1. Importa el archivo alumnos.csv y almacena su contenido en un DataFrame de Pandas.
   url='https://gist.githubusercontent.com/ahcamachod/807a2c1cf6c19108b2b701ea1791ab45/raw/fb84f8b2d8917a89de26679eccdbc8f9c1d2e933/alumnos.csv'

bd_alumno=pd.read_csv(url, sep=';')

bd_alumno

Nombre,Edad,Nota,Aprobado
0 Alberto,20,7.5,True
1 Ana,18,,False
2 Camila,27,2.5,False
3 David,18,5.0,False
4 Brian,21,10.0,True
5 Bruna,23,,False
6 Daniela,21,7.0,True
7 Carlos,19,6.0,False
8 Alicia,35,5.6,False
9 Victor,28,,False
10 Danilo,21,,False
11 Ignacio,24,4.5,False
12 Stephany,26,10.0,True
13 Miriam,25,9.0,True
14 Pablo,37,,False
15 Milena,29,7.0,True
16 Lucas,33,,False
17 Nadia,34,8.0,Verdadero

2. Visualiza las primeras 7 filas del DataFrame y las últimas 5.

bd_alumno.head(7)
Nombre,Edad,Nota,Aprobado
0 Alberto,20,7.5,True
1 Ana,18,,False
2 Camila,27,2.5,False
3 David,18,5.0,False
4 Brian,21,10.0,True
5 Bruna,23,,False
6 Daniela,21,7.0,True

bd_alumno.tail()
Nombre,Edad,Nota,Aprobado
13 Miriam,25,9.0,True
14 Pablo,37,,False
15 Milena,29,7.0,True
16 Lucas,33,,False
17 Nadia,34,8.0,Verdadero

3. Verifica la cantidad de filas y columnas en este DataFrame.
   bd_alumno.shape
   (18, 1)

4. Explora las columnas del DataFrame y analiza los tipos de datos presentes en cada columna.
   bd_alumno.columns
   Index(['Nombre,Edad,Nota,Aprobado'], dtype='object')

bd_alumno.info()
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 18 entries, 0 to 17
Data columns (total 1 columns):

Column Non-Null Count Dtype

0 Nombre,Edad,Nota,Aprobado 18 non-null object
dtypes: object(1)
memory usage: 276.0+ bytes