Sinopsis
Este libro acompaña al lector en la transformación del análisis de datos moderno, combinando la potencia de Excel y Python. A través de un enfoque práctico y progresivo, se exploran técnicas que permiten analizar, automatizar y modelar datos de manera eficiente, creando soluciones claras, flexibles y replicables.
La sinergia entre Excel y Python ofrece un entorno robusto: Excel aporta la interfaz visual y las funciones dinámicas; Python potencia la automatización, el manejo de grandes volúmenes de información y la generación de resultados precisos. El lector aprenderá a integrar ambas herramientas para resolver problemas reales de negocio de forma estructurada y eficiente.
A lo largo del libro se presentan conceptos clave, ejemplos aplicados y ejercicios prácticos, combinando teoría y práctica para desarrollar competencias sólidas en análisis de datos. Propósito del libro: presentar las bases técnicas de Excel y su integración con Python, con énfasis en funciones dinámicas para el análisis, la automatización y el modelado de datos.
Contenido
- DEDICATORIA — p. II
- PRESENTACIÓN — p. III
- PARTE I Fundamentos del pensamiento matricial y las funciones dinámicas en Excel — p. 1
- Capítulo 1. Introducción al pensamiento matricial — p. 5
- 1.1 Introducción — p. 5
- 1.2 Estructura y objetivos del capítulo — p. 5
- 1.3 ¿Qué es el pensamiento matricial? — p. 5
- 1.4 Enfoque tradicional — p. 6
- 1.5 Enfoque matricial — p. 8
- 1.6 Pensar en bloques: el enfoque matricial visual — p. 10
- 1.7 Ejemplo práctico: filtrar datos con una sola fórmula — p. 10
- 1.8 Progresión del pensamiento matricial en Excel — p. 12
- 1.9 Ingeniería a la inversa: descomponiendo problemas complejos — p. 12
- 1.10 Cierre y evaluación práctica del pensamiento matricial — p. 19
- 1.11 Prácticas guiadas con el dataset auxiliar — p. 19
- Capítulo 2. Fórmulas de matriz dinámica y derrame en Excel — p. 28
- 2.1 Introducción — p. 28
- 2.2 Objetivos del capítulo — p. 28
- 2.3 Fundamentos del derrame y las funciones dinámicas — p. 28
- 2.4 Ejemplo 1: Desbordamiento vertical — p. 29
- 2.5 Ejemplo 2: Desbordamiento horizontal — p. 29
- 2.6 Ejemplo 3: Desbordamiento vertical y horizontal combinado — p. 30
- 2.7 Ejercicio 4: Error por bloqueo del derrame — p. 31
- 2.8 Ejercicio 5: LET con SECUENCIA para definir variables matriciales — p. 32
- 2.9 Ejercicio 6: Sumar dos secuencias — p. 34
- 2.10 Ejercicio 7: Crear tablas dinámicas sin escribir datos manuales — p. 35
- 2.11 Ejercicio 8: Operación matricial con rango derramado — p. 37
- 2.12 Prácticas guiadas con la dataset auxiliar — p. 37
- 2.13 Reflexión final del capítulo — p. 42
- Capítulo 3. Principios fundamentales de las funciones dinámicas — p. 44
- 3.1 Introducción — p. 44
- 3.2 Objetivos del capítulo — p. 44
- 3.3 Pensamiento matricial: el cambio de paradigma — p. 44
- 3.4 Alineación de dimensiones y difusión automática — p. 45
- 3.5 Separadores en listas constantes — p. 46
- 3.6 Operadores lógicos vectorizados — p. 47
- 3.7 Volatilidad y recálculo — p. 49
- 3.8 Expresiones anidadas y funciones auxiliares — p. 52
- 3.9 Conclusión — p. 55
- 3.10 Resumen visual – Principios fundamentales — p. 55
- Capítulo 4. Manipulación de matrices – base del pensamiento matricial — p. 57
- 4.1 Introducción — p. 57
- 4.2 Objetivos del capítulo — p. 57
- 4.3 Enfoque del capítulo — p. 57
- 4.4 ¿Qué es una matriz en Excel? — p. 58
- 4.5 Tipos de matrices: estáticas, dinámicas y derivadas — p. 59
- 4.6 Operaciones fundamentales con matrices — p. 62
- 4.7 Encadenamiento de funciones matriciales — p. 64
- 4.8 Errores comunes y depuración de matrices — p. 67
- 4.9 Conclusión — p. 70
- 4.10 Práctica guiada – Construcción, combinación y depuración de matrices — p. 70
- 4.11 Dataset auxiliar — p. 71
- 4.12 Conclusión de la práctica — p. 74
- Capítulo 5. Fórmulas implícitas y explícitas en Excel — p. 76
- 5.1 Introducción — p. 76
- 5.2 Objetivos del capítulo — p. 76
- 5.3 Enfoque del capítulo — p. 76
- 5.4 Qué significa implícito y explícito en Excel — p. 77
- 5.5 El papel de los símbolos @, # y {} en el comportamiento matricial — p. 78
- 5.6 Errores y conflictos comunes entre fórmulas implícitas y explícitas — p. 81
- 5.7 Práctica guiada: de fórmulas explícitas a dinámicas — p. 83
- 5.8 Práctica guiada – Identificando fórmulas implícitas y explícitas en acción — p. 86
- Capítulo 6. Tablas de Excel, rangos estructurados y nombres definidos — p. 90
- 6.1 Introducción — p. 90
- 6.2 Objetivos del capítulo — p. 90
- 6.3 Enfoque del capítulo — p. 90
- 6.4 Qué es una tabla en Excel — p. 91
- 6.5 Referencias estructuradas — p. 91
- 6.6 Nombres definidos — p. 91
- 6.7 Integración de tablas y funciones dinámicas — p. 92
- 6.8 Práctica guiada — p. 92
- 6.9 Cierre y transición — p. 92
- 6.10 Construcción manual de arrays — p. 94
- 6.11 Tipos de matrices y sus usos — p. 95
- PARTE II Funciones dinámicas por grupos funcionales — p. 98
- Capítulo 7. Funciones de generación y construcción de matrices — p. 102
- 7.1 Introducción — p. 102
- 7.2 Objetivos del capítulo — p. 102
- 7.3 Fundamento conceptual — p. 102
- 7.4 Funciones cubiertas en este capítulo — p. 102
- 7.5 Función MATRIZALEAT / RANDARRAY — p. 103
- 7.6 Función SECUENCIA / SEQUENCE — p. 107
- 7.7 Función ARCHIVOMAKEARRAY / MAKEARRAY — p. 112
- Capítulo 8. Funciones de selección y ordenamiento — p. 118
- 8.1 Introducción — p. 118
- 8.2 Objetivos del capítulo — p. 118
- 8.3 Fundamento conceptual — p. 118
- 8.4 Funciones cubiertas en este capítulo — p. 118
- 8.5 Función ORDENAR / SORT — p. 119
- 8.6 Función ORDENARPOR / SORTBY — p. 124
- 8.7 Función EXCLUIR / DROP — p. 132
- 8.8 Función TOMAR / TAKE — p. 137
- 8.9 Función UNICOS / UNIQUE — p. 143
- 8.10 Función INDICE / INDEX — p. 150
- 8.11 Función ELEGIRCOLS / CHOOSECOLS — p. 156
- 8.12 Función ELEGIRFILAS / CHOSEROWS — p. 163
- 8.13 Función ELEGIR / CHOOSE — p. 167
- Capítulo 9. Funciones de apilamiento y transformación — p. 172
- 9.1 Introducción — p. 172
- 9.2 Objetivos del capítulo — p. 172
- 9.3 Fundamento conceptual — p. 172
- 9.4 Funciones cubiertas en este capítulo — p. 172
- 9.5 Función APILARH / HSTACK — p. 173
- 9.6 Función APILARV / VSTACK — p. 177
- 9.7 Función ENCOL / TOCOL — p. 182
- 9.8 Función ENFILA / TOROW — p. 187
- 9.9 Función AJUSTARCOLS / WRAPCOLS — p. 191
- 9.10 Función AJUSTARFILAS / WRAPROWS — p. 196
- 9.11 Función EXPANDIR / EXPAND — p. 203
- Capítulo 10. Funciones de filtrado y condiciones — p. 212
- 10.1 Introducción — p. 212
- 10.2 Objetivos del capítulo — p. 212
- 10.3 Fundamento conceptual — p. 212
- 10.4 Funciones cubiertas en este capítulo — p. 212
- 10.5 Función FILTRAR / FILTER — p. 213
- 10.6 Función SI.CONJUNTO / IFS — p. 218
- 10.7 Función SI / IF — p. 222
- 10.8 Función CAMBIAR / SWITCH — p. 225
- Capítulo 11. Funciones para operar o reducir conjuntos de datos — p. 231
- 11.1 Introducción — p. 231
- 11.2 Objetivos del capítulo — p. 231
- 11.3 Fundamento conceptual — p. 231
- 11.4 Funciones cubiertas en este capítulo — p. 231
- 11.5 Función MAX.SI.CONJUNTO / MAXIFS — p. 232
- 11.6 Función MIN.SI.CONJUNTO / MINIFS — p. 235
- 11.7 Función REDUCE / REDUCE — p. 238
- 11.8 Función BYROW / BYROW — p. 239
- 11.9 Función BYCOL / BYCOL — p. 241
- 11.10 Función PORCENTAJEDE / PERCENTOF — p. 243
- Capítulo 12. Funciones de búsqueda de datos — p. 246
- 12.1 Introducción — p. 246
- 12.2 Objetivos del capítulo — p. 246
- 12.3 Fundamento conceptual — p. 246
- 12.4 Funciones cubiertas en este capítulo — p. 246
- 12.5 Función BUSCARX / XLOOKUP — p. 247
- 12.6 Función COINCIDIRX / XMATCH — p. 254
- 12.7 Función VALOR.CAMPO / FIELDVALUE — p. 257
- Capítulo 13. Funciones de manipulación de texto — p. 261
- 13.1 Introducción — p. 261
- 13.2 Objetivos del capítulo — p. 261
- 13.3 Fundamento conceptual — p. 261
- 13.4 Funciones cubiertas en este capítulo — p. 261
- 13.5 Función DIVIDIRTEXTO / TEXTSPLIT — p. 262
- 13.6 Función UNIRCADENAS / TEXTJOIN — p. 265
- 13.7 Función TEXTODESPUES / TEXTAFTER — p. 267
- 13.8 Función TEXTOANTES / TEXTBEFORE — p. 270
- 13.9 Función LIMPIAR / CLEAN — p. 272
- 13.10 Función ESPACIOS / TRIM — p. 274
- 13.11 Función REGEXEXTRACCION / REGEXEXTRACT — p. 276
- 13.12 Función REGEXREEMPLAZAR / REGEXREPLACE — p. 278
- 13.13 Función REGEXPRUEBA / REGEXTEST — p. 280
- 13.14 Función TRADUCIR / TRANSLATE — p. 282
- 13.15 Función DETECTARIDIOMA / DETECTLANGUAGE — p. 284
- Capítulo 14. Funciones que permiten operaciones avanzadas y personalizadas — p. 288
- 14.1 Introducción — p. 288
- 14.2 Objetivos del capítulo — p. 288
- 14.3 Fundamento conceptual — p. 288
- 14.4 Funciones cubiertas en este capítulo — p. 288
- 14.5 Función LAMBDA / LAMBDA — p. 289
- 14.6 Función MAP / MAP — p. 291
- 14.7 Función SCAN / SCAN — p. 293
- 14.8 Función LET / LET — p. 296
- 14.9 Función ISOMITTED / ISOMITTED — p. 298
- Capítulo 15. Funciones orientadas a mostrar o incorporar datos visuales — p. 301
- 15.1 Introducción — p. 301
- 15.2 Objetivos del capítulo — p. 301
- 15.3 Fundamento conceptual — p. 301
- 15.4 Funciones cubiertas en este capítulo — p. 301
- 15.5 Función IMAGEN /IMAGE — p. 302
- 15.6 Función MATRIZATEXTO / ARRAYTOTEXT — p. 304
- 15.7 Función VALORATEXTO / VALUETOTEXT — p. 305
- Capítulo 16. Funciones que agrupan, resumen o presentan información clave — p. 309
- 16.1 Introducción — p. 309
- 16.2 Objetivos del capítulo — p. 309
- 16.3 Fundamento conceptual — p. 309
- 16.4 Funciones cubiertas en este capítulo — p. 309
- 16.5 Función AGRUPARPOR / GROUPBY — p. 310
- 16.6 Función PIVOTARPOR / PIVOTBY — p. 312
- 16.7 Función HISTORIALCOTIZACIONES / STOCKHISTORY — p. 314
- Capítulo 17. Funciones de utilidad general — p. 318
- 17.1 Introducción — p. 318
- 17.2 Objetivos del capítulo — p. 318
- 17.3 Fundamento conceptual — p. 318
- 17.4 Funciones cubiertas en este capítulo — p. 318
- 17.5 Función RECORTAR.RANGO / TRIMRANGE — p. 319
- PARTE III Replicando el pensamiento matricial en Python — p. 321
- Capítulo 18. Instalación y entorno: Python desde cero — p. 325
- 18.1 Introducción — p. 325
- 18.2 Objetivos del capítulo — p. 325
- 18.3 Por qué Python: ventajas y complementariedad con Excel — p. 325
- 18.4 Cómo piensa Python frente a cómo piensa Excel — p. 326
- 18.5 Instalación y entorno recomendado (Anaconda y Jupyter) — p. 326
- 18.6 ¿Qué sigue? — p. 327
- Capítulo 19. Básica para usuarios de Excel — p. 328
- 19.1 Introducción — p. 328
- 19.2 Objetivos del capítulo — p. 328
- 19.3 De la celda a la línea de código: analogías clave — p. 328
- 19.4 Variables: cómo se declaran y se usan — p. 329
- 19.5 Tipos de datos básicos — p. 330
- 19.6 Operaciones básicas — p. 332
- 19.7 Formateo de cadenas con f-strings — p. 334
- Capítulo 20. Listas, arrays y estructuras de datos clave — p. 338
- 20.1 Introducción — p. 338
- 20.2 Objetivos del capítulo — p. 338
- 20.3 Las listas en Python: el equivalente a un rango flexible — p. 338
- 20.4 Modificar un valor: — p. 339
- 20.5 Funciones comunes con listas — p. 341
- 20.6 Recorrer una lista (bucle for) — p. 341
- 20.7 Introducción a arrays con NumPy — p. 342
- 20.8 Otras estructuras clave — p. 345
- 20.9 Conversión entre estructuras — p. 346
- 20.10 Actividad práctica sugerida — p. 347
- 20.11 Comentarios en el código — p. 347
- 20.12 Funciones con múltiples parámetros — p. 347
- 20.13 Funciones lambda (anónimas) — p. 348
- 20.14 Entrada de datos (opcional, para práctica interactiva) — p. 348
- 20.15 Estructura general de un script — p. 349
- 20.16 Ejemplo práctico completo — p. 350
- 20.17 Errores comunes y cómo leer los mensajes — p. 350
- 20.18 Mini ejercicio integrador — p. 351
- 20.19 Conclusión — p. 351
- 20.20 ¿Quieres profundizar más? — p. 352
- Capítulo 21. Análisis de datos con Pandas y NumPy — p. 354
- 21.1 Introducción — p. 354
- 21.2 Objetivo del capítulo — p. 354
- 21.3 ¿Qué es NumPy? Y como se relaciona con Excel — p. 354
- 21.4 ¿Qué es pandas y cómo se relaciona con Excel? — p. 355
- 21.5 Crear un DataFrame desde listas, diccionarios o archivos — p. 356
- 21.6 Inspeccionar y explorar datos: .head(), .info(), .describe() — p. 358
- 21.7 Seleccionar columnas y filas ([], .loc[], .iloc[]) — p. 359
- 21.8 Filtrar filas como si usaras FILTRAR() en Excel — p. 360
- 21.9 Ordenar datos como con ORDENAR() en Excel — p. 361
- 21.10 Eliminar duplicados (drop_duplicates() ≈ UNIQUE) — p. 361
- 21.11 Buscar valores (merge() ≈ BUSCARX) — p. 361
- 21.12 Agrupar y resumir (groupby() ≈ TABLAS DINÁMICAS) — p. 362
- 21.13 Aplicar operaciones por columna (como PROMEDIO.SI, SUMAR.SI) — p. 362
- 21.14 Combinar con NumPy para operaciones vectorizadas — p. 362
- 21.15 Ejercicio práctico (pequeño análisis de ventas) — p. 363
- 21.16 Ejercicios — p. 364
- Capítulo 22. VISUALIZACIÓN DE DATOS BÁSICA CON MATPLOTLIB Y SEABORN — p. 392
- 22.1 Introducción — p. 392
- 22.2 Objetivos del capítulo — p. 392
- 22.3 Introducción a Matplotlib y Seaborn — p. 392
- 22.4 Personalización: Títulos, Etiquetas, Colores — p. 395
- 22.5 Tipos de Gráficos Básicos — p. 397
- 22.6 Comparación de dos categorías (ej. ventas por región) — p. 401
- 22.7 Visualizaciones con Seaborn — p. 403
- 22.8 Guardar Gráficos como Imagen (.png) — p. 409
- 22.9 Buenas Prácticas de Visualización — p. 412
- 22.10 Ejercicio final: Graficar tendencias y comparaciones — p. 414
- PARTE IV Integración Excel y Python — p. 418
- Resumen — p. 421
- Capítulo 23. Automatización de tareas con Python y Excel (xlwings, openpyxl) — p. 422
- 23.1 Introducción — p. 422
- 23.2 Objetivos del capítulo — p. 422
- Capítulo 24. Importación y exportación de datos desde y hacia Excel — p. 425
- 24.1 Introducción — p. 425
- 24.2 Objetivos del capítulo — p. 425
- 24.3 Secciones del capítulo — p. 425
- 24.4 Lectura de datos desde Excel con pandas — p. 426
- 24.5 Escritura de datos desde Python hacia Excel — p. 426
- 24.6 Manipulación avanzada con openpyxl — p. 427
- 24.7 Exportación interactiva con xlwings — p. 428
- 24.8 Validación y control de calidad de datos — p. 428
- 24.9 Ejercicio guiado: flujo completo de importación y exportación — p. 428
- 24.10 Conclusión — p. 429
- Capítulo 25. Uso de Python como motor de cálculo externo — p. 430
- 25.1 Introducción — p. 430
- 25.2 Objetivos del capítulo — p. 430
- 25.3 Concepto: Python como motor de cálculo — p. 430
- 25.4 Configuración del entorno — p. 431
- 25.5 Funciones definidas por el usuario (UDFs) — p. 432
- 25.6 Casos de uso del motor de cálculo externo — p. 433
- 25.7 Flujo de integración completo — p. 433
- 25.8 Buenas prácticas — p. 434
- 25.9 Conclusión — p. 435
- Capítulo 26. Desarrollo de modelos híbridos Excel-Python — p. 436
- 26.1 Introducción — p. 436
- 26.2 Objetivos — p. 436
- 26.3 Concepto de modelo híbrido — p. 436
- 26.4 Arquitectura general de un modelo híbrido — p. 436
- 26.5 Librerías clave — p. 437
- 26.6 Diseño modular y buenas prácticas — p. 437
- 26.7 Escenarios de aplicación — p. 438
- 26.8 Conclusión — p. 438
- Capítulo 27. Construcción de dashboards dinámicos con soporte Python — p. 439
- 27.1 Introducción — p. 439
- 27.2 Objetivos — p. 439
- 27.3 Principios del diseño de dashboards híbridos — p. 439
- 27.4 Estructura funcional — p. 439
- 27.5 Integración práctica: Excel + Python — p. 440
- 27.6 Diseño visual profesional — p. 440
- 27.7 Automatización de reportes — p. 440
- 27.8 Buenas prácticas — p. 441
- 27.9 Conclusión — p. 441
- 27.10 Cierre de la Parte IV — Integración Excel y Python — p. 441
- PARTE V Buenas prácticas para modelos limpios, modulares y replicables — p. 444
- Capítulo 28. Buenas prácticas en fórmulas dinámicas y modelos matriciales — p. 448
- 28.1 Introducción — p. 448
- 28.2 Objetivos — p. 448
- 28.3 Tema central: Diseño limpio y sostenible de modelos matriciales — p. 448
- 28.4 Principios de escritura clara — p. 449
- 28.5 Estructura y organización de modelos matriciales — p. 449
- 28.6 Validación y control de errores — p. 450
- 28.7 Ejemplo práctico: cálculo matricial de rentabilidad mensual — p. 450
- 28.8 Buenas prácticas complementarias — p. 450
- 28.9 Conclusión — p. 451
- Capítulo 29. Nombres definidos, modularidad y documentación — p. 452
- 29.1 Introducción — p. 452
- 29.2 Objetivos — p. 452
- 29.3 Tema: Nombres definidos, modularidad y documentación — p. 452
- 29.4 Modularidad: dividir para entender y escalar — p. 453
- 29.5 Documentación mínima y efectiva — p. 453
- 29.6 Sinergia entre Excel y Python — p. 454
- 29.7 Beneficios esperados — p. 454
- Capítulo 30. Legibilidad, eficiencia y validación de modelos — p. 455
- 30.1 Introducción — p. 455
- 30.2 Objetivos — p. 455
- 30.3 Tema: Legibilidad, eficiencia y validación de modelos — p. 455
- 30.4 Buenas prácticas — p. 455
- Capítulo 31. Trazabilidad y control de cambios — p. 457
- 31.1 Introducción — p. 457
- 31.2 Objetivos — p. 457
- 31.3 Trazabilidad y control de cambios — p. 457
- 31.4 Control de versiones: — p. 457
- 31.5 Buenas prácticas — p. 457
- Capítulo 32. Entrega profesional de modelos mixtos Excel–Python — p. 459
- 32.1 Introducción — p. 459
- 32.2 Objetivos — p. 459
- 32.3 Entrega profesional de modelos mixtos Excel–Python — p. 459
- 32.4 Buenas prácticas — p. 459
- Capítulo 33. Principios de diseño limpio en modelos analíticos — p. 461
- 33.1 Introducción — p. 461
- 33.2 Objetivos — p. 461
- 33.3 Principios de diseño limpio en modelos analíticos — p. 461
- 33.4 Buenas prácticas — p. 461
- Capítulo 34. Nombres definidos, modularidad y documentación — p. 463
- 34.1 Introducción — p. 463
- 34.2 Objetivos — p. 463
- 34.3 Nombres definidos, modularidad y documentación avanzada — p. 463
- 34.4 Buenas prácticas — p. 463
- Capítulo 35. Legibilidad, eficiencia y validación de modelos — p. 465
- 35.1 Introducción — p. 465
- 35.2 Objetivos — p. 465
- 35.3 Legibilidad, eficiencia y validación avanzada — p. 465
- 35.4 Buenas prácticas — p. 465
- Capítulo 36. Trazabilidad y control de cambios — p. 467
- 36.1 Introducción — p. 467
- 36.2 Objetivos — p. 467
- 36.3 Trazabilidad y control de cambios avanzado — p. 467
- 36.4 38.4 Buenas prácticas — p. 468
- Capítulo 37. Entrega profesional de modelos mixtos Excel–Python — p. 470
- 37.1 Introducción — p. 470
- 37.2 Objetivos — p. 470
- 37.3 Entrega profesional de modelos mixtos (versión avanzada) — p. 470
- 37.4 Buenas prácticas — p. 471
- PARTE VI Caso integrador — p. 473
- 37.1 Introducción — p. 473
- 37.2 Objetivos — p. 473
- 37.3 Resumen de la parte — p. 474
- Capítulo 38. Descripción del Dataset y estructura base del modelo — p. 476
- 38.1 Introducción — p. 476
- 38.2 Estructura general del Dataset — p. 476
- 38.3 Objetivos del modelo base — p. 477
- Capítulo 39. Capítulo 34. Preparación del modelo en Excel y conexión con Python (xlwings) — p. 479
- 39.1 Introducción — p. 479
- 39.2 Objetivos — p. 479
- 39.3 Preparación del entorno de Excel — p. 479
- 39.4 Configuración de la conexión con Python (xlwings) — p. 480
- 39.5 Conclusión — p. 481
- Capítulo 40. Automatización y análisis matricial con Python (pandas y xlwings) — p. 483
- 40.1 Introducción — p. 483
- 40.2 Objetivos — p. 483
- 40.3 Exploración del dataset y validación estructural — p. 483
- 40.4 Conclusión de la sección — p. 488
- 40.5 Lectura de la tabla estructurada DATASET_BASE desde Python — p. 488
- 40.6 Buenas prácticas — p. 489
- 40.7 Verificación de integridad y consistencia del dataset — p. 490
- Capítulo 41. Generación automática de resúmenes y métricas clave (KPI) — p. 494
- 41.1 Introducción — p. 494
- 41.2 Objetivo general — p. 494
- 41.3 Metodología — p. 494
- 41.4 Resultados esperados — p. 496
- 41.5 Interpretación y uso de los KPI — p. 496
- 41.6 Conclusión — p. 497
- Capítulo 42. Análisis exploratorio y visualización de resultados — p. 498
- 42.1 Introducción — p. 498
- 42.2 Resumen de ventas por categoría — p. 498
- 42.3 Visualización: participación por categoría — p. 498
- 42.4 Análisis comparativo de desempeño: Ventas, Costos y Márgenes — p. 499
- 42.5 Distribución de Márgenes de Contribución (MCT) — p. 500
- 42.6 Conclusión ajustada para el texto — p. 501
- Capítulo 43. Análisis cruzado Precio, Unidades y Rentabilidad — p. 502
- 43.1 Objetivo — p. 502
- 43.2 Descripción técnica — p. 502
- 43.3 Interpretación — p. 503
- Capítulo 44. PASO FINAL: Integración de resultados de Python → Excel — p. 505
- 44.1 Crear una hoja de resultados en Excel — p. 505
- 44.2 Escribir los DataFrames en Excel — p. 505
Materias
Palabras clave
BISAC
- COM054000. ORDENADORES > Aplicaciones de escritorio > Hojas de cálculo
- COM051360. ORDENADORES > Lenguajes de programación > Pitón
- COM014000. ORDENADORES > Ciencias de la Computación
Thema
- UFC. Hojas de cálculo
- UM. Programación informática/desarrollo de software
- UMA. Técnicas de programación
Dewey
- 005.7. Generalidades > Generalidades y ciencias de la computación > Programación de computadoras, programas, datos > Datos en sistemas informáticos