Clase 07 · 16 minGratis

Pandas: la librería que convierte a Python en un Excel con superpoderes

Clase 7 del curso gratis de Python para Análisis de Datos: qué es un DataFrame, cómo seleccionar columnas, estadísticas con un comando y la diferencia entre Serie y DataFrame.

Si vas a analizar datos con Python, esta es probablemente la librería más importante. Pandas es la que se usa en la industria para manejar tablas de datos. Por debajo usa NumPy, pero tú trabajas con algo mucho más familiar: una tabla.

Un DataFrame es una tabla

El tipo de dato central de Pandas se llama DataFrame. Traducción: una tabla, con filas y columnas. Si en Excel se puede, en Pandas seguro también.

python
import pandas as pd   # «pd» es el alias estándar

gastos = pd.read_csv("gastos.csv")
gastos.head()         # las primeras 5 filas
gastos.shape          # (filas, columnas)

También puedes crear uno desde un diccionario:

python
pd.DataFrame({
    "nombre": ["Andrés", "Pablo", "María"],
    "edad": [29, 30, 31],
})

Seleccionar una columna: la Serie

python
valores = gastos["valor"]

Cada columna de un DataFrame es una Serie. Un DataFrame es, en el fondo, un conjunto de Series que comparten las mismas filas.

Estadística con un comando

python
valores.sum()       # total
valores.mean()      # promedio
valores.max()       # máximo
valores.min()       # mínimo
valores.describe()  # todo de una vez: conteo, promedio, desviación, cuartiles

Con cinco registros lo podrías hacer a mano, pero con un DataFrame de millones de filas funciona igual (solo se demora un poco más).

¿Y Polars?

Hay alternativas más nuevas, como Polars, que se venden como más rápidas. Pero en la industria Pandas es lo que se utiliza: es más fácil, está muy bien documentado y tiene una comunidad enorme. Si en algún momento quieres hacer algo y no sabes el comando, revisa la documentación oficial: ahí están todos sus «superpoderes».

El reto de esta clase

Con los gastos de tres meses: cuántos registros hay, el promedio de un gasto, el más alto y el más bajo, cuántos son de café, y qué significa la desviación estándar en describe(). Enunciado y solución en el material.

Te avisamos de cada clase nueva

Un correo el día del estreno, con el video y sus apuntes. Gratis, y te das de baja cuando quieras.

Gratis y sin tarjeta. Te escribimos para avisarte de cada clase y puedes darte de baja cuando quieras.

Seguir el canal de WhatsApp