Preguntas sobre Pandas y NumPy

Si deseas visualizar las ventas mensuales de un producto durante un año, ¿qué tipo de gráfico utilizarías?

• Gráfico de áreas

• Diagrama de caja

• Gráfico de líneas

• Gráfico de dispersión

• Gráfico de barras

Si tienes un DataFrame de Pandas con datos de ventas y necesitas calcular el total de ventas por cliente, ¿qué método utilizarías?

• aggregate()

• apply()

• merge()

• groupby()

• split()

¿Cuál no es un objetivo del analisis exploratorio de los datos?

• Identificar patrones y relaciones entre variables

• Detectar anomalías o datos faltantes

• Generar hipótesis sobre los datos.

• Tomar decisiones sobre cómo proceder con el análisis o modelado.

• Se puede cuantificar y realizar operaciones sobre sus valores

Si deseas calcular la suma total y la cantidad vendida por país y código de producto, ¿cuál función de Pandas usarías?

• stack() con fill_value=0

• pivot_table con aggfunc="sum"

• groupby() con apply()

• melt() con value_vars

¿Qué herramienta de Matplotlib se utiliza para crear layouts personalizados con subplots de diferentes tamaños?

• plt.figure()

• Subplots estándar

• tight_layout()

• subplots_adjust()

• GridSpec

¿Qué tipo de unión devolvería todas las filas del DataFrame izquierdo y solo las filas coincidentes del DataFrame derecho?

• Cross Join

• Left Join

• Outer Join

• Inner Join

• Right Join

Para preprocesar datos que contienen valores nulos antes de un análisis, ¿qué función de Pandas te permite rellenar esos valores de manera eficiente?

• replace()

• dropna()

• fillna()

• interpolate()

• cut()

¿Cómo crearías una nueva columna 'Profit' como la diferencia entre 'TotalPrice' y 'Cost' en un DataFrame?

• df['Profit'] = df['TotalPrice'] * df['Cost']

• df['Profit'] = df['TotalPrice'] / df['Cost']

• df['Profit'] = df['Cost'] - df['TotalPrice']

• df['Profit'] = df['TotalPrice'].sum() - df['Cost'].sum()

• df['Profit'] = df['TotalPrice'] - df['Cost']

¿Qué ventaja ofrece el broadcasting en NumPy al realizar operaciones entre arrays de diferentes dimensiones?

• Aumenta la complejidad del código.

• Requiere más tiempo de ejecución que las listas de Python.

• Duplica automáticamente los datos para igualar dimensiones.

• Evita la duplicación de datos y reduce el uso de memoria.

• Elimina la necesidad de usar operadores aritméticos.

¿Qué estructura de NumPy utilizarías para representar una imagen en color con altura, ancho y tres canales de color?

• Un tensor

• Un array 1D

• Un escalar

• int64

• Un vector