PythonPrincipiante
Cómo leer archivos CSV con pandas
Carga un CSV real en pandas de forma deliberada, valida su forma y sus tipos, y evita las suposiciones de ingesta que provocan problemas de datos más adelante.
Datos y analítica
Ingeniería de datos, analítica y flujos Python en producción.
Contenido sobre pandas, DataFrames, PySpark, rendimiento y plataformas de datos.
Recorrido recomendado
PythonPrincipiante
Carga un CSV real en pandas de forma deliberada, valida su forma y sus tipos, y evita las suposiciones de ingesta que provocan problemas de datos más adelante.
PythonPrincipiante
Analiza un DataFrame de pandas de forma sistemática con su forma, esquema, muestras, nulos, unicidad y distribuciones antes de transformarlo.
PythonPrincipiante
Construye filtros de pandas legibles y seguros ante nulos para preguntas reales sobre pedidos, y valida el resultado en lugar de confiar en expresiones frágiles.
PythonIntermedio
Construye resúmenes fiables con pandas definiendo la granularidad, las reglas de ingresos, el tratamiento de nulos y los joins antes de agrupar datos reales de pedidos.
PythonIntermedio
Combina DataFrames de pandas de forma segura con cardinalidad explícita, comprobación de claves sin correspondencia, indicadores y conciliación del número de filas.
Preparación de entrevistas
Practica preguntas de Python para ingenieros de datos sobre estructuras de datos, generadores, excepciones, archivos grandes, pandas, pruebas, memoria y pipelines en producción.
Practicar preguntas de Python →PythonIntermedioContenido en inglés
Learn how to unit test PySpark DataFrame transformations with pytest using small deterministic datasets, schema assertions, fixtures, edge cases and reusable testing patterns, and where unit tests stop and integration tests begin.
Microsoft FabricIntermedio
Compara Microsoft Fabric Runtime 2.0, 1.3 y 1.2 en Spark, Python, Java, Scala, Delta Lake, rendimiento, ciclo de vida y riesgo.
PythonIntermedio
Descubre qué mejoró realmente en Python 3.15: JIT, startup, librería estándar, profiling y cómo medir tu propio código.
Microsoft FabricIntermedio
Compara pandas, Polars, DuckDB, PySpark y Spark SQL en Microsoft Fabric por velocidad, uso de memoria, tamaño de datos, soporte de Delta y escala, con resultados medidos en un benchmark real en Fabric y una guía práctica para elegir el motor adecuado.
Microsoft FabricPrincipianteContenido en inglés
Learn PySpark in Microsoft Fabric step by step by reading Lakehouse data, filtering rows, creating columns, aggregating, joining, using Spark SQL and writing a Delta result.
DevOps y observabilidadIntermedioContenido en inglés
How to design data-quality checks that actually protect a pipeline: row-level and dataset-level rules, severity and actions, quarantine with reason codes, thresholds from baselines, recorded evidence, tests for the checks themselves, and Microsoft Fabric's built-in options.
DevOps y observabilidadAvanzadoContenido en inglés
How to prove an incremental load produces the correct final state when it reruns, replays data, receives late or out-of-order records, or recovers from a partial failure: guarantees, a full-load oracle, watermark and MERGE tests, invariants, metamorphic tests and a tested PySpark suite.
DevOps y observabilidadAvanzadoContenido en inglés
A practical architecture for testing production data platforms: unit and transformation tests, data-quality checks, SQL Server and PySpark testing, Microsoft Fabric pipelines and notebooks, integration tests, deployment validation and the CI/CD quality gates that decide whether a change reaches production.
Combina DataFrames de pandas de forma segura validando claves, cardinalidad, comportamiento de los nulos, multiplicación por duplicados y cambios en el número de filas antes de confiar en el resultado.
Diagnostica fallos comunes de pandas relacionados con dtypes, valores faltantes, joins, asignación encadenada, datos duplicados, errores de fechas, presión de memoria y cambios inesperados en el número de filas.
Filtra filas de un DataFrame de pandas de forma segura y clara con máscaras booleanas, condiciones múltiples, pruebas de pertenencia, filtros de texto y fechas, comprobaciones de nulos y expresiones query.
Inspecciona, filtra, rellena, elimina y valida valores faltantes en pandas sin cambiar silenciosamente el significado ni el dtype de los datos de producción.
Agrupa datos de pandas por claves de negocio, calcula agregaciones fiables, conserva el contexto de cada fila con transform y evita los errores comunes con nulos, duplicados y lógicas de agregación mezcladas.
Inspecciona un DataFrame de pandas de forma rápida y segura para entender su forma, columnas, tipos de datos, nulos, duplicados, distribuciones y valores sospechosos antes de transformar los datos.
Microsoft FabricIntermedioContenido en inglés
A hands-on guide to Microsoft Fabric Real-Time Intelligence: send service telemetry through an eventstream into an Eventhouse, query and window it with KQL, compare Eventstream, KQL and Spark Structured Streaming, and break and fix the flow on purpose.
PythonIntermedio
Compara Python 3.15 con 3.14: cambios prácticos del lenguaje, runtime y profiling, riesgos de compatibilidad y una checklist de actualización.
Microsoft FabricIntermedio
Un tutorial práctico de notebooks en Microsoft Fabric: Lakehouse, PySpark, SQL, tablas Delta, parámetros, pipelines, Git, monitoreo, rendimiento y producción.
PythonIntermedio
Descubre los cambios de Python 3.11 a 3.15, las novedades de cada versión, los riesgos de compatibilidad y cómo planificar la actualización.
Microsoft FabricPrincipianteContenido en inglés
Create a Microsoft Fabric notebook, attach it to a Lakehouse, build a small dataset with PySpark, write it as a Delta table and query it with Spark SQL, with every step explained.
Delta LakeAvanzado
Por qué el rendimiento de MERGE en Delta se degrada en tablas grandes y cómo mantenerlo: orígenes limpios, poda, menos archivos afectados, concurrencia segura y alternativas.