Lecciones · Programación · intermedio · Keith Galli

Complete Python Pandas Data Science Tutorial! (2025 Updated Edition)

El vídeo «Complete Python Pandas Data Science Tutorial! (2025 Updated Edition)» de Keith Galli convertido en 14 lecciones, con la idea explicada, el código de la pantalla, pasos para probar en la terminal de práctica, problemas de práctica con soluciones y un test que te lleva al momento exacto.

14lecciones
51fragmentos de código
39ejercicios
48preguntas
94min de vídeo
Abrir las lecciones →La lección 1 es gratis · Beyond Pass lo abre todo

También en: English · Türkçe

El vídeo está en inglés. En el reproductor de YouTube, activa los subtítulos y elige Traducir automáticamente → Español.

Complete Python Pandas Data Science Tutorial! (2025 Updated Edition), video by Keith Galli▶ 1:34:10 · Keith Galli
1234567891011121314
0:0014 lecciones a lo largo de todo el vídeo1:34:10

Sabrás

  • Create and inspect pandas DataFrames using head, tail, info, describe, shape, and memory_usage
  • Load tabular data from CSV, Parquet, and Excel files and compare their speed and size
  • Select, filter, sort, and modify rows and columns with loc, iloc, boolean conditions, and string methods
  • Clean and reshape data by handling missing values, merging and concatenating tables, and applying custom functions
  • Summarize data with value_counts, groupby, pivot_table, shift, rank, and rolling windows
  • Use AI assistants like GitHub Copilot and ChatGPT to generate and test pandas code

Conviene saber antes

  • Basic Python syntax such as variables, functions, and lists
  • Ability to install packages and use a terminal or virtual environment
  • Familiarity with spreadsheets and the idea of rows and columns

Temario

14 lecciones y un proyecto final

  1. 1

    Setting up a Python environment for pandas Gratis

    0:00–3:504 min de vídeo

    You will get the course project onto your computer, create and activate a virtual environment, and install the libraries the tutorial needs. You will then open a notebook, choose that environment, and import pandas as pd.

    2 de código8 pasos de construcción2 ejercicios3 preguntas
  2. 2

    Crear un DataFrame e inspeccionar su estructura Beyond Pass

    3:50–8:405 min de vídeo

    Aprenderás qué es un DataFrame de pandas y cómo crear uno a partir de una lista de listas, con columnas y un índice con nombre. También aprenderás las herramientas de inspección head, tail, columns, index, info, describe, nunique, shape y size, y cómo funciona unique con una sola columna.

    2 de código5 pasos de construcción2 ejercicios3 preguntas
  3. 3

    Leer archivos CSV, Parquet y Excel con pandas Beyond Pass

    8:40–13:405 min de vídeo

    Aprenderás a cargar archivos CSV, Parquet y Excel en un DataFrame de pandas con pd.read_csv, pd.read_parquet y pd.read_excel, y a elegir una hoja de un archivo Excel. También verás cómo el formato del archivo afecta al tamaño del archivo y a la velocidad de carga.

    3 de código4 pasos de construcción3 ejercicios3 preguntas
  4. 4

    Seleccionar filas y columnas con head, loc, iloc y at Beyond Pass

    13:40–20:207 min de vídeo

    Aprenderás a echar un vistazo al principio y al final de un DataFrame de pandas y a elegir filas y columnas concretas con loc (por etiqueta) e iloc (por posición). También verás cómo cambiar un solo valor.

    6 de código2 ejercicios4 preguntas
  5. 5

    Ordenar datos e iterar sobre filas Beyond Pass

    20:20–24:204 min de vídeo

    Aprenderás a ordenar un DataFrame de pandas por una o más columnas, a controlar el orden ascendente o descendente de cada columna, y a recorrer las filas con iterrows(). También verás por qué los métodos integrados de pandas suelen ser mejores que los bucles.

    4 de código5 pasos de construcción3 ejercicios4 preguntas
  6. 6

    Filtrar filas con condiciones, métodos de cadena y expresiones regulares Beyond Pass

    24:20–33:5010 min de vídeo

    Aprenderás a conservar solo las filas de un DataFrame de pandas que cumplan una condición, a combinar varias condiciones con & y |, y a filtrar columnas de texto con str.contains, incluidas las expresiones regulares. También verás el método query como una forma más corta de escribir un filtro.

    4 de código5 pasos de construcción3 ejercicios3 preguntas
  7. 7

    Adding, Dropping, Copying and Renaming Columns Beyond Pass

    33:50–41:308 min de vídeo

    Vas a aprender a añadir una nueva columna a un DataFrame de pandas, incluida una que dependa de una condición con np.where, y a eliminar, renombrar y copiar columnas. También aprenderás cuándo un cambio modifica el DataFrame original y cuándo solo devuelve uno nuevo.

    6 de código6 pasos de construcción3 ejercicios4 preguntas
  8. 8

    División de cadenas, conversión de fechas y apply con funciones personalizadas Beyond Pass

    41:30–50:209 min de vídeo

    Aprenderás a extraer partes de columnas de texto con str.split, a convertir fechas en texto en objetos datetime para leer partes como el año, y a añadir columnas nuevas con apply usando una lambda o una función personalizada. Cada idea se muestra con la tabla de atletas del vídeo.

    3 de código4 pasos de construcción3 ejercicios4 preguntas
  9. 9

    Combinar y concatenar DataFrames Beyond Pass

    50:20–58:408 min de vídeo

    Aprenderás a unir dos DataFrames según una columna común con pd.merge, elegir el tipo de unión con how= y apilar DataFrames de arriba abajo con pd.concat. También verás cómo tratar columnas con nombres distintos y columnas con nombres duplicados.

    4 de código5 pasos de construcción3 ejercicios3 preguntas
  10. 10

    Manejo de valores faltantes: isna, fillna, interpolate y dropna Beyond Pass

    58:40–1:04:005 min de vídeo

    Los valores faltantes aparecen como NaN en pandas, y puedes encontrarlos con isna, luego rellenarlos con fillna (un valor fijo, la media o la interpolación) o eliminarlos con dropna. También aprendes a filtrar las filas que contienen valores faltantes.

    6 de código3 pasos de construcción2 ejercicios3 preguntas
  11. 11

    Contar, agrupar y crear tablas dinámicas en pandas Beyond Pass

    1:04:00–1:14:0010 min de vídeo

    Esta lección te muestra cómo contar valores con value_counts, combinar filtros con conteos y resumir datos con groupby y tablas dinámicas en pandas. Practicarás cada agregación con una pequeña tabla de ventas de café y verás cómo cambia la forma de los resultados.

    5 de código4 pasos de construcción4 ejercicios4 preguntas
  12. 12

    Shift, Rank, Cumulative Sums y Rolling Windows en Pandas Beyond Pass

    1:14:00–1:22:138 min de vídeo

    Esta lección muestra cómo mirar hacia atrás y entre filas en un DataFrame de pandas usando shift, comparar valores con el cambio porcentual, clasificar a los atletas por altura y calcular totales acumulados con cumsum y ventanas rolling. Practicarás cada herramienta con los datos de cafés y atletas del vídeo.

    3 de código5 pasos de construcción4 ejercicios3 preguntas
  13. 13

    Pandas 2.x y el backend PyArrow Beyond Pass

    1:22:13–1:25:303 min de vídeo

    En esta lección verás cómo pandas 2.x puede almacenar datos con el backend PyArrow en lugar del backend NumPy más antiguo. Aprenderás a comprobar tu versión de pandas, a comparar los tipos de columnas con info() y a entender por qué los tipos de PyArrow pueden hacer más rápidas las operaciones con cadenas de texto y valores booleanos.

    2 de código5 pasos de construcción2 ejercicios3 preguntas
  14. 14

    Asistentes de IA para pandas y cierre Beyond Pass

    1:25:30–1:34:109 min de vídeo

    En esta lección se muestra cómo asistentes de IA como Copilot Chat y ChatGPT pueden escribir filtros de pandas, crear DataFrames de juguete para practicar y dibujar gráficos, y cómo usarlos con criterio. Termina con un plan para seguir practicando pandas después del curso.

    1 de código5 pasos de construcción3 ejercicios4 preguntas

Proyecto final

Olympic Athletes Analysis Report

Build a reproducible notebook that loads, cleans, merges and summarises Olympic athlete data (bios plus results) and answers questions about it. It uses every stage of the course: setup, loading, selecting, cleaning, grouping and checking your work.

Sus 8 tareas se abren con Beyond Pass.

Vista previa gratis · La lección 1 completa

Setting up a Python environment for pandas

You will get the course project onto your computer, create and activate a virtual environment, and install the libraries the tutorial needs. You will then open a notebook, choose that environment, and import pandas as pd.

0:00 hasta 3:50 en el vídeo

Terminal de práctica

Escribe los comandos de la lección, rompe cosas y descubre por qué.

Zona de pruebas

Ejecuta y cambia el código, con Python y JavaScript de verdad.

Bloc de notas

Dibuja y escribe junto al vídeo.

La idea

Pandas is a Python library for working with tables of data, the kind you would normally keep in a spreadsheet. Before you can use it, you need Python and pandas installed in a place where the project can find them. This chapter sets that up step by step, so every later lesson runs the same way on your machine.

The easiest start is in a browser: you can open a Python notebook site and run pandas there with no installation. If you prefer working on your own computer, the video clones the course repository with git. You copy the repository link, open a terminal, go to a folder such as code, and run git clone with that link. Then you cd into the new complete-pandas-tutorial folder, which holds the data files you will use.

Next comes a virtual environment. This is a private box of Python packages for one project, so the libraries you install here do not mix with other projects. You create it once in the project folder with python3 -m venv tutorial, and activate it each time you work. When it is active, your terminal prompt shows the environment's name. On Mac or Linux the video uses source tutorial/bin/activate. On Windows you run tutorial\Scripts\activate instead.

With the environment active, install everything the course needs in one go using the requirements file: pip3 install -r requirements.txt. This reads the list of packages in the file and installs them, including pandas and its helpers. The video notes this is good practice, but you can also install packages as you go, and notebooks in the browser need no setup at all.

Finally, open the project folder in an editor such as Visual Studio Code and create a new notebook file, for example tutorial.ipynb. A notebook lets you run Python one block at a time and see the result under each block. Before running code, select the Python interpreter that belongs to your tutorial environment (in VS Code: Command+Shift+P on Mac or Control+Shift+P on Windows, then choose Select Interpreter and pick tutorial). Then run a first test: print hello world, and import pandas as pd. If that cell runs without an error, the setup works and pandas is ready to use.

Puntos clave

  • Clone the course repo with git clone and cd into the complete-pandas-tutorial folder to get the data files. 1:11
  • A virtual environment keeps this project's packages separate from everything else on your computer. 1:55
  • Install all the course libraries at once with pip3 install -r requirements.txt while the environment is active. 2:41
  • In your notebook, select the tutorial virtual environment as the interpreter before running any code. 3:44
  • The standard first line for pandas is import pandas as pd; the alias pd is used everywhere in the course. 3:44

Palabras clave

Repository (repo)
A project folder stored online (for example on GitHub) that you can copy to your computer with git clone.
Virtual environment
A private set of Python packages for one project, kept apart from other projects.
pip
The tool that downloads and installs Python packages.
Interpreter
The Python program that runs your code. The notebook must use the one where pandas is installed.
Notebook
A file (.ipynb) where you run code in separate blocks, called cells, and see the result under each one.
Alias
A short name for a library. In import pandas as pd, pd is the alias for pandas.

Código de la pantalla

First notebook cellpython 3:44 on screen
print("hello world")
Import pandaspython 3:44 on screen
import pandas as pd

Run in a notebook cell inside your activated tutorial environment; it works in the browser only if pandas is available there.

Construye a la vez en la terminal de práctica

  1. Open a terminal and move to your code folder. 
    $ cd code
    Deberías ver: The prompt shows you are in the code folder.
  2. Clone the course repository using the link copied from the video's GitHub page. 
    $ git clone https://github.com/KeithGalli/complete-pandas-tutorial.git
Cloning into 'complete-pandas-tutorial'...
remote: Enumerating objects: 29, done.
Resolving deltas: 100% (7/7), done.
    Deberías ver: A new folder named complete-pandas-tutorial appears with the data files inside.
  3. Go into the new project folder. 
    $ cd complete-pandas-tutorial
    Deberías ver: The prompt now ends with complete-pandas-tutorial %.
  4. Create a virtual environment named tutorial inside the project. 
    $ python3 -m venv tutorial
    Deberías ver: A tutorial folder appears in the project with no error message.
  5. Activate the virtual environment (Mac/Linux). On Windows use tutorial\Scripts\activate instead. 
    $ source tutorial/bin/activate
    Deberías ver: The prompt shows (tutorial) at the start of the line.
  6. Install all the libraries listed in requirements.txt. 
    $ pip3 install -r requirements.txt
Installing collected packages: pytz, multipledispatch, tzdata, six, ... pandas-flavor, pyjanitor
Successfully installed ...
    Deberías ver: pip finishes installing packages, including pandas, with no red errors.
  7. Open the project folder in Visual Studio Code, create a file named tutorial.ipynb, then select the tutorial environment as the interpreter (Command+Shift+P or Control+Shift+P, then Select Interpreter). Deberías ver: The notebook shows tutorial as the selected kernel or interpreter.
  8. In a notebook cell, type print("hello world") and run it, then type import pandas as pd and run it. 
    $ import pandas as pd
    Deberías ver: hello world prints and the pandas import runs with no error.

Rómpelo a propósito

Practice terminal
$ pip3 install -r requirements.txt
ERROR: Could not open requirements file: [Errno 2] No such file or directory: 'requirements.txt'
Por qué: pip looks for requirements.txt in the folder you are in. Run cd complete-pandas-tutorial first, so the file is found.
Practice terminal
$ source tutorial/bin/activate
-bash: tutorial/bin/activate: No such file or directory
Por qué: The environment was not created yet, or you are in the wrong folder. Run python3 -m venv tutorial inside the project folder first.

Ojo

  • A virtual environment is good practice but optional; in a browser notebook you can skip it and just run pandas. 2:27
  • Activar el entorno en la terminal no basta para el notebook: también debes seleccionar el intérprete del tutorial en tu editor. 3:18
  • Si al importar pandas en un notebook falla, lo más probable es que el notebook esté usando un Python distinto del que usaste para instalar pandas. 3:44

Práctica

Hazlo Solución comprobada

Revisa tu configuración. En una terminal dentro de la carpeta del proyecto, con el entorno activado, ejecuta el comando que muestra la versión de pandas instalada y comprueba que imprime un número de versión.

Pista

Python puede importar pandas e imprimir su atributo __version__. Ejecuta python -c con las dos instrucciones en una sola línea.

Solución
  1. Asegúrate de que el prompt muestre (tutorial).
  2. Ejecuta: python -c "import pandas as pd; print(pd.__version__)"
  3. Se imprime un número de versión, como 2.2.2, lo que significa que pandas está instalado en este entorno.

Se imprime un número de versión, como 2.x.x, sin ningún error.

Explica Solución comprobada

Con tus propias palabras, explica por qué creamos un entorno virtual para un proyecto en lugar de instalar pandas para todo el ordenador.

Pista

Piensa en dos proyectos que necesitan versiones distintas de la misma biblioteca.

Solución
  1. Un entorno virtual mantiene separados los paquetes de cada proyecto.
  2. Así, dos proyectos pueden usar versiones distintas de pandas sin estropearse entre sí, y la lista de requirements.txt permite recrear la misma configuración en otro equipo.

Un entorno virtual aísla los paquetes de cada proyecto, así que proyectos distintos pueden usar versiones diferentes de una biblioteca sin conflictos, y la configuración es fácil de reproducir a partir de requirements.txt.

En tu bloc de notas

Dibuja tres cajas con las etiquetas Proyecto, Entorno y Notebook, y flechas que muestren que el notebook usa el Python del entorno, que tiene pandas instalado.

Test

  1. ¿Qué comando instala todas las bibliotecas que aparecen en el archivo de requisitos del curso?

    1. pip3 run requirements.txt
    2. git install requirements.txt
    3. pip3 install -r requirements.txt
    4. python requirements.txt --all
    Mostrar la respuesta

    C. pip3 install -r requirements.txt · El vídeo usa pip3 install -r requirements.txt, donde -r indica a pip que lea la lista de paquetes desde el archivo.

    2:41 ver el momento

  2. ¿Por qué el vídeo selecciona el intérprete del tutorial en el editor después de activar el entorno?

    1. Para que el notebook pueda acceder a internet
    2. Para que el notebook use el Python donde se instaló pandas
    3. Para que los archivos de datos se copien al navegador
    4. Para que git pueda clonar el repositorio
    Mostrar la respuesta

    B. Para que el notebook use el Python donde se instaló pandas · El notebook debe ejecutarse con el Python del entorno; de lo contrario, no encontrará los paquetes que instalaste allí.

    3:18 ver el momento

  3. ¿Qué hace la línea import pandas as pd?

    1. Crea un nuevo archivo de hoja de cálculo
    2. Instala pandas en tu ordenador
    3. Imprime la versión de pandas
    4. Carga pandas y le asigna el nombre corto pd
    Mostrar la respuesta

    D. Carga pandas y le asigna el nombre corto pd · El alias pd se usa a lo largo del curso para referirse a pandas. La instalación se hace antes, con pip.

    3:44 ver el momento

Abrir la lección 1, con el vídeo →

Lecciones 2–14 y el proyecto final

Se abren con Beyond Pass: todas las lecciones de todos los cursos, completas. Un solo pago: 14,99 $ por 90 días o 29 $ por un año. Sin suscripción.

Consigue Beyond Pass →Empieza gratis la lección 1

Hecho por Beyond a partir del vídeo «Complete Python Pandas Data Science Tutorial! (2025 Updated Edition)» de Keith Galli. El vídeo se reproduce en el propio reproductor de YouTube. Míralo en YouTube · Todas las lecciones