//
Busca en todas las páginas de la documentación
13 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.
A single-page roundup of every highlight bullet from the 12 pages in the Data Analysis section, grouped by source page so you can scan all 48 takeaways without opening each article individually.