Python for Data Analysis, 3rd Edition

Tercera edición, ampliamente reescrita y expandida a más de 800 páginas, de la obra de referencia de Wes McKinney publicada por O'Reilly, actualizada íntegramente para Python 3.10 y las versiones modernas de pandas (series 1.4 y preparando la transición a pandas 2.0). Está pensada para analistas de datos, ingenieros de software, científicos de datos y profesionales cuantitativos de nivel intermedio que necesitan dominar las convenciones idiomáticas más recientes y eficientes para el procesamiento de datos tabulares en memoria.

El autor renueva por completo los métodos de manipulación con pandas y NumPy, incorporando almacenamiento binario y columnar mediante Apache Arrow y ficheros Parquet, tipos de datos dedicados para cadenas y valores nulos (pd.NA), y patrones modernos de encadenamiento de métodos (method chaining). El recorrido formativo enseña a cargar y guardar datos en múltiples formatos, ejecutar limpiezas rigurosas (imputación, filtrado booleano, expresiones regulares vectorizadas), realizar combinaciones y transformaciones tabulares complejas, explotar la mecánica de agregaciones con groupby, y dominar el tratamiento de series temporales de alta frecuencia y zonas horarias. Además, cubre la visualización con matplotlib y seaborn, e introduce la preparación de datos para librerías de modelado predictivo y econométrico como statsmodels y scikit-learn.

Los capítulos finales consolidan las técnicas estudiadas mediante casos prácticos aplicados a conjuntos de datos de gran envergadura actualizados con las APIs modernas: registros web de Bitly, el dataset de recomendaciones MovieLens 1M, series de natalidad de la SSA estadounidense actualizadas hasta 2020, registros nutricionales del USDA y la auditoría de aportes electorales de la FEC. Su principal valor es erradicar prácticas obsoletas (como el operador .ix y métodos depreciados que causaban advertencias) y alinear al lector con la arquitectura contemporánea de datos en Python. No cubre desarrollo web ni procesamiento distribuido en clusters como Spark. Conviene contar con bases sólidas de programación en Python y manejo de la terminal.