Fundamentos de Python para Ingeniería y Analítica de Datos (Py311)

Este repositorio contiene el material oficial del curso Py311, primer curso de la ruta de Ingeniería de Datos con Python. Cubre los fundamentos de computación numérica, manipulación y visualización de datos, y presenta las herramientas modernas de análisis y escalado que se usarán a lo largo de toda la ruta.

🗺️ Ruta de Aprendizaje

Prerequisitos recomendados

Este curso asume conocimiento previo de Python. Si necesitas construir esa base primero:

Continuación de la ruta

Py311 es el punto de entrada de una ruta progresiva de ingeniería de datos moderna:

🚀 Acerca del Curso

Un programa intensivo orientado a construir la base técnica necesaria para trabajar como ingeniero o analista de datos en entornos modernos. Al completarlo serás capaz de:

• Dominar el ecosistema numérico: NumPy, SciPy y álgebra lineal aplicada a datos.
• Manipular datos con Pandas moderno: Tipos eficientes, limpieza, agregaciones y ventanas.
• Visualizar con precisión estadística: Matplotlib, Seaborn y Plotnine (gramática de gráficos).
• Optimizar memoria y rendimiento: PyArrow como backend y Polars para análisis de alto rendimiento.
• Construir productos de datos: Dashboards interactivos con Streamlit sin necesidad de desarrollo web.
• Escalar más allá de la memoria local: Procesamiento paralelo y distribuido con Dask.

Todo el entorno se ejecuta en la nube mediante GitHub Codespaces, sin necesidad de instalación local.

📅 Temario y Estructura

El curso consta de 12 sesiones de 2 horas (24 horas totales), divididas en 6 bloques estratégicos:

📚 Contenidos

🧭 Tabla de contenidos (enlaces rápidos)

• 01_el_ecosistema_de_datos_con_python.ipynb
• 02_conceptos_basicos_de_numpy.ipynb
• 03_gestion_de_arreglos_de_numpy.ipynb
• 04_arreglos_con_contenido_aleatorio.ipynb
• 05_operaciones_basicas_con_arreglos.ipynb
• 06_manipulacion_de_arreglos_de_numpy.ipynb
• 07_gestion_y_analisis_de_datos_de_numpy.ipynb
• 08_algebra_lineal_con_numpy.ipynb
• 09_introduccion_a_pandas.ipynb
• 10_tipos_de_datos_de_pandas.ipynb
• 11_operaciones_basicas_con_dataframes.ipynb
• 12_indices_y_multiindices.ipynb
• 13_datos_categoricos.ipynb
• 14_uniones_y_mezclas_de_dataframes.ipynb
• 15_metodo_merge.ipynb
• 16_metodo_filter.ipynb
• 17_metodos_apply_y_transform.ipynb
• 18_metodos_de_enmascaramiento.ipynb
• 19_herramientas_de_analisis_de_datos.ipynb
• 20_limpieza_y_datos_faltantes.ipynb
• 21_transformacion_de_objetos.ipynb
• 22_gestion_de_fechas.ipynb
• 23_el_accesor_str_de_pandas.ipynb
• 24_metodos_groupby.ipynb
• 25_funciones_de_ventana.ipynb
• 26_extraccion_y_almacenamiento.ipynb
• 27_visualizacion_de_datos_con_pandas.ipynb
• 28_introduccion_a_matplotlib.ipynb
• 29_elementos_de_un_grafico.ipynb
• 30_tipos_basicos_de_graficos.ipynb
• 31_introduccion_a_seaborn.ipynb
• 32_objetos_de_seaborn.ipynb
• 33_introduccion_a_plotnine.ipynb
• 34_introduccion_a_pyarrow.ipynb
• 35_introduccion_a_polars.ipynb
• 36_expresiones_de_polars.ipynb
• 37_polars_avanzado.ipynb
• 38_introduccion_a_dask.ipynb
• 39_introduccion_a_streamlit.ipynb

🔹 Módulo 1: Fundamentos Numéricos

• 01 - El ecosistema de datos con Python (NumPy, SciPy y herramientas clave).
• 02 - Conceptos básicos de NumPy (arreglos y vectores).
• 03 - Creación de arreglos con funciones especializadas y lectura/escritura de archivos.
• 04 - Generación de datos sintéticos y aleatorios.
• 05 - Indexado, rebanado, modificación de arreglos y broadcasting.
• 06 - Manipulación y transformación de arreglos.
• 07 - Análisis numérico y estadístico básico.
• 08 - Álgebra lineal aplicada a datos.

🔹 Módulo 2: Pandas Moderno y Estructura

• 09 - Introducción a Pandas.
• 10 - Tipos de datos de Pandas y funciones de conversión de tipos.
• 11 - Operaciones estructurales en DataFrames: sort_values(), sort_index(), rename() y métodos de indexado.
• 12 - Índices simples (pd.Index) y multiíndices (pd.MultiIndex).
• 13 - Datos categóricos: pd.cut(), pd.qcut() y pd.get_dummies().
• 14 - Uniones y mezclas de DataFrames.
• 15 - El método merge(): uniones inner, outer, left y right.
• 16 - El método filter(): filtrado de columnas e índices por etiqueta.
• 17 - Transformaciones personalizadas: apply(), transform(), map() y pipe().
• 18 - Técnicas de enmascaramiento avanzado: mask(), where() y clip().
• 19 - Herramientas de análisis de datos: value_counts(), corr(), cov(), eval(), assign() y más.
• 20 - Valores nulos (np.nan, pd.NA, pd.NaT) y estrategias de imputación.
• 21 - Transformación y limpieza de objetos.
• 22 - Gestión de fechas: pd.date_range(), .dt, indexación temporal y resample().
• 23 - El accesor .str: manipulación vectorizada de cadenas de caracteres.
• 24 - Agregaciones avanzadas: groupby, crosstab y pivot_table.
• 25 - Window functions (funciones de ventana): shift, rolling y expanding.
• 26 - Extracción y almacenamiento de datos.
• 27 - Visualización de datos con Pandas.

🔹 Módulo 3: Visualización Estadística

• 28 - Introducción a Matplotlib (fundamentos).
• 29 - Elementos de un gráfico (títulos, ejes, leyendas, estilos).
• 30 - Tipos básicos de gráficos (scatter, line, bar, histogramas).
• 31 - Introducción a Seaborn (visualización estadística rápida).
• 32 - Objetos especializados en Seaborn (regresión, correlación, distribuciones).
• 33 - Plotnine (gramática de gráficos para reportes reproducibles).

📊 Nota: Plotnine (basado en ggplot2) es ideal para reportes reproducibles y migración desde R. Seaborn para exploración iterativa. Matplotlib para control fino de bajo nivel.

🔹 Módulo 4: Herramientas Modernas de Datos

• 34 - Introducción a PyArrow: arrays, tablas y backend para Pandas.
• 35 - Introducción a Polars: API expresiva y evaluación lazy.
• 36 - Expresiones en Polars: sistema de expresiones, tipos de datos, namespaces .str y .dt, y guía de traducción Pandas → Polars.
• 37 - Polars Avanzado: window functions, optimización y decisiones arquitectónicas.

🔹 Módulo 5: Computación Distribuida

• 38 - Introducción a Dask: procesamiento paralelo y escalabilidad out-of-core.

🔹 Módulo 6: Data Apps Interactivas

• 39 - Introducción a Streamlit: dashboards web sin HTML/CSS/JavaScript.

🛠️ Instalación y Uso

¡Olvídate de configurar entornos locales! Este repositorio está configurado para GitHub Codespaces.

1. Haz clic en el botón "Code" (verde) arriba a la derecha.
2. Ve a la pestaña "Codespaces".
3. Haz clic en "Create codespace on main".

El entorno se iniciará automáticamente con:

• Python 3.11
• JupyterLab
• Todas las librerías instaladas (Polars, Dask, Streamlit, etc.)
• Puertos configurados para visualizar tus apps.

Ejecución Local (Opcional)

Si prefieres trabajar en tu máquina:

# Clonar el repositorio
git clone https://github.com/PythonistaMX/py311.git
cd py311

# Crear entorno virtual
python -m venv venv
source venv/bin/activate  # En Windows: venv\Scripts\activate

# Instalar dependencias
pip install -r requirements.txt

# Iniciar Jupyter
jupyter lab

📖 Recursos Adicionales

• Documentación oficial de Pandas
• Documentación oficial de Polars
• Documentación oficial de Dask
• Documentación oficial de Streamlit

📝 Licencia

Este proyecto está bajo la licencia Creative Commons Atribución 4.0 Internacional (CC-BY 4.0).

Eres libre de:

• ✅ Compartir el material en cualquier medio o formato
• ✅ Adaptar, remezclar y crear contenido derivado
• ✅ Usar con fines comerciales

Con la condición de:

• 📌 Atribución: Debes dar crédito apropiado, proporcionar un enlace a la licencia e indicar si se han realizado cambios.

Para más información, visita: https://creativecommons.org/licenses/by/4.0/

Véase el archivo LICENSE para los términos completos.