Introducción a Jupyter Notebook.

Nos permite cambiar una celda a tipo Markdown.

^{Se debe leer el enunciado, analizarlo y escribir la o las teclas de acceso rápido.}

(a)  

Listas en Python.

Imprima cada uno de los nombres de la lista persons, no concatene ningún texto.

^{Se debe completar el código que falta en la imagen. No deje espacios innecesarios en su código.}

(a)  

Gráficando con Matplotlib.

Agregue el título al gráfico: Ventas Globales

Utilice el alias plt para la librería.

^{Se debe escribir el código solicitado.}

(a)  

Gráficando con Matplotlib.

Agregue en el eje correspondiente, la etiqueta: Desarrolladores

Utilice el alias plt para la librería.

^{Se debe escribir el código solicitado.}

(a)  

Gráficando con Matplotlib.

Agregue en el eje correspondiente, la etiqueta: Ventas en Millones

Utilice el alias plt para la librería.

^{Se debe escribir el código solicitado.}

(a)  

Gráficando con Matplotlib.

Cree la figura del grafico de 500x500 pixeles.

Utilice el alias plt.

^{Se debe escribir el código solicitado.}

(a)  

Gráficando con Matplotlib.

Cree el diagrama de dispersión con el Data Frame df y sus columnas NA y EU (ya limpias de datos nulos). Agregue únicamente transparencia del 30%.

Utilice el alias plt.

^{Se debe escribir el código solicitado.}

(a)  

Gráficando con Matplotlib.

Cree un histograma con el Data Frame df y su columna EU (ya limpia de datos nulos). Utilice intervalos o rangos de 10 y utilice color brown.

Utilice el alias plt.

^{Se debe escribir el código solicitado.}

(a)  

Graficando con Matplotlib.

Cree el gráfico de barras con el DF publisher_sales, el gráfico será de color naranja.

^{Se debe analizar el código y completarlo.}

(a)  

Graficando con Matplotlib.

Cree el gráfico de líneas con el DF releases_per_year, el gráfico utilizará el marcador de cuadrado. No utilice el atributo de color.

^{Se debe analizar el código y completarlo.}

(a)  

Graficando con Matplotlib.

En la variables top5_genres obtenga del Data Frame df el top cinco de géneros de la columna Genre. No utilice ni el método head() ni el método nlargest().

^{Se debe analizar el código y completarlo.}

(a)  

Graficando con Matplotlib.

Agregue una rejilla al gráfico de dispersión con estilo de línea de línea punteada a 30% de opacidad.

^{Se debe analizar el código y completarlo.}

(a)  

Graficando con Matplotlib.

Cree un gráfico de líneas del DF entrevistas_mes con marcadores de círculos en color verde (utilice el nombre del color).

^{Se debe analizar el código y completarlo.}

(a)  

Graficando con Matplotlib.

En un nuevo DF llamado estados_pais, almacene por País, el Estado Civil de las personas registradas en el DF df.

^{Se debe analizar el código y completarlo.}

(a)  

EDA (Data Preparation).

Cree una nueva columna en el DF llamada Date. Debe castear a fecha la data de la columna Premiere.

^{Se debe escribir el código de solicitado tomando en cuenta el formato de fecha.}

(a)  

EDA (Data Preparation).

Cree una nueva columna en el DF llamada Fecha. Debe castear a fecha la columna Fecha Entrevista.

^{Se debe escribir el código de solicitado tomando en cuenta el formato de fecha.}

(a)  

EDA (Data Preparation).

Visualice la fila 100 del Data Frame df_entrevistas.

^{Debe escribir el código Pandas solicitado.}

(a)  

EDA (Data Preparation).

Cambie el valor del registro 55 en la columna País a: Guatemala del Data Frame df_personas.

^{Debe escribir el código Pandas solicitado.}

(a)  

EDA (Data Preparation).

Cree una columna llamada Año desde la columna Fecha con el año correspondiente.

^{Debe escribir el código Pandas solicitado.}

(a)  

EDA (Data Preparation).

Cree una columna llamada Mes desde la columna Fecha con el mes correspondiente.

^{Debe escribir el código Pandas solicitado.}

(a)  

EDA (Data Exploration).

Muestre la frecuencia de la columna Runtime del Data Frame df.

Calcule la frecuencia como porcentaje.

^{Se debe leer el enunciado y escribir el código Pandas.}

(a)  

EDA (Data Exploration).

Utilizando el método de consulta del Data Frame df, muestre punteos de la columna IMDB Score mayores o iguales ocho.

^{Se debe leer el enunciado y escribir el código Pandas.}

(a)  

EDA (Data Exploration).

Utilizando el método de consulta del Data Frame df, muestre tiempos de la columna Runtime de diez o menos minutos de duración.

^{Se debe leer el enunciado y escribir el código Pandas.}

(a)  

EDA (Data Exploration).

Muestre la media de la columna Edad del Data Frame df.

^{Se debe leer el enunciado y escribir el código Pandas.}

(a)  

EDA (Data Exploration).

Muestre el promedio de la columna Salario $ del Data Frame df.

^{Se debe leer el enunciado y escribir el código Pandas.}

(a)  

EDA (Data Exploration).

Muestre la edad mas baja de la columna Edad del Data Frame df.

^{Se debe leer el enunciado y escribir el código Pandas.}

(a)  

EDA (Data Exploration).

Muestre el total de la columna Salario del Data Frame df.

^{Se debe leer el enunciado y escribir el código Pandas.}

(a)  

EDA (Data Exploration).

Muestre la Escolaridad del Data Frame df.

^{Se debe leer el enunciado y escribir el código Pandas.}

(a)  

EDA (Exploratory Data Analysis).

Muestre el top tres de vendedores del Data Frame df.

^{Analize el DF y escriba el código Pandas.}

(a)  

EDA (Exploratory Data Analysis).

Verifique si existen datos nulos de todo el Data Frame df.

^{Analize el DF y escriba el código Pandas.}

(a)  

EDA (Exploratory Data Analysis).

¿Cuáles son los tres productos más vendidos (por unidades) del Data Frame df?

^{Analize el DF y escriba el código Pandas.}

(a)  

EDA (Exploratory Data Analysis).

¿Cuál es el promedio de unidades vendidas por producto del Data Frame df?

^{Analize el DF y escriba el código Pandas.}

(a)  

EDA (Exploratory Data Analysis).

Muestre el total de ventas por producto y país del Data Frame df.

^{Analize el DF y escriba el código Pandas.}

(a)  

EDA.

Cree un Data Frame llamado df desde el archivo sales.csv.

Pandas ya está importado con el alias de pd.

^{Debe escribir el código python requerido.}

(a)  

EDA.

Muestre los primeros cinco registros del Data Frame df_sales.

^{Debe escribir el código python requerido.}

(a)  

EDA.

Muestre la estructura (número de filas y columnas) del Data Frame df_games.

^{Debe escribir el código python requerido.}

(a)  

EDA.

Muestre del Data Frame df_students la columna de Grades.

^{Debe escribir el código python requerido.}

(a)  

EDA.

Escriba el código para ver los tipos de datos del df_grades.

^{Debe escribir el código python requerido.}

(a)  

EDA.

Calcule el promedio de la columna Grades del Data Frame df_students.

^{Debe escribir el código python requerido.}

(a)  

EDA.

Muestre el valor mas bajo de la columna Sales del Data Frame df_april.

^{Debe escribir el código python requerido.}

(a)  

EDA.

Muestre únicamente las columnas ID, Name y Age del Data Frame df_clients.

^{Debe escribir el código python requerido.}

(a)  

Introducción a Pandas.

Cree el Data Frame df_people desde el diccionario.

^{Se debe analizar y escribir el código requerido.}

(a)  

List Comprehensions.

Cree una nueva lista con números que sean mayores o iguales a 6 de la lista numbers.
El contador a utilizar se llamará n.

^{Se debe analizar y completar el código. No deje espacios innecesarios en su código.}

(a)  

EDA (Data Preparation).

Cambie el valor del registro 111 en la columna Language a: English del Data Frame df_movies.

^{Debe escribir el código Pandas solicitado.}

(a)  

Gráficando en EDA.

Importe Matplotlib a su proyecto, utilice el alias oficial de la librería.

^{Se debe escribir el código solicitado.}

(a)  

EDA (Data Preparation).

Visualice la fila 100 del Data Frame df_entrevistas.

^{Debe escribir el código Pandas solicitado.}

(a)  

EDA.

Importe la librería Pandas utilice el alias pd.

^{Debe escribir el código python requerido.}

(a)