cómo miente un gráfico.
• Estadística para decidir: cuánto ruido tiene un número, intervalos, pruebas de hipótesis, una prueba A/B, correlación y causa.
• Modelos con scikit-learn: predicción, clasificación, fuga de datos y una comprobación honesta.
• Proyecto: por qué bajaron los ingresos: todo el camino con los datos de la tienda.

Más precisamente, para curiosos

El análisis de datos también se hace en R (fuerte en estadística) y en Julia (rápido para el trabajo numérico). La industria está sobre todo en Python, por eso el curso es en Python. Las ideas son las mismas.

La idea

Lo que necesitas saber

De Python necesitas listas, diccionarios, for, funciones y lambdas: el curso de Python hasta «Colecciones». SQL ayuda, pero no es obligatorio: agrupar y unir se enseñan de nuevo aquí, con pandas.

En el navegador no necesitas nada. Para tu propio trabajo necesitas Python y JupyterLab: el notebook, donde el código está en celdas y la salida debajo de cada una. Con uv creas el proyecto así:

uv init shop-analysis
cd shop-analysis
uv add pandas matplotlib scikit-learn jupyterlab
uv run jupyter lab

Sin uv también sirve un entorno virtual normal:

python -m venv .venv
source .venv/bin/activate
pip install pandas matplotlib scikit-learn jupyterlab
jupyter lab

En Windows el segundo comando es .venv\Scripts\activate. VS Code también abre notebooks (los archivos .ipynb) con la extensión de Jupyter. Estos comandos no se ejecutan aquí.

Test

Ponte a prueba

1. ¿Qué va primero en el análisis de datos?

El gráficoEl modelo de aprendizaje automáticoLa pregunta: qué tiene que decidir alguien con la respuesta

2. El código del sandbox llama a pd.read_csv("https://example.com/sales.csv"). ¿Qué pasa?

El archivo se descarga de internetUn error: el sandbox no tiene red, los datos son los archivos junto al códigoLa página se recarga

3. Los ingresos de diciembre son 22,70 € y las de octubre eran 255 €. ¿Cuál es la conclusión honesta?

En diciembre la gente no compraNinguna todavía: con 60 pedidos al año, un mes puede ser simplemente ruidoLa tienda está perdiendo clientes

Comprobar

Empezar la lección de nuevo