Análisis exploratorio de datos

Agregación de la información

1. Combinación de dataframes en python

2. Expansión en columnas o renglones en python

3. Coeficientes de correlación de Pearson, Spearman, Kendall y $\Phi_k$ (con un ejemplito de como usarla).

4. Una plantilla para definir KPIs que me parece bastante clara. No es la única y puedes escoger la que se ajuste a tus necesidades.

Análisis exploratorio de datos

1. Motivación: ¿Porque las solas estadísticas descriptivas no son suficientes y un análisis exploratorio de datos siempre es necesario?

2. Hay que tener cuidado, correlación no significa causalidad como lo muestran estas spurious correlations.

1. EDA ¿Qué es?

2. Esta entrada de Medium con 5 herramientas de EDA automatizado y esta otra, con algunas repetidas entre las que destacan:
   • YData profiling,
   • D-Tale
   • Sweetviz
   • summarytools
   • AutoViz
3. Un ejemplito del uso de los AutoEDAs

Librerías para visualización de datos:

1. Exclusivas de python: matplotlib, seaborn y holoviz
2. General: librerías abiertas de plotly
3. Tableros sencillos con filtros: Streamlit y Panel