Python & Pandas - Fundamentos
DataFrames, Series, indexación (loc, iloc), filtrado booleano, tipos de datos, read_csv, describe, info, head/tail, shape, columns
1¿Cuál es la estructura de datos principal de Pandas para almacenar datos tabulares?
¿Cuál es la estructura de datos principal de Pandas para almacenar datos tabulares?
Respuesta
El DataFrame es la estructura de datos central de Pandas. Representa una tabla bidimensional con filas y columnas, similar a una hoja de cálculo o una tabla SQL. Cada columna es una Series, y cada fila tiene un índice. El DataFrame permite manipular eficientemente datos estructurados gracias a sus numerosos métodos integrados.
2¿Qué es una Series en Pandas?
¿Qué es una Series en Pandas?
Respuesta
Una Series es un array unidimensional con un índice. Representa una sola columna de datos en un DataFrame. Cada elemento tiene una etiqueta (índice) que permite un acceso rápido por nombre o posición. Una Series solo puede contener un tipo de dato (int, float, string, etc.), lo que la distingue de una simple lista de Python.
3¿Qué función de Pandas permite leer un archivo CSV y cargarlo en un DataFrame?
¿Qué función de Pandas permite leer un archivo CSV y cargarlo en un DataFrame?
Respuesta
La función pd.read_csv() lee un archivo CSV y devuelve un DataFrame. Acepta numerosos parámetros: sep para el delimitador, header para la fila de encabezado, encoding para la codificación del archivo, dtype para forzar los tipos de columnas, y na_values para definir los valores faltantes. Es el método más común para importar datos en Pandas.
¿Qué devuelve el atributo df.shape sobre un DataFrame?
¿Qué método permite mostrar las primeras 5 filas de un DataFrame?
+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
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
Python Analytics - Análisis avanzado y ML
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