Python Analytics - Análisis avanzado y ML
groupby, merge, pivot_table, apply/map, Plotly, Scikit-Learn (regresión, clasificación, clustering), train/test split, métricas, Jupyter, Google Colab
1¿Cuál es la diferencia principal entre los métodos apply() y map() en una Series de Pandas?
¿Cuál es la diferencia principal entre los métodos apply() y map() en una Series de Pandas?
Respuesta
El método map() está diseñado para mapear cada valor de una Series a un nuevo valor mediante un diccionario o función, y funciona solo en Series. En cambio, apply() es más flexible: puede aplicar una función elemento por elemento en una Series o fila por fila / columna por columna en un DataFrame. Para transformaciones simples valor por valor en una Series, map() es generalmente más rápido y más legible.
2¿Qué método de Pandas se debe usar para agregar datos con múltiples funciones de agregación en diferentes columnas simultáneamente?
¿Qué método de Pandas se debe usar para agregar datos con múltiples funciones de agregación en diferentes columnas simultáneamente?
Respuesta
El método agg() (o aggregate()) permite aplicar diferentes funciones de agregación a diferentes columnas en una sola operación. Acepta un diccionario donde las claves son nombres de columnas y los valores son las funciones a aplicar. Este enfoque es más eficiente y legible que encadenar múltiples llamadas groupby con funciones individuales.
3¿Cuál es la diferencia entre merge() y join() en Pandas?
¿Cuál es la diferencia entre merge() y join() en Pandas?
Respuesta
merge() es una función más flexible que une dos DataFrames en columnas específicas usando los parámetros on, left_on/right_on, o índices. join() es un método de DataFrame que une por índices por defecto y es más conciso para uniones simples basadas en índices. Para uniones complejas en columnas no-índice, merge() es preferible ya que ofrece más control sobre las columnas de unión.
¿Cómo crear una tabla pivote con pivot_table() especificando múltiples funciones de agregación?
¿Cuál es el propósito de transform() en un contexto de groupby() en comparación con apply()?
+17 preguntas de entrevista
Otros temas de entrevista Data Analytics
Google Sheets - Fundamentos
Google Sheets - Fórmulas avanzadas
SQL - Fundamentos
SQL - Agregaciones y agrupamientos
SQL - Joins
BigQuery - Fundamentos
Data Cleaning - Limpieza de datos
KPIs y métricas de negocio
Estadística descriptiva
Zapier y automatización No-Code
Principios de visualización de datos
Python & Pandas - Fundamentos
Google Sheets - Dashboards automatizados
SQL - Subconsultas y CTEs
SQL - Window Functions
BigQuery - Funcionalidades avanzadas
Data Modeling
Análisis de funnels y conversión
Análisis de cohortes y retención
Google Tag Manager y tracking
APIs y webhooks
dbt - Fundamentos
AB Testing y estadística aplicada
Looker Studio (Google Data Studio)
Power BI - Fundamentos
SQL - Consultas analíticas avanzadas
dbt - Funciones avanzadas
Power BI - DAX y dashboards avanzados
Domina Data Analytics para tu próxima entrevista
Accede a todas las preguntas, flashcards, tests técnicos, ejercicios de code review y simuladores de entrevista.
Empieza gratis