Ir al contenido principal

Pandas, una librería para manejo de datos en Python

Pandas es una herramienta de análisis y manipulación de datos de código abierto rápida, potente, flexible y fácil de usar, construida sobre el lenguaje de programación Python.

Instalando:

$ pip install pandas

Nota: También puedes instalarlo usando Anacaconda.

Verificar instalación:

$ pip list

Al ejecutar este comando veremos las librerías y paquetes instalados.

Otra forma de validar la instalación es entrando al Repl de Python:

$ py
>>> import pandas as pd
>>> 
>>> exit()

Si no sale error, entonces la instalación fue correcta.

¿Qué se puede hacer con Pandas?

1. Estructuras de datos principales.

Pandas ofrece dos estructuras fundamentales:

Series: Una columna unidimensional, similar a un array, pero con índices personalizables. 

DataFrame: Una tabla bidimensional (filas y columnas), como una hoja de cálculo o una tabla SQL.

2. Carga y almacenamiento de datos.

Leer datos desde múltiples formatos:

CSV:
pd.read_csv('archivo.csv')
Excel:
pd.read_excel('archivo.xlsx')
JSON, SQL, Parquet, HDF5, entre otros. 
Guardar datos en los mismos formatos:
df.to_csv('archivo.csv')
df.to_excel('archivo.xlsx')

3. Manipulación de datos.

Selección y filtrado: Seleccionar columnas:
df['columna'] 
df[['col1', 'col2']]
Filtrar filas:
df[df['columna'] > valor].
Usar loc y iloc para acceder por etiquetas o índices. 
Limpieza de datos:
Manejar valores nulos:
df.dropna()
df.fillna(valor)
Eliminar duplicados:
df.drop_duplicates()
Reemplazar valores:
df.replace(antiguo, nuevo)
Transformación: 
Cambiar tipos de datos:
df['columna'].astype(tipo)
Aplicar funciones:
df['columna'].apply(funcion)
Reorganizar datos:
df.pivot()
df.melt()

4. Análisis de datos.

Estadísticas descriptivas:

Resumen:
df.describe()
Media, mediana, etc.:
df.mean()
df.median()
Agrupaciones: 
Agrupar datos:
df.groupby('columna').sum().
Agregaciones personalizadas:
df.groupby('columna').agg({'col2': 'mean', 'col3': 'count'})
Unión y combinación: 
Unir DataFrames:
pd.merge(df1, df2, on='columna')
Concatenar:
pd.concat([df1, df2])

5. Visualización y exploración.

Integración con Matplotlib o Seaborn para gráficos:

df.plot(kind='bar')
df.hist()
Explorar datos:


df.head()
df.tail()
df.info()

6. Manejo de series temporales.

Trabajar con fechas:
pd.to_datetime(df['columna'])
Indexación temporal:
df.set_index('fecha')
Resampling:
df.resample('M').mean() 
(por ejemplo, para datos mensuales).

7. Automatización y eficiencia.

Procesar grandes conjuntos de datos de manera eficiente con métodos vectorizados. Crear flujos de trabajo para limpieza, transformación y análisis automatizados.

Veamos un ejemplo de uso.

ejemplo.py

import pandas as pd

# Crear un DataFrame
data = {'nombre': ['Ana', 'Bob', 'Clara'], 'edad': [25, 30, 22]}
df = pd.DataFrame(data)

# Filtrar mayores de 24 años
df_filtrado = df[df['edad'] > 24]

# Guardar en CSV
df_filtrado.to_csv('resultado.csv')
print(df_filtrado)

Ejecutamos:

$ py ejemplo.py

Salida:

  nombre  edad
0    Ana    25
1    Bob    30

Generará un archivo CSV con el nombre de ``resultado.csv``.

En conclusión, Pandas es ideal para trabajar con datos tabulares y es ampliamente usado en ciencia de datos, finanzas, marketing, y más.

Enlaces:

https://pandas.pydata.org/


Comentarios

Entradas populares de este blog

Programación Windows Batch (CMD) parte 3

Crear ciclos para efectuar operaciones tediosas nos ahorrará tiempo para realizar otras tareas. En está ocasión veremos ciclos con FOR . ¿Cuál es la síntaxis de bucle FOR en Windows Batch? Si está dentro de un archivo *.bat : FOR %%variable IN (seq) DO operaciones Si lo ejecutamos en una terminal: FOR %variable IN (seq) DO operaciones Ejemplo 1 . Recorrer una secuencia de números del 0 al 5: recorrer.bat @ echo off FOR %%i in ( 0 1 2 3 4 5 ) DO echo Hola no. %%i pause Nos imprimirá en pantalla: Hola no. 0 Hola no. 1 Hola no. 2 Hola no. 3 Hola no. 4 Hola no. 5 ¿Puedo usar contadores? Si, se pueden usar. Ejemplo 2 . Uso de contadores: contador.bat @ echo off set numeros = 1 2 3 4 5 6 7 8 9 10 set cont = 0 for %%a in ( %numeros% ) do ( echo Hola no. %%a :: Contador set /a cont+ = 1 ) echo Total: %cont% Este código nos imprimirá, además de los mensajes Hola no. 0 ..., el total de valores conta...

TIOBE index 2024

El índice TIOBE (o índice de la comunidad de programación TIOBE) mide la popularidad de los lenguajes de programación. Su índice no se basa en qué lenguaje de programación es mejor, si tiene mejor perfomance, si posee escalabilidad, si es más sencillo de aprender, de usar, de implementar, etc. Sólo se basa en la popularidad. En el número de referencias ya sea en blogs, foros de consulta, etc. No necesariamente si las empresas lo están usando en alguno de sus desarrollos. Este índice es útil para darse una idea qué lenguaje está cobrando más popularidad y prestigio. Enseguida una tabla con los primeros 5 lenguajes más populares. Índice de Noviembre 2024   Nov 2024  Nov 2023  Change  Programming Language  Ratings  Change  1  1    Python  22.85%  +8.69%  2  3  +  C++  10.64%  +0.29%  3  4  +  Java  9.60%  +1.26%  4 ...

Programación Windows Batch (CMD) parte 4

Siguiendo con la serie de post sobre programación ( 1 , 2 , y 3 ) batch ahora veremos algunas cosas como operaciones aritméticas, operadores lógicos  y uso de ficheros. Cuando somos administradores de servidores o desarrolladores muchas veces tenemos que realizar tareas que nos quitan, relativamente, tiempo valioso que podríamos ocupar para otras cosas (como ver nuestro Facebook, jeje, broma).  Aprender a escribir scripts que nos faciliten algunas tareas siempre es útil. Por ejemplo, conocer todas las características técnicas de nuestro equipo de cómputo nos servirá cuando se realiza peritajes informáticos y soporte al equipo. Realizar respaldos automáticos a nuestras carpetas , archivos y directorios será más sencillo gracias a un script. Pero antes debemos aprender lo básico de la programación en batch. Ejemplo 1. Operaciones aritméticas básicas. aritmetica.bat @ echo off ::Nombre del archivo, imprimirá: aritmetica.bat echo %0 :: Set nos servirá para a...