Pandas
Análisis de datos con Pandas: Series y DataFrames, exploración, selección con loc/iloc, filtrado, groupby, combinación y CSV.
data_object
DataFrames y Series
Pandas es la biblioteca estándar para análisis de datos en Python. Ofrece dos estructuras principales:
- Series: un arreglo unidimensional etiquetado.
- DataFrame: una estructura bidimensional, como una tabla de Excel o de SQL (filas y columnas con nombre).
Pandas está construido sobre NumPy: internamente usa arrays de NumPy para almacenar los datos, así que hereda su eficiencia. Por convención se importa como import pandas as pd.
Dato
Creamos un DataFrame fácilmente desde un diccionario (cada llave es una columna):
python
import pandas as pd datos = { 'Titulo': ['Frozen', 'Toy Story', 'Coco'], 'Anio': [2013, 1995, 2017], 'Calificacion': [7.4, 8.3, 8.4],}df = pd.DataFrame(datos)Cargando Quiz...
biotech
Explorar un DataFrame
Pandas trae métodos para inspeccionar rápidamente los datos, muy útiles cuando hay miles o millones de filas:
df.info(): resumen de columnas, tipos y nulos.df.head(n): las primerasnfilas (5 por defecto).df.describe(): estadísticas de las columnas numéricas.df.value_counts(): frecuencia de valores (datos categóricos).
python
import pandas as pddf.head(2) # primeras 2 filasdf.describe() # count, mean, std, min, max, percentilesdf['Titulo'] # acceder a una columna por su nombre (como un dict)Cargando Quiz...
schema
Seleccionar con loc e iloc
Para seleccionar filas y columnas específicas, Pandas ofrece dos accesores. En ambos, el primer elemento son las filas y el segundo las columnas.
df.iloc[...]: selecciona por posición (índices enteros), como en listas.df.loc[...]: selecciona por etiqueta (nombres del índice y de las columnas).
python
import pandas as pd df.iloc[0] # primera fila (por posición)df.iloc[:2, :4] # primeras 2 filas y primeras 4 columnasdf.loc[:, 'Titulo'] # todas las filas, la columna 'Titulo' (por etiqueta)Regla mnemotécnica: la i de iloc es de integer (posición); loc trabaja con las labels (etiquetas).
Truco
Cargando Quiz...
tune
Filtrar, modificar y agrupar
Filtrado booleano
Se filtran filas con una condición entre corchetes. La condición genera una máscara booleana y df[mascara] devuelve solo las filas que cumplen.
python
import pandas as pd# Películas con calificación mayor a 8top = df[df['Calificacion'] > 8]# Estrenadas después de 2000recientes = df[df['Anio'] > 2000]Columnas nuevas y agrupación
Crear una columna es asignar a una nueva etiqueta. groupby agrupa por una columna y aplica una agregación (eficiente incluso con muchos datos).
python
hub
Combinar, guardar y visualizar
Combinar DataFrames
pd.concat([df1, df2]): apila DataFrames (p. ej. agregar filas nuevas).df1.join(df2): une por el índice (requiere que ambos compartan el índice, p. ej.set_index('Titulo')).
python
import pandas as pddf = pd.concat([df, df_nueva_fila], ignore_index=True) df.set_index('Titulo', inplace=True)finanzas.set_index('Titulo', inplace=True)completo = df.join(finanzas) # une por el índice 'Titulo'