🆘 De la RUTA: Fundamentos en Ciencia de Datos con Python.
Python en Excel
Énfasis en Análisis de Datos
Inscripción
$69.99 USD
12 Meses de Acceso
Vitalicio
$199.99 USD
Acceso de por Vida
Duración (Aprox.)
12 Horas con 48 Mins.
(2024, Pregrabado)
| # | Módulo | Expositor | #Lec. | Duración |
|---|---|---|---|---|
| 1 | Dominando Python en Excel | Caballero | 12 | 85 min |
| 2 | Python General | Caballero | 21 | 164 min |
| 3 | Manipulación de Datos con Pandas | Caballero | 12 | 98 min |
| 4 | Limpieza de Datos con Pandas | Caballero | 5 | 63 min |
| 5 | Visualización de Datos con Matplotlib y Seaborn | Caballero | 14 | 105 min |
| 6 | Análisis de Datos Exploratorio con Pandas y Matplotlib | Caballero | 5 | 52 min |
| 7 | Análisis Estadístico con Pandas y Statsmodels | Caballero | 5 | 32 min |
| 8 | Manejo de Arrays con NumPy | Caballero | 6 | 62 min |
| 9 | Integración de Python no-Nativo en Excel | Caballero | 9 | 77 min |
| 10 | Más Allá con Python no-Nativo | Caballero | 5 | 30 min |
Acerca del Curso
Este curso te llevará desde los fundamentos de Python hasta técnicas asociadas para análisis de datos dentro del entorno familiar de Excel.
Comienza dominando Python en Excel y repasando los conceptos generales del lenguaje. Aprende a manipular y analizar datos con pandas, explorando y visualizando datos para obtener insights significativos. Maneja matrices complejas con NumPy y realiza análisis estadísticos con pandas y statsmodels.
Crea visualizaciones utilizando Matplotlib y Seaborn, y aplica técnicas avanzadas para el análisis de datos exploratorio con pandas. Automatiza y controla Excel desde Python con xlwings, mejorando tu eficiencia y productividad.
Este curso es ideal para analistas de datos y cualquier persona con conocimientos previos de Python que quiera aprovechar al máximo la integración de Python en Excel. Con contenido de alta calidad y enfoque práctico, “Python en Excel: Énfasis en Análisis de Datos” te preparará para conocer las herramientas de análisis de datos para poder aplicarlas de manera eficiente en tus labores, optimizando tus flujos de trabajo en Excel.
Requisitos y Audiencia:
Este curso está dirigido a analistas de datos, científicos de datos y cualquier persona interesada en aprovechar Python dentro de Excel para análisis de datos y automatización. Se requiere tener conocimientos previos de Python, al menos a nivel fundamental, como los ofrecidos en los módulos iniciales (1 a 9) del curso "Máster en Python" de Power Elite Studio.
Temario del Curso
— Parte 1: Python Nativo en Excel
| # | Lección | Duración |
|---|---|---|
| 1 | Introducción a Python en Excel | 03:59 |
| 2 | Habilitar Celdas para Escribir Código Python | 07:10 |
| 3 | Hola Mundo! y Particularidades | 07:51 |
| 4 | Tipos de Salidas en Hoja de Cálculo | 09:28 |
| 5 | Orden de Ejecución de Celdas-Python | 07:37 |
| 6 | La Función xl para Pasar Datos de Excel a Celdas-Python | 06:31 |
| 7 | Importación con Power Query a Celdas-Python | 05:00 |
| 8 | Consideraciones de Carga de Datos de Power Query a Python | 10:18 |
| 9 | Entendiendo el Funcionamiento de Python Nativo en Excel | 13:03 |
| 10 | Descripción de Librerías por Defecto | 03:16 |
| 11 | Manejo de Errores | 03:09 |
| 12 | Flujo de Trabajo con Python en Excel | 07:39 |
| # | Lección | Duración |
|---|---|---|
| 1 | Introducción | 02:21 |
| 2 | Estudiando Variables | 11:49 |
| 3 | Tipos de Datos (Valores) | 03:22 |
| 4 | Clases y Objetos | 03:13 |
| 5 | Números y Operadores: Aritméticos, Comparación y Asignación | 11:36 |
| 6 | Booleanos y Operadores: Lógicos | 05:38 |
| 7 | Textos y Operadores: Indexación, Rebanado y Más | 15:45 |
| 8 | Secuencias de Escape | 04:17 |
| 9 | Interpolación de Cadena con F-Strings | 07:14 |
| 10 | None y sus Operadores | 07:22 |
| 11 | Listas y sus Operadores | 14:22 |
| 12 | Tuplas y sus Operadores | 05:27 |
| 13 | Empaquetado y Desempaquetado | 04:37 |
| 14 | Diccionarios y sus Operadores | 06:34 |
| 15 | Conjuntos y Operadores | 06:54 |
| 16 | Librerías en Python Nativo en Excel | 10:19 |
| 17 | Sobre Otras Estructuras de Datos | 03:09 |
| 18 | Estructura de Control Condicional: if | 09:50 |
| 19 | Estructura de Control Repetitiva: for | 04:07 |
| 20 | Estructura de Control para Excepciones: try | 05:46 |
| 21 | Comprensión | 09:00 |
| # | Lección | Duración |
|---|---|---|
| 1 | La librería pandas y su implementación en Excel | 07:37 |
| 2 | DataFrames | 12:18 |
| 3 | Selección de Filas y Columnas por Posición | 10:37 |
| 4 | Selección de Filas y Columnas por Etiquetas | 06:44 |
| 5 | Selección de Columnas Directamente | 08:11 |
| 6 | Filtrado de Datos con Boolean Mask | 09:59 |
| 7 | Filtrado de Datos con el Método query | 04:43 |
| 8 | Series | 04:47 |
| 9 | Índices Jerárquicos con MultiIndex | 02:44 |
| 10 | Selección de Filas con Índice Jerárquicos | 09:16 |
| 11 | Selección de Columnas con Índice Jerárquicos | 07:39 |
| 12 | Agrupación con Pandas | 13:42 |
| # | Lección | Duración |
|---|---|---|
| 1 | Identificación y Eliminación de Duplicados | 13:21 |
| 2 | Tratamiento de Valores Faltantes: Eliminación | 16:05 |
| 3 | Tratamiento de Valores Faltantes: Imputación por Constante | 16:44 |
| 4 | Tratamiento de Valores Faltantes: Imputación por Relleno | 10:10 |
| 5 | Tratamiento de Valores Faltantes: Imputación por Valor Estadístico | 06:30 |
| # | Lección | Duración |
|---|---|---|
| 1 | Introducción a Visualización con Python en Excel | 04:07 |
| 2 | Interacción Entre Gráficos de Python y la Hoja de Cálculo | 06:22 |
| 3 | Graficación Fundamental: Gráfico de Líneas | 08:38 |
| 4 | Graficación Fundamental: Gráfico de Barras y Dispersión | 09:18 |
| 5 | Personalización y el Gráfico Activo | 06:41 |
| 6 | El Modelo de Objetos en Matplotlib.pyplot | 08:46 |
| 7 | Figuras y Axes (subplots) | 14:25 |
| 8 | Axis, Label y Tick | 10:39 |
| 9 | "Accesos Directos" | 09:09 |
| 10 | El Poder de Matplotlib: Gráfico de Violín | 04:49 |
| 11 | Gráfico Circular | 08:42 |
| 12 | Gráfico de Calor | 03:41 |
| 13 | Introducción a Seaborn | 10:00 |
| 14 | Pair Plot | 10:00 |
| # | Lección | Duración |
|---|---|---|
| 1 | Introducción al Análisis de Datos Exploratorio (EDA) | 04:28 |
| 2 | Descripción de los Datos | 19:36 |
| 3 | Descripción Gráfica de los Datos Numéricos | 19:29 |
| 4 | Descripción Gráfica de los Datos Categóricos | 03:02 |
| 5 | Análisis de Valores Nulos | 05:10 |
| # | Lección | Duración |
|---|---|---|
| 1 | Introducción a Statsmodels | 02:15 |
| 2 | Análisis Univariado: Estadísticas Descriptiva Básica con Sesgos y Curtosis | 14:21 |
| 3 | Análisis Bivariado: Sobre OLS | 12:28 |
| 4 | Análisis Multivariado | 03:17 |
| # | Lección | Duración |
|---|---|---|
| 1 | Introducción a NumPy | 08:05 |
| 2 | Arreglos n-Dimensionales (ndarray) | 08:18 |
| 3 | Propiedad de un Arreglo | 04:30 |
| 4 | Funciones para Crear Arreglos | 18:46 |
| 5 | Vectorización | 08:45 |
| 6 | Fundamentos en Indexación, Rebanado y Broadcasting | 13:41 |
— Parte 2: Python No-Nativo en Excel
| # | Lección | Duración |
|---|---|---|
| 1 | ¿Por Qué Python no Nativo? | 02:38 |
| 2 | El Ecosistema para Python no-Nativo | 04:17 |
| 3 | Instalación de Anaconda e Interactuando con Jupyter | 11:45 |
| 4 | Python para Excel Gracias a xlwings | 06:19 |
| 5 | Trabajando con Libros de Excel | 08:53 |
| 6 | Trabajando con Hojas de Excel | 14:50 |
| 7 | Manipulación de Celdas y Rangos - "Hola Mundo!" | 08:02 |
| 8 | Lectura de Datos Desde Excel | 08:20 |
| 9 | Manipulación de Datos con Python no-Nativo y pandas | 11:49 |
| # | Lección | Duración |
|---|---|---|
| 1 | Anaconda Prompt y Entornos Virtuales | 08:41 |
| 2 | Instalación de Librería Externa: polars | 04:23 |
| 3 | Instalación de Librería Externa: pyarrow | 01:50 |
| 4 | Jupyter en Entorno Específico | 04:10 |
| 5 | Manipulación de Datos con Python no-Nativo y polars | 11:18 |
Algunos Momentos del Curso
