Python para Análisis de Datos

Python es el lenguaje más demandado para análisis de datos a nivel global y en LATAM: aparece en el 68% de las ofertas de trabajo de Data Analyst y en el 90% de las de Data Scientist (LinkedIn Jobs 2025). La razón: una sola línea de pandas hace lo que 20 fórmulas de Excel. Este tutorial cubre el stack esencial.

El stack Python para análisis de datos

Librería	Función	Analogía en Excel/Power BI
pandas	Manipulación de datos (DataFrames)	Excel + Power Query combinados
NumPy	Operaciones numéricas y matrices	Motor de cálculo de Excel
Matplotlib	Visualizaciones básicas	Gráficos de Excel
Seaborn	Visualizaciones estadísticas	Análisis de Power BI
Plotly	Visualizaciones interactivas	Power BI Service + web
scikit-learn	Machine learning	No tiene equivalente en Excel
Jupyter Notebook	Entorno de desarrollo interactivo	Excel + cuaderno de notas

pandas: los 10 métodos más usados

El 90% del trabajo diario con pandas usa estos métodos:

• df.read_csv() / read_excel(): cargar datos desde archivo
• df.head() / df.info() / df.describe(): exploración inicial
• df.dropna() / df.fillna(): limpieza de valores nulos
• df[df["columna"] > valor]: filtrado condicional
• df.groupby("col").agg(): agrupación y agregación (como tablas dinámicas)
• df.merge(df2, on="id"): unir tablas (como BUSCARV o JOIN de SQL)
• df["col"].value_counts(): distribución de frecuencias
• df.pivot_table(): tabla dinámica en Python
• df.sort_values("col", ascending=False): ordenar
• df.to_excel() / df.to_csv(): exportar resultados

Ejemplo completo: análisis de ventas en Python

Un análisis completo de ventas en pandas toma 15-20 líneas:

import pandas as pd
import matplotlib.pyplot as plt

# Cargar datos
df = pd.read_excel("ventas_2026.xlsx")

# Limpieza
df = df.dropna(subset=["monto"])
df["fecha"] = pd.to_datetime(df["fecha"])

# Análisis mensual
ventas_mes = df.groupby(df["fecha"].dt.month)["monto"].sum()

# Top 5 vendedores
top5 = df.groupby("vendedor")["monto"].sum().nlargest(5)

# Visualización
top5.plot(kind="bar", color="#0066cc", figsize=(10,5))
plt.title("Top 5 Vendedores 2026")
plt.savefig("top5_vendedores.png", dpi=150)

Hoja de ruta: de Excel a Python para datos

Etapa	Contenidos	Tiempo estimado
Python básico	Variables, listas, diccionarios, bucles, funciones	2-4 semanas
pandas esencial	DataFrames, filtrado, groupby, merge, limpieza	3-5 semanas
Visualización	Matplotlib, Seaborn, Plotly básico	2-3 semanas
SQL + Python	sqlalchemy, conectar a MySQL/PostgreSQL	2-3 semanas
ML introductorio	scikit-learn: regresión, clasificación, clustering	4-6 semanas