Dash es un framework de código abierto de la empresa Plotly para crear en Python aplicaciones web interactivas de análisis de datos sin tener que escribir JavaScript. Los gráficos, filtros y controles deslizantes se vinculan directamente al código Python. Lo típico son paneles en los que los equipos filtran las ventas por región o prueban con sus propios valores las predicciones de un modelo de machine learning.
Agentes, flujos y plantillas en un solo espacio de trabajo – demo gratuita de 24 horas.
Iniciar demopandas es una biblioteca de Python de código abierto para analizar y manipular datos tabulares, desarrollada a partir de 2008 por Wes McKinney. Su objeto central, el DataFrame, se parece a una tabla con columnas con nombre. Con ella puedes cargar datos de archivos CSV, Excel o bases de datos y limpiarlos, filtrarlos, agruparlos y combinarlos. pandas se basa en NumPy y es una herramienta estándar en análisis de datos, informes y preparación de datos de entrenamiento.
Jupyter Notebook es una aplicación de código abierto basada en el navegador, del Proyecto Jupyter, que combina en un solo documento código ejecutable, resultados, gráficos y texto explicativo. Los notebooks se usan mucho en análisis de datos, aprendizaje automático, investigación y docencia, porque permiten documentar y compartir cada paso de forma trazable. El lenguaje más habitual es Python. Ejemplo: un analista carga datos de ventas, los limpia y muestra justo debajo el resultado en un gráfico.
El análisis exploratorio de datos (EDA) es la primera mirada abierta a un conjunto de datos: calculas indicadores, revisas distribuciones y gráficos y buscas patrones, valores atípicos y datos que faltan, todavía sin una hipótesis fija. Sirve para valorar la calidad de los datos y encontrar preguntas útiles para análisis o modelos posteriores. Ejemplo: antes de una previsión de ventas, el EDA revela que un mes se registró de forma incompleta por un cambio de sistema.
NumPy es la biblioteca básica de Python, de código abierto, para el cálculo numérico. Ofrece arrays multidimensionales y funciones rápidas de álgebra lineal, estadística y números aleatorios, cuyo núcleo se ejecuta en código compilado. Muchas herramientas de análisis de datos y machine learning, como pandas, scikit-learn y numerosas bibliotecas de visualización, se basan en NumPy. Si trabajas con datos en Python, casi siempre lo usas de forma directa o indirecta.
