Módulo 11 — Fechas, visualización y proyecto final

El último módulo cierra dos temas que aparecen en casi todo análisis real (las fechas y los gráficos) y termina con un proyecto que junta todo lo aprendido desde el módulo 00. Si lo completas, sabes Pandas de verdad.

Fechas: el tipo datetime

Una fecha guardada como texto (“2026-03-15”) no sirve para calcular: no puedes restar dos fechas ni filtrar por mes. Hay que convertirla al tipo datetime:

import pandas as pd

df = pd.DataFrame({
    "fecha": ["2026-01-15", "2026-02-20", "2026-02-28", "2026-03-10"],
    "ventas": [100, 250, 175, 300],
})
df["fecha"] = pd.to_datetime(df["fecha"])
print(df.dtypes)   # fecha -> datetime64[ns]

pd.to_datetime entiende muchos formatos solo. Si el tuyo es raro, se lo dices: pd.to_datetime(col, format="%d/%m/%Y").

Extraer partes de una fecha con .dt

Una vez es datetime, el accesor .dt te da acceso a sus componentes, igual que .str con el texto:

df["anio"] = df["fecha"].dt.year       # 2026
df["mes"] = df["fecha"].dt.month       # 1, 2, 2, 3
df["dia"] = df["fecha"].dt.day
df["dia_semana"] = df["fecha"].dt.day_name()   # Monday, Tuesday...
df["nombre_mes"] = df["fecha"].dt.month_name()

Con eso ya puedes agrupar por mes, por día de la semana, por año… todo lo del módulo 10 aplicado al tiempo:

df.groupby(df["fecha"].dt.month)["ventas"].sum()   # ventas por mes

Filtrar por fechas

Con la columna en datetime, las comparaciones funcionan como con números:

df[df["fecha"] >= "2026-02-01"]                       # desde febrero
df[(df["fecha"] >= "2026-02-01") & (df["fecha"] < "2026-03-01")]  # solo febrero

El índice temporal y resample

Si pones la fecha como índice, desbloqueas resample, que reagrupa por periodos de tiempo (días, semanas, meses) con una sola instrucción. Es el groupby de las fechas:

df = df.set_index("fecha")
df["ventas"].resample("ME").sum()   # total por mes ("ME" = month end)
df["ventas"].resample("W").mean()   # media semanal

resample entiende códigos como "D" (día), "W" (semana), "ME" (fin de mes), "YE" (año). Es lo que usarías para convertir ventas diarias en un resumen mensual.

Visualizar: gráficos en una línea

Pandas dibuja directamente apoyándose en Matplotlib. Instálalo si hace falta:

pip install matplotlib

import matplotlib.pyplot as plt

df = pd.DataFrame({
    "mes": ["Ene", "Feb", "Mar", "Abr"],
    "ventas": [100, 250, 175, 300],
})

df.plot(x="mes", y="ventas", kind="line", marker="o")
plt.title("Ventas por mes")
plt.show()

El parámetro kind elige el tipo de gráfico:

df.plot(x="mes", y="ventas", kind="bar")    # barras: comparar categorías
df.plot(x="mes", y="ventas", kind="line")   # líneas: evolución temporal
df["ventas"].plot(kind="hist", bins=10)     # histograma: distribución
df["ventas"].plot(kind="box")               # caja: dispersión y atípicos
df.plot(x="precio", y="ventas", kind="scatter")  # dispersión: relación entre dos variables

Regla rápida para elegir: barras para comparar categorías, líneas para evolución en el tiempo, histograma para ver cómo se reparten los valores, dispersión para relacionar dos variables numéricas.

Guardar el gráfico en archivo en lugar de mostrarlo:

plt.savefig("grafico.png", dpi=150, bbox_inches="tight")

Graficar el resultado de un groupby

El flujo habitual: agrupas y dibujas el resultado del tirón:

ventas_ciudad = df.groupby("ciudad")["importe"].sum()
ventas_ciudad.plot(kind="bar", title="Ingresos por ciudad")
plt.ylabel("Euros")
plt.tight_layout()
plt.show()

Proyecto final

Vas a analizar un dataset de pedidos de una tienda online de principio a fin: lo generas, lo limpias, lo analizas y lo visualizas. Es el recorrido completo de un analista de datos.

Generar los datos

Ejecuta esto para crear el dataset (incluye suciedad a propósito):

import pandas as pd
import numpy as np

np.random.seed(42)   # para que los datos salgan iguales cada vez

n = 200
productos = ["Portátil", "Móvil", "Tablet", "Auriculares", "Cargador"]
categorias = {"Portátil": "Informática", "Móvil": "Telefonía", "Tablet": "Informática",
              "Auriculares": "Audio", "Cargador": "Accesorios"}
ciudades = ["Madrid", "Barcelona", "Sevilla", "Valencia", "Bilbao"]

pedidos = pd.DataFrame({
    "id_pedido": range(1000, 1000 + n),
    "fecha": pd.to_datetime("2026-01-01") + pd.to_timedelta(np.random.randint(0, 180, n), unit="D"),
    "producto": np.random.choice(productos, n),
    "ciudad": np.random.choice(ciudades, n),
    "precio_unitario": np.random.choice([299, 599, 399, 49, 19], n),
    "cantidad": np.random.randint(1, 5, n),
})
pedidos["categoria"] = pedidos["producto"].map(categorias)

# Ensuciamos los datos a propósito:
pedidos.loc[5:10, "ciudad"] = None                       # algunos nulos
pedidos.loc[20:23, "cantidad"] = None
pedidos = pd.concat([pedidos, pedidos.iloc[:5]], ignore_index=True)  # 5 duplicados

pedidos.to_csv("pedidos.csv", index=False)
print(pedidos.head())
print(pedidos.shape)

Tareas

Resuelve estas preguntas. Las soluciones están al final, pero pelea cada una antes de mirar.

P1 — Inspección. Carga pedidos.csv. Muestra la forma, los tipos de cada columna y cuántos nulos hay por columna.

P2 — Limpieza. Elimina las filas duplicadas. Rellena la ciudad faltante con “Desconocida” y la cantidad faltante con la mediana. Comprueba que ya no quedan nulos.

P3 — Columna calculada. Crea una columna importe = precio_unitario * cantidad.

P4 — Fechas. Asegúrate de que fecha es de tipo datetime y crea una columna mes con el nombre del mes.

P5 — Ingresos por categoría. ¿Cuánto ha facturado cada categoría de producto? Ordénalas de mayor a menor.

P6 — Ranking de ciudades. ¿Cuáles son las 3 ciudades con más ingresos? (Ignora “Desconocida”.)

P7 — Evolución mensual. Calcula los ingresos totales por mes y dibújalos en un gráfico de líneas.

P8 — Tabla dinámica. Crea una tabla dinámica con la categoría en las filas, la ciudad en las columnas y la suma de importes en las celdas.

P9 — Ticket medio. ¿Cuál es el importe medio por pedido? ¿Y el producto con el ticket medio más alto?

P10 — Informe. Exporta a un CSV llamado resumen_categorias.csv una tabla con, por cada categoría: número de pedidos, ingreso total e ingreso medio.

import pandas as pd
df = pd.read_csv("pedidos.csv")
print(df.shape)
print(df.dtypes)
print(df.isnull().sum())

df = df.drop_duplicates()
df["ciudad"] = df["ciudad"].fillna("Desconocida")
df["cantidad"] = df["cantidad"].fillna(df["cantidad"].median())
print(df.isnull().sum())   # todo a 0

df["importe"] = df["precio_unitario"] * df["cantidad"]

df["fecha"] = pd.to_datetime(df["fecha"])
df["mes"] = df["fecha"].dt.month_name()

print(df.groupby("categoria")["importe"].sum().sort_values(ascending=False))

sin_desc = df[df["ciudad"] != "Desconocida"]
print(sin_desc.groupby("ciudad")["importe"].sum().sort_values(ascending=False).head(3))

import matplotlib.pyplot as plt
por_mes = df.groupby(df["fecha"].dt.month)["importe"].sum()
por_mes.plot(kind="line", marker="o", title="Ingresos por mes")
plt.xlabel("Mes")
plt.ylabel("Euros")
plt.tight_layout()
plt.savefig("ingresos_mensuales.png", dpi=150)
plt.show()

print(df.pivot_table(index="categoria", columns="ciudad",
                     values="importe", aggfunc="sum", fill_value=0))

print("Ticket medio global:", df["importe"].mean())
print(df.groupby("producto")["importe"].mean().sort_values(ascending=False).head(1))

resumen = df.groupby("categoria").agg(
    pedidos=("id_pedido", "count"),
    ingreso_total=("importe", "sum"),
    ingreso_medio=("importe", "mean"),
).reset_index()
resumen.to_csv("resumen_categorias.csv", index=False)
print(resumen)

Hasta aquí llega el curso

Empezaste sin saber qué era una variable y terminas limpiando, agrupando y graficando un dataset de 200 pedidos. Lo que falta a partir de aquí ya no es Pandas básico: es práctica con datos reales y, si te interesa seguir, librerías como Seaborn (gráficos más bonitos), Scikit-learn (machine learning) o Plotly (gráficos interactivos). Pero la base —pensar en columnas en vez de en bucles— ya la tienes.

El mejor siguiente paso: coge un CSV que te importe de verdad (tus notas, un export de tu banco, datos abiertos de tu ayuntamiento) y hazle las mismas preguntas que al proyecto. Ahí es donde se consolida.