Pandas: Evaluación Pandas

A continuación encontrarás ejercicios prácticos, breves y enfocados en los conceptos clave que se esperan dominar en una certificación o entrevista técnica relacionada con ciencia de datos y pandas.

Ejercicio 1: crear y analizar un DataFrame

Objetivo: Comprobar habilidades básicas de creación y análisis inicial de datos.

Ejercicio:
Crea un DataFrame llamado ventas_df con tres columnas: producto, cantidad y precio_unitario. El DataFrame debe tener al menos 4 filas. Luego, obtén estadísticas descriptivas básicas y muestra los primeros registros del DataFrame.

Habilidades evaluadas:

• Creación de DataFrames
• Uso de métodos básicos (describe(), head())

Ejemplo solución:

import pandas as pd

datos = {'producto': ['libro', 'lápiz', 'cuaderno', 'borrador'],
         'cantidad': [20, 100, 50, 75],
         'precio_unitario': [15.50, 0.50, 3.0, 1.5]}

ventas_df = pd.DataFrame(datos)
print(ventas_df.head())
print(ventas_df.describe())

Ejercicio 2: selección y filtrado de datos

Objetivo: Verificar competencias en filtrado avanzado y manejo de índices.

Ejercicio:
A partir del DataFrame ventas_df, selecciona únicamente los productos cuya cantidad vendida sea mayor o igual a 50 unidades. Además, establece la columna producto como índice del DataFrame resultante.

Ejemplo solución:

ventas_filtradas = ventas_df[ventas_df['cantidad'] >= 50].set_index('producto')

Ejercicio 3: manejo de datos faltantes

Objetivo: Evaluar el manejo correcto y eficiente de datos faltantes.

Ejercicio:
Dado un DataFrame df_clientes con valores faltantes en las columnas edad y ciudad, rellena los valores faltantes en edad con la media y en ciudad con el texto "Sin ciudad".

Ejemplo solución:

media_edad = df_clientes['edad'].mean()
df_clientes['edad'] = df_clientes['edad'].fillna(media_edad)
df_clientes['ciudad'] = df_clientes['ciudad'].fillna('Sin ciudad')

Ejercicio 2: eliminar duplicados

Objetivo: Medir competencias en identificación y eliminación de datos duplicados.

Ejercicio:
Supón un DataFrame llamado df_usuarios que contiene duplicados según la columna email. Elimina dichos duplicados conservando únicamente la primera aparición del registro.

Ejemplo solución:

df_usuarios_limpio = df_usuarios.drop_duplicates(subset=['email'], keep='first')

Ejercicio 3: integración NumPy y pandas

Objetivo: Evaluar la habilidad para realizar operaciones matemáticas usando NumPy y transformar resultados en DataFrames pandas.

Ejercicio:
Genera un array de NumPy con números enteros aleatorios entre 1 y 100, con dimensiones 5x4. Convierte este array en un DataFrame de pandas llamado df_aleatorio. Calcula la media de cada columna del DataFrame.

Ejemplo solución:

import numpy as np

datos = np.random.randint(1, 101, size=(5,4))
df_aleatorio = pd.DataFrame(datos, columns=['A', 'B', 'C', 'D'])

medias = df_aleatorio.mean()

Ejercicio 4: agrupar y resumir datos con pandas

Objetivo: Medir conocimientos de agrupaciones y agregaciones en pandas.

Ejercicio:
Dado un DataFrame llamado ventas, que contiene información de ventas con columnas categoria, producto y cantidad, agrupa los datos por categoría y calcula el total de unidades vendidas por cada una.

Ejemplo solución:

resumen_ventas = ventas.groupby('categoria')['cantidad'].sum()

Ejercicio 5: integración con Matplotlib

Objetivo: Comprobar la capacidad para generar gráficos básicos directamente desde pandas.

Ejercicio:
Dado un DataFrame temperaturas con columnas fecha y temp_max, crea un gráfico lineal con la fecha en el eje X y la temperatura máxima (temp_max) en el eje Y. Personaliza el gráfico con título y etiquetas claras.

Ejemplo solución:

import matplotlib.pyplot as plt

temperaturas.plot(x='fecha', y='temp_max', kind='line', marker='o', figsize=(10,5))
plt.title('Temperatura máxima por fecha')
plt.xlabel('Fecha')
plt.ylabel('Temperatura (°C)')
plt.show()

Ejercicio 5: visualización avanzada con Seaborn

Objetivo: Comprobar habilidades en creación rápida de gráficos estadísticos avanzados.

Ejercicio:
A partir de un DataFrame df_iris con columnas especie, sepal_length y sepal_width, crea un diagrama de cajas (boxplot) con Seaborn que muestre la distribución del ancho de sépalo (sepal_width) para cada especie (indicada en la columna especie).

Ejemplo solución:

import seaborn as sns
import matplotlib.pyplot as plt

sns.boxplot(x='especie', y='sepal_length', data=df_iris)
plt.title('Distribución del largo del sépalo por especie')
plt.show()

Ejercicio 6: tratamiento de outliers en pandas

Objetivo: Demostrar conocimiento en detección y eliminación de valores extremos.

Ejercicio:
Dado un DataFrame llamado df_salarios, detecta y elimina valores extremos (outliers) en la columna salario utilizando el método del rango intercuartílico (IQR).

Ejemplo solución:

Q1 = df['salario'].quantile(0.25)
Q3 = df['salario'].quantile(0.75)
IQR = Q3 - Q1

df_sin_outliers = df_salarios[(df_salarios['salario'] >= Q1 - 1.5 * IQR) &
                             (df_salarios['salario'] <= Q3 + 1.5 * IQR)]

Ejercicio 7: transformar y limpiar texto con regex

Objetivo: Demostrar el uso avanzado de regex con pandas.

Ejercicio:
Tienes un DataFrame llamado clientes_df con una columna telefono. Los números están en diferentes formatos. Utiliza expresiones regulares para estandarizar todos los números telefónicos eliminando cualquier carácter no numérico.

Ejemplo solución:

clientes_df['telefono'] = clientes_df['telefono'].str.replace(r'\D+', '', regex=True)

Buenas prácticas para evaluación con pandas

Al prepararte para una certificación en ciencia de datos con pandas, recuerda estas recomendaciones clave:

• Realiza siempre copias antes de modificar datos.
• Usa nombres de variables y columnas claros y autodescriptivos.
• Aplica métodos eficientes y propios de pandas para optimizar rendimiento.
• Practica regularmente la integración con NumPy, Matplotlib y Seaborn para abordar cualquier tipo de ejercicio práctico con seguridad.

«La práctica continua de ejercicios reales es la mejor forma de dominar pandas y prepararse para certificaciones técnicas y entrevistas en ciencia de datos.»