Charla y Taller: "Análisis de Datos utilizando Librerías de Python"
Duración Total: 1 hora y 30 minutos
Requisitos: Laboratorio con computadoras, Python instalado con las librerías pandas, numpy, matplotlib,
y seaborn.
Objetivo:
Introducir a los participantes en el análisis de datos utilizando Python, enfocándose en las librerías más
utilizadas. Al finalizar, los participantes serán capaces de manipular datasets básicos, realizar análisis
exploratorios y visualizar datos.
Estructura de la Charla y Taller
1. Introducción al Análisis de Datos con Python (20 minutos)
• Qué es el análisis de datos: Explicación básica del concepto y su importancia en diferentes
sectores.|
• Python en el análisis de datos: Por qué Python es una herramienta popular para el análisis de
datos.
• Librerías clave:
o pandas: Manipulación y análisis de datos.
o numpy: Operaciones numéricas.
o matplotlib y seaborn: Visualización de datos.
2. Demostración Práctica (20 minutos)
• Introducción a pandas y numpy:
o Crear y manipular DataFrames.
o Realizar operaciones básicas: selección, filtrado, agrupamiento y agregación de datos.
• Visualización de Datos:
o Crear gráficos básicos con matplotlib.
o Mejorar las visualizaciones con seaborn.
3. Taller Práctico en Laboratorio (40 minutos)
• Descripción de la actividad:
o Los participantes trabajarán con un dataset predefinido (por ejemplo, un dataset de
ventas o un dataset de salud pública).
o Parte 1: Cargar el dataset y explorar su estructura usando pandas (head, describe, info).
o Parte 2: Realizar análisis básicos como encontrar valores nulos, calcular estadísticas
descriptivas, y realizar filtrados de datos.
o Parte 3: Visualizar los resultados usando gráficos de barras, líneas, y dispersiones.
• Instrucciones para la actividad:
o Proveer el dataset y el código inicial.
o Guía paso a paso con instrucciones claras para que todos los participantes puedan seguir
y completar la actividad.
o Supervisar y ayudar a los participantes con problemas o dudas.
4. Cierre y Discusión (10 minutos)
• Revisión de resultados: Compartir y discutir los hallazgos de los participantes.
• Conclusiones: Resumir lo aprendido y cómo se puede aplicar en escenarios reales.
• Q&A: Espacio para preguntas y respuestas.
Recomendaciones para el Laboratorio:
• Asegurar que todas las computadoras tienen las librerías necesarias instaladas (pandas, numpy,
matplotlib, seaborn).
• Plan B (por ejemplo, notebooks online como Google Colab) en caso de problemas técnicos con el
software.
