Hola! Aquí está de dónde sale cada cosa
Cuando quieras ir más allá de este libro, la documentación oficial es siempre
la fuente correcta. Los tutoriales de internet envejecen;
docs.python.org no 🙂
Y abajo te dejo también qué leer después, y las fuentes de las tres cosas que este libro afirma y que no salen de mi cabeza.
Qué leer después
Cuatro que son excelentes. Si terminaste este libro, cualquiera de ellos es un buen siguiente paso.
| Libro | Autoría | Para qué |
|---|---|---|
| Python Crash Course (3ª ed., 2023) | Eric Matthes, No Starch Press | Python desde cero con tres proyectos grandes al final |
| Python for Data Analysis (3ª ed., 2022) | Wes McKinney, O'Reilly | pandas contado por quien lo creó |
| Hands-On Machine Learning (3ª ed., 2022) | Aurélien Géron, O'Reilly | Machine learning aplicado, el estándar del área |
| Mathematics for Machine Learning (2020) | Deisenroth, Faisal y Ong, Cambridge University Press | Las matemáticas de debajo. Gratis en línea |
Están en inglés los cuatro, para que lo sepas antes de comprarlos. El de matemáticas es gratis y legal en la web de sus autores.
Documentación oficial
Esta es la que hay que consultar cuando algo no funciona, antes que cualquier foro.
- 🐍 Documentación de Python en español. Sí, está traducida, y bastante bien.
- 📘 El tutorial oficial de Python. Gratis y mejor que la mayoría de cursos pagos.
- 🐼 Documentación de pandas, y en particular su 10 minutos con pandas.
- 🔢 Documentación de NumPy.
- 📊 Documentación de matplotlib, con su galería de ejemplos, que es por donde yo empiezo siempre.
- 📗 Documentación de openpyxl, para lo de Excel del capítulo 9.
- 🧪 Documentación de scikit-learn, que no se usa en este libro pero es el paso siguiente.
Los PEP que se citan
Un PEP es una propuesta de mejora de Python, y algunos son documentos fundacionales que vale la pena leer aunque no programes todavía.
- 📏 PEP 8, guía de estilo. De ahí salen los cuatro espacios de sangría del capítulo 4 y el snake_case del capítulo 2.
- 📝 PEP 257, convenciones de docstrings. La base del capítulo 5.
- ✨ PEP 498, f-strings. Lo del capítulo 2.
- 🐍 PEP 20, el Zen de Python. Diecinueve frases sobre cómo debería escribirse el código. Se lee en dos minutos y se entiende durante años.
Ese último lo puedes ver desde tu propio Python:
import this
Lo dejo sin salida a propósito, para que lo corras tú 😄
Lo técnico, con su fuente
- 💸 Los decimales del capítulo 2. El comportamiento sale del
estándar IEEE 754 de números de coma flotante, y Python lo explica en
Aritmética de punto flotante: problemas y limitaciones.
Para dinero, el módulo
decimal. - 🌍 La codificación del capítulo 9. El estándar es Unicode, y Python trae su propio cómo hacerlo con Unicode, que es de lo mejor escrito sobre el tema.
- 📈 Las reglas de gráficos del capítulo 12. La idea de quitar todo lo que no aporta viene del trabajo de Edward Tufte en The Visual Display of Quantitative Information (Graphics Press, 1983). La regla de que el eje de barras empiece en cero es consenso de la disciplina y está en cualquier manual serio de visualización.
Sobre los datos de este libro
El archivo ventas-miss-yera.csv con el que corre todo el libro es
sintético: lo generé yo con un script, y no contiene datos de
ningún cliente ni de ninguna empresa real 🔒
Y está hecho a propósito con los defectos que traen los datos de verdad: fechas en dos formatos, la ciudad escrita de cuatro maneras, montos con coma decimal, filas duplicadas y tres tipos distintos de valor faltante. Eso es lo que lo hace útil para aprender, porque un archivo limpio no enseña nada de lo que después te va a pasar.
Puedes usarlo para lo que quieras: practicar, dar clase, hacer tu portafolio. Está para eso 💜
Los archivos del libro
Cómo citar este libro
Si lo usas en una clase, en un trabajo o en un artículo, con esto basta:
Flores, G. (Miss Yera). (2026). Python para análisis de datos. https://missyera.com/guias/python-desde-cero/
Y si te sirvió para enseñar, escríbeme y cuéntame. Me encanta saber dónde termina esto 🌸
Las otras guías
Este libro es uno de varios y todos se leen igual, con su código corriendo:
- 🗃️ SQL desde cero, para traer los datos de donde de verdad están.
- 📐 Estadística para analizar datos, para saber si una diferencia es real o es ruido.
- 🤖 Machine learning desde cero, cuando la pregunta pase de qué pasó a qué va a pasar.
- 🧠 Deep learning desde cero, de la neurona al transformer.
- 📊 Excel desde cero y Power BI desde cero, si el camino empieza antes.
- 💼 Cómo ser analista de datos, que es a dónde lleva todo esto.
Gracias por haber llegado hasta el final 💜
Que tengas un hermoso día! 🌟
Chau, chau. Bye, bye. 🐣