Resumen del curso Kaggle-Pandas

Pandas

Resuelve breves desafíos prácticos para perfeccionar tus habilidades de manipulación de datos.

Lección 1. Crear, Leer y Escribir

Importar pandas

import pandas as pd

Pandas tiene dos objetos centrales: DataFrame y Series.

DataFrame

Un DataFrame es una tabla. Contiene una matriz de entradas individuales, cada una de las cuales tiene un valor específico y corresponde a una fila (o registro) y una columna. Las entradas de un DataFrame no tienen que ser necesariamente números enteros.

pd.DataFrame({'Bob': ['Me gustó.', 'Fue horrible.'], 'Sue': ['Bastante bueno.', 'Insípido.']})

La declaración de un DataFrame se hace en formato de diccionario de Python. Las claves son los nombres de las columnas y los valores son listas de elementos a incluir.

Normalmente, al declarar un DataFrame, las etiquetas de las columnas son los nombres de las columnas, pero a las filas se les asignan números enteros 0, 1, 2… Si es necesario, se pueden especificar manualmente las etiquetas de las filas. La lista de etiquetas de filas en un DataFrame se llama Índice, y se puede especificar usando el parámetro index.

pd.DataFrame({'Bob': ['Me gustó.', 'Fue horrible.'], 
              'Sue': ['Bastante bueno.', 'Insípido.']},
             index=['Producto A', 'Producto B'])

Series

Una Series es una secuencia de valores de datos.

pd.Series([1, 2, 3, 4, 5])

Una Series es esencialmente una columna única de un DataFrame. Por lo tanto, también se puede especificar un índice. Sin embargo, la diferencia es que tiene un “nombre” (name) en lugar de un “nombre de columna”.

pd.Series([30, 35, 40], index=['Ventas 2015', 'Ventas 2016', 'Ventas 2017'], name='Producto A')

Las Series y los DataFrames están estrechamente relacionados. Puede ser útil pensar en un DataFrame simplemente como un conjunto de Series.

Leer archivos de datos

En muchos casos, en lugar de crear datos directamente, se importan datos existentes. Los datos pueden estar almacenados en varios formatos, pero el más básico es el archivo CSV. El contenido de un archivo CSV suele ser así:

Producto A,Producto B,Producto C,
30,21,9,
35,34,1,
41,11,11

Es decir, un archivo CSV es una tabla donde cada valor está separado por comas (de ahí el nombre “Comma-Separated Values”, CSV).

Para cargar datos en formato CSV en un DataFrame, se utiliza la función pd.read_csv().

Se puede usar el atributo shape para verificar el tamaño del DataFrame.

El comando head() se puede usar para ver las primeras cinco filas del DataFrame.

La función pd.read_csv() tiene más de 30 parámetros. Por ejemplo, si el archivo CSV que se está cargando incluye su propio índice, se puede especificar el valor del parámetro index_col para usar esa columna como índice en lugar de que pandas asigne automáticamente un índice.

Escribir datos

El método to_csv() se puede usar para exportar un DataFrame a un archivo CSV. Se usa de la siguiente manera:

(nombre del DataFrame).to_csv("(ruta del archivo CSV)")

Lección 2. Indexación, Selección y Asignación

Seleccionar valores específicos para usar de un DataFrame o Series de pandas es un paso que se da en casi todas las operaciones que utilizan datos.