#i Crash Course de Python Crash course de Python y Jupyter Notebook impartido en el IER-UNAM

Día 1: Introducción a Python.

1. Qué es Python y la libreta de Jupyter
2. Instala y ejecuta Jupyter Notebook en diferentes OS
3. Anaconda
4. Google Collaboratory
5. Paseo por la libreta de Jupyter
6. Sintaxis en Python
7. Tipos de celdas
8. print(“hola mundo”) con botones y shortcuts
9. Estructura de archivos recomendada
10. Ejecuta Jupyter donde quieres
11. Acceso a la documentación
12. Errores comunes
13. Tarea: Instala Jupyter Notebook

Día 2: Tipos de variables

1. enteros y dobles
2. cadenas
3. booleanos
4. tuplas
5. listas
6. iterables
7. Uso simple de print()

Día 3: Herramientas de control

1. if
2. while
3. for
4. funciones
5. Magic commands https://ipython.readthedocs.io/en/stable/interactive/magics.html

Día 4: Manejo y visualización de datos con pandas Parte 1

1. Introducción a pandas
2. Carga datos de csv y hojas de cálculo
   1. df.read_csv
   2. df.read_excel xls y xlsx
   3. df.read_csv con fecha completa
   4. df.read_csv con fecha separada
   5. df.info()
   6. df.describe()
   7. df.dtypes
3. Operaciones y visualización de datos tipo x,y
   1. crear archivo x,y,error desde la libreta de Jupyter
   2. visualizar archivo con df.plot
4. Operaciones y visualización de datos categóricos
   1. ejemplo del SNI

Día 5:Manejo y visualización de datos con pandas P2

1. Carga y visualiza series temporales

   1. df.plot(subplots=True,figsize)
   2. df[lista].plot()
   3. df[fecha].plot()
   4. df[fecha][lista].plot()
   5. df.variable.plot()

2. Operaciones básicas con series temporales

3. Une dos archivos o más

   1. pd.concat y pd.merge con mismo indice temporal y diferente

4. Introducción a matplotlib y POO

5. Carga y visualiza series temporales

6. Operaciones básicas con series temporales

   1. df.sum() aclarar que se puede df.variable.sum() df[lista].sum(), df[fecha].variable.sum()
   2. df.between_time

7. Une dos archivos o más

   1. Une dos archivos con mismo indice temporal
   2. Une dos archivos con diferente indice temporal y su visualiacion con df.plot

8. Introducción a matplotlib y POO

9. Proyecto final