¿Qué hace data-analysis-jupyter?
Guía experta para análisis de datos, visualización y desarrollo de cuadernos Jupyter con pandas, matplotlib, seaborn y numpy.
Descripción
Esta habilidad proporciona asistencia especializada para tareas comunes de ciencia de datos y análisis utilizando Python. Cubre desde la carga y limpieza de datos hasta la generación de gráficos complejos y la automatización de flujos de trabajo en Jupyter Notebook.
Plataformas Compatibles
- Claude Code
- Cursor
- Codex
Funcionalidades Principales
- Análisis de datos con pandas: Transformación, filtrado, agregación y unión de DataFrames.
- Visualización: Creación de gráficos con matplotlib y seaborn (líneas, barras, dispersión, mapas de calor, etc.).
- Operaciones con numpy: Cálculos numéricos, álgebra lineal y manipulación de arreglos.
- Desarrollo en Jupyter: Celdas mágicas, notebooks parametrizados, exportación y depuración.
Uso Básico
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import numpy as np
# Ejemplo: Cargar datos y crear un gráfico
df = pd.read_csv('datos.csv')
sns.pairplot(df)
plt.show()
Ejemplos de Consultas
- "Ayúdame a limpiar este DataFrame: elimina valores nulos y normaliza las columnas numéricas."
- "Genera un mapa de calor de correlación con seaborn a partir de este conjunto de datos."
- "¿Cómo puedo acelerar este cálculo con numpy?"
- "Crea un notebook Jupyter que analice tendencias de ventas usando pandas."
Notas
- Se recomienda tener instaladas las bibliotecas necesarias en el entorno (
pip install pandas matplotlib seaborn numpy). - La habilidad asume que el usuario tiene conocimientos básicos de Python.
- Para consultas avanzadas, se puede solicitar código optimizado o explicaciones detalladas.