Series y DataFrames
Mapa conceptual
- Python para Datos
- Entorno
- pip
- venv
- Reproducibilidad
- Funcional
- Comprensiones
- Lambda
- map filter
- Calidad
- try except
- pytest
- Asserts
- NumPy
- Arrays
- Broadcasting
- Indexacion
- Pandas
- DataFrame
- Groupby
- Merge Join
- Entorno
¿Por qué Pandas?
Un array NumPy es numérico y posicional, pero no sabe qué significa cada columna. Pandas añade nombres de columnas, un índice etiquetado, manejo de datos ausentes y utilidades de entrada y salida. Es la hoja de cálculo llevada a código, con toda la potencia de Python detrás.
La Series
Una Series es una columna etiquetada: valores con un índice asociado. Puede crearse desde una lista, un diccionario o un array. Guarda un dtype único y permite operaciones alineadas por etiqueta, no solo por posición.
El DataFrame
Un DataFrame es una colección de Series que comparten índice: una tabla bidimensional donde cada columna puede tener su propio tipo (números, texto, fechas). Es la estructura central del análisis exploratorio en Python.
Construir un DataFrame
- Desde un diccionario de columnas: ciudad: [...], temp: [...] pasado a pd.DataFrame().
- Desde un registro por filas: una lista de diccionarios, cada uno una fila.
- Desde un archivo: pd.read_csv o pd.read_excel, que ya lo cargan tabulado.
Primeros gestos de inspección
- df.head() y df.tail(): asomarse a las primeras y últimas filas.
- df.shape: filas y columnas; df.columns: nombres; df.dtypes: tipo de cada columna.
- df.info(): resumen con tipos y conteo de valores no nulos, de un vistazo.
| Método | Qué revela | Cuándo lo usarías |
|---|---|---|
| shape | dimensiones de la tabla | para saber el tamaño del dataset |
| info() | tipos y no nulos por columna | primer contacto con datos nuevos |
| describe() | estadísticos numéricos | ver rangos y valores extraños |
| head(n) | las n primeras filas | comprobar que se cargó bien |
¿Cuál es la diferencia esencial entre una Series y un DataFrame?
describe y tipos
describe() resume las columnas numéricas con media, desviación, cuartiles y extremos: un chequeo rápido que delata valores imposibles (una edad de 200, una temperatura de 900). Revisar dttypes te dice si una columna que creías numérica se cargó como texto.
Índice etiquetado
A diferencia de NumPy, el índice de Pandas no tiene por qué ser entero: puede ser una fecha o un código. Ese índice gobierna la alineación: al sumar dos Series, Pandas empareja por etiqueta, no por posición.
loc e iloc
- df.loc[etiqueta]: selección por etiqueta de fila y nombre de columna.
- df.iloc[posicion]: selección por entero, como en NumPy.
- Ambos aceptan filas y columnas separadas por coma y devuelven una Series o un DataFrame.
Fenómeno de datos ausentes
Pandas representa lo que falta con NaN. Es contagioso en operaciones y exige estar atento: df.isna().sum() cuenta cuántos huecos hay por columna, el primer diagnóstico de calidad de un dataset.
Errores frecuentes
- Ignorar los dtypes y operar sobre columnas numéricas guardadas como texto.
- Confundir etiqueta y posición al indexar, obteniendo filas inesperadas.
- Crear una columna copiando de otro DataFrame sin cuidado y propagar NaN por etiquetas que no coinciden.
En un DataFrame, cada columna puede tener un tipo de dato distinto.
Encadenar exploración
Las operaciones de Pandas devuelven DataFrames, así que se pueden encadenar: filtrar, seleccionar columnas y ordenar en una sola expresión legible. Ese estilo encadenado es la firma del código Pandas maduro.
Asigna cada gesto a su pregunta:
Arrastra cada ficha a su categoría (o tócala y luego toca la categoría). También puedes usar el teclado.
Pandas DocsGuía de inicio oficial sobre Series y DataFrames.
Recibes un CSV de ventas. Escribe la secuencia de tres o cuatro comandos de Pandas con los que lo inspeccionarías por primera vez y explica qué quieres aprender en cada paso.
Tu texto se guarda sólo en este dispositivo.
Documentacion pandasGuia de referencia para manipulacion de datos en Python.
Comentarios
Inicia sesión para comentar.
Todavía no hay comentarios. Sé la primera persona en opinar.