Python para Analytics: Tutorial Gratis

Lección 1: Configuración del Entorno

Comenzaremos instalando Python y las librerías esenciales para analytics. Recomendamos usar Anaconda, que incluye Python y las principales librerías pre-instaladas.

Instalación paso a paso:

• Descarga Anaconda desde anaconda.com
• Instala Jupyter Notebook o usa Google Colab (gratuito)
• Verifica la instalación ejecutando: import pandas as pd

Lección 2: Introducción a Pandas

Pandas es la librería fundamental para manipulación de datos en Python. Aprenderemos a cargar, explorar y manipular datasets.

Conceptos clave:

• DataFrame: Estructura principal para datos tabulares
• Series: Estructura para datos unidimensionales
• Indexing: Selección de datos específicos

Ejemplo práctico:

import pandas as pd

# Cargar datos desde CSV
df = pd.read_csv('ventas.csv')

# Explorar el dataset
print(df.head())  # Primeras 5 filas
print(df.info())  # Información del dataset
print(df.describe())  # Estadísticas descriptivas

Lección 3: Limpieza y Preparación de Datos

Los datos reales están llenos de inconsistencias. Aprenderemos técnicas esenciales de limpieza:

• Identificar y manejar valores faltantes
• Eliminar duplicados
• Convertir tipos de datos
• Normalizar texto y fechas

Ejemplo de limpieza:

# Detectar valores faltantes
print(df.isnull().sum())

# Eliminar filas con valores faltantes
df_clean = df.dropna()

# Rellenar valores faltantes con la media
df['precio'].fillna(df['precio'].mean(), inplace=True)

# Eliminar duplicados
df_clean = df.drop_duplicates()

Lección 4: Análisis Exploratorio de Datos (EDA)

El EDA nos ayuda a entender patrones, tendencias y relaciones en los datos antes de aplicar técnicas más avanzadas.

Técnicas de EDA:

• Estadísticas descriptivas
• Análisis de correlaciones
• Segmentación de datos
• Identificación de outliers

Ejemplo de análisis:

# Estadísticas por categoría
ventas_por_region = df.groupby('region')['ventas'].agg(['mean', 'sum', 'count'])

# Matriz de correlación
correlation_matrix = df.corr()

# Identificar outliers usando el método IQR
Q1 = df['precio'].quantile(0.25)
Q3 = df['precio'].quantile(0.75)
IQR = Q3 - Q1
outliers = df[(df['precio'] < Q1 - 1.5*IQR) | (df['precio'] > Q3 + 1.5*IQR)]

Lección 5: Visualización de Datos

Las visualizaciones son fundamentales para comunicar insights. Usaremos Matplotlib y Seaborn para crear gráficos profesionales.

Tipos de gráficos esenciales:

• Histogramas para distribuciones
• Scatter plots para correlaciones
• Box plots para identificar outliers
• Gráficos de barras para comparaciones

Ejemplo de visualización:

import matplotlib.pyplot as plt
import seaborn as sns

# Configurar estilo
plt.style.use('seaborn')

# Histograma
plt.figure(figsize=(10, 6))
plt.hist(df['ventas'], bins=30, alpha=0.7)
plt.title('Distribución de Ventas')
plt.xlabel('Ventas')
plt.ylabel('Frecuencia')
plt.show()

# Correlación con heatmap
plt.figure(figsize=(8, 6))
sns.heatmap(df.corr(), annot=True, cmap='coolwarm')
plt.title('Matriz de Correlación')
plt.show()

Lección 6: Análisis Estadístico

Implementaremos análisis estadísticos para validar hipótesis y encontrar insights significativos.

Técnicas estadísticas básicas:

• Pruebas de hipótesis
• Análisis de tendencias
• Comparación de grupos
• Regresión lineal simple

Ejemplo de regresión:

from sklearn.linear_model import LinearRegression
from sklearn.metrics import r2_score

# Regresión simple
X = df[['publicidad']].values
y = df['ventas'].values

model = LinearRegression()
model.fit(X, y)

# Predicciones
predictions = model.predict(X)
r2 = r2_score(y, predictions)

print(f"R² Score: {r2:.3f}")
print(f"Por cada $1 en publicidad, las ventas aumentan ${model.coef_[0]:.2f}")

Lección 7: Automatización de Reportes

Aprenderemos a crear reportes automatizados que se actualicen con nuevos datos.

Componentes del reporte automatizado:

• Carga automática de datos
• Cálculos de KPIs principales
• Generación de gráficos
• Exportación a formatos profesionales

Ejemplo de automatización:

def generar_reporte_ventas(archivo_datos):
    # Cargar datos
    df = pd.read_csv(archivo_datos)
    
    # KPIs principales
    total_ventas = df['ventas'].sum()
    promedio_ventas = df['ventas'].mean()
    crecimiento = ((df['ventas'].tail(30).mean() / df['ventas'].head(30).mean()) - 1) * 100
    
    # Crear dashboard simple
    fig, axes = plt.subplots(2, 2, figsize=(15, 10))
    
    # Gráfico 1: Tendencia temporal
    df.groupby('fecha')['ventas'].sum().plot(ax=axes[0,0])
    axes[0,0].set_title('Tendencia de Ventas')
    
    # Gráfico 2: Ventas por región
    df.groupby('region')['ventas'].sum().plot(kind='bar', ax=axes[0,1])
    axes[0,1].set_title('Ventas por Región')
    
    plt.tight_layout()
    plt.savefig('reporte_ventas.png', dpi=300, bbox_inches='tight')
    
    return {
        'total_ventas': total_ventas,
        'promedio_ventas': promedio_ventas,
        'crecimiento_mensual': crecimiento
    }