La librería pandas es una de las más usada en el área del Data Science. Salvo en escenarios muy particulares en los que se prima la velocidad de proceso sin importar que las estructuras de datos no tengan una funcionalidad muy sofisticada -casos en los que el array multidimensional NumPy es más conveniente-, tanto las series como, principalmente, los dataframes, serán las estructuras en las que nos basemos para contener los datos a analizar, así como casi todos los resultados intermedios generados.
pandas es una librería muy rica, con gran cantidad de funciones y métodos que permiten aprovechar al máximo las estructuras de datos mencionadas, y en este tutorial hemos revisado las más importantes, desde los constructores de series y dataframes, hasta funciones un poco más sofisticadas como las que permiten agrupar los datos según ciertos criterios, pasando por métodos de edición, ordenación, reindexación... Todo este conocimiento se muestra excepcionalmente útil a la hora de leer y transformar conjuntos de datos, o de aplicarles un algoritmo de Machine Learning.
En todo caso, no olvides que en la documentación oficial de pandas siempre podrás acceder a las definiciones exactas de las interfaces de todos los métodos y funciones, normalmente con algunos ejemplos prácticos.
