Python de Cero a Experto / Ruta datos e IA

Reto: análisis de gastos con Pandas

Reto40 min100 XP

Junta toda la ruta de datos en un análisis completo de un dataset de gastos con Pandas —corriendo en vivo—: cargar, explorar, filtrar, agrupar, derivar métricas y sacar conclusiones. Es exactamente el flujo de trabajo de un analista de datos: hacerle preguntas a los datos hasta que revelen su historia. Cuando termines, tendrás el patrón que aplicarás a cualquier dataset del mundo real.

Reto

Análisis de datos

Difícil35 min100 XP(×2 sin mirar la solución)

Qué debes construir

Un análisis completo de un dataset de gastos mensuales, respondiendo preguntas concretas:

Cargar los datos en un DataFrame (te los damos abajo).
Explorar: forma del dataset, estadísticas de la columna valor (describe), y conteo por categoria.
Filtrar: los gastos mayores al promedio, y los de una categoría específica.
Agrupar: total y promedio por categoría (groupby + agg), ordenado.
Derivar: una columna con_iva y una columna nivel (alto/medio/bajo) con apply.
Concluir: identificar en qué categoría se concentra el gasto y responder un par de preguntas.

Parte de estos datos:

datos.py

import pandas as pd

df = pd.DataFrame({
  "nombre": ["Mercado", "Taxi", "Café", "Cine", "Bus", "Almuerzo", "Netflix", "Uber", "Panadería"],
  "valor": [87500, 12000, 4200, 18000, 2800, 25000, 38000, 15000, 6500],
  "categoria": ["comida", "transporte", "comida", "ocio", "transporte", "comida", "ocio", "transporte", "comida"],
})

Reglas

Usa las herramientas de Pandas (no bucles manuales) para cada paso.
Cada pregunta se responde con una o pocas líneas.
Al final, imprime una conclusión clara.

35:00

Cuando estés listo, arranca el reloj.

Lo que este reto consolida —el flujo del analista de datos:

Explorar antes de concluir. describe, value_counts y head te dan la forma de los datos antes de sacar conclusiones apresuradas. Conocer tus datos es el primer paso.
Agrupar revela patrones. El total por categoría muestra DÓNDE se va el dinero —la pregunta que importa, invisible en la tabla cruda—.
Todo vectorizado. Filtrar, agrupar, derivar columnas: sin un solo bucle manual. Pandas opera sobre toda la tabla a la vez, y por eso escala a millones de filas.

Autoevaluación: ¿el análisis muestra el total, el promedio, el conteo por categoría, los gastos sobre el promedio, y el resumen agrupado? ¿la conclusión identifica que "comida" es la categoría de mayor gasto y su porcentaje del total? Fíjate en el flujo completo del analista: cargar → explorar (describe, value_counts) → filtrar → agrupar (groupby + agg) → derivar (con_iva, nivel) → concluir (idxmax). Ni un solo bucle manual: Pandas opera sobre toda la tabla a la vez. Este MISMO patrón —hacerle preguntas a los datos hasta que cuenten su historia— es lo que harás con datasets reales de miles o millones de filas: ventas, usuarios, sensores, lo que sea. Cambia los datos y el análisis se recalcula solo.

Qué sigue

Módulo 9 conquistado: dominas la ruta de datos e IA —NumPy, Pandas, visualización, machine learning y APIs de IA—, ejecutando análisis reales en vivo. Has recorrido las tres rutas de Python: scripting, backend y datos. Solo queda una cosa: JUNTARLO TODO. El módulo 10 CIERRA el supercurso con proyectos completos y retos de entrevista —tu graduación como pythonista, lista para el mundo real—.