//
Busca en todas las páginas de la documentación
12 pages in this section.
Por qué la vectorización y la difusión hacen que NumPy sea rápido, cómo pandas construye un modelo de Series/DataFrame/Index con etiquetas sobre arrays crudos, y dónde el modelo de plan de consulta perezoso de Polars rompe con ambos: el modelo mental detrás de todas las demás páginas de esta sección.
El modelo mental de NumPy/pandas y un primer análisis.
Creación, dtypes, broadcasting y matemáticas vectorizadas.
Slicing, indexación avanzada y ejes.
Construcción, selección e indexación.
Valores faltantes, dtypes y operaciones de cadenas.
Split-apply-combine y tablas dinámicas (pivot tables).
Combinando conjuntos de datos sin duplicación silenciosa.
Análisis reproducible, vectorizado y con tipos de datos correctos.