Añadir y eliminar columnas

La forma más sencilla de añadir una columna es mediante asignación directa: df['new_col'] = values. El lado derecho puede ser un escalar (se propaga a todas las filas), una lista de la misma longitud, un array de NumPy, una Serie de Pandas (alineada por índice) o una expresión calculada a partir de columnas existentes. Las columnas nuevas se añaden a la derecha del DataFrame.

Una de las operaciones más comunes con un DataFrame es crear características derivadas a partir de columnas existentes. Puede calcular totales acumulados, proporciones, indicadores o codificar valores categóricos mediante una sola expresión vectorizada. Estas columnas calculadas se actualizan automáticamente cuando cambian las columnas de origen si vuelve a calcularlas, lo que facilita reproducir los pipelines de ingeniería de características.

df.assign(new_col=expression) devuelve un nuevo DataFrame con la columna añadida sin modificar el original. A diferencia de la asignación directa, se integra de forma natural en una cadena de métodos. Puede añadir varias columnas en una sola llamada, y las expresiones de columnas posteriores pueden hacer referencia a las columnas anteriores definidas en la misma llamada a assign() mediante funciones lambda.

df.rename(columns={'old': 'new'}) devuelve un nuevo DataFrame con las columnas renombradas. Pase un diccionario para cambiar el nombre de determinadas columnas sin afectar a las demás. También puede cambiar los nombres mediante una función: df.rename(columns=str.upper) convierte a mayúsculas todos los nombres de columna. Cambie siempre los nombres antes de combinar DataFrames de distintos orígenes para garantizar que las columnas clave coincidan.

En los datos reales, los nombres de las columnas suelen contener espacios, caracteres especiales o un uso incoherente de mayúsculas y minúsculas. Un paso habitual de preprocesamiento consiste en normalizarlos: eliminar los espacios en blanco, convertirlos a minúsculas y sustituir los espacios por guiones bajos. Esto permite acceder a las columnas mediante la notación de punto y evita problemas de comillas en las cadenas de consulta similares a SQL.

df.insert(loc, column, value) inserta una columna en la posición entera loc y desplaza las demás columnas hacia la derecha. Esto resulta útil cuando quiere que la nueva columna aparezca junto a columnas relacionadas en lugar de al final. Modifica el DataFrame directamente, a diferencia de assign().

df.drop(columns=['col1', 'col2']) devuelve un nuevo DataFrame sin esas columnas. La sintaxis anterior df.drop(['col1', 'col2'], axis=1) también funciona, pero resulta menos legible. Para eliminar las columnas directamente, pase inplace=True. En los pipelines, prefiera devolver un nuevo DataFrame para conservar el original y poder compararlo o revertir los cambios.

df.drop(index=['r1', 'r2']) elimina filas por etiqueta. df.drop([0, 2]) elimina las filas 0 y 2 de un índice entero predeterminado. La eliminación de filas se utiliza habitualmente para quitar registros incorrectos conocidos, valores atípicos o filas de prueba después de limpiar los datos. Para eliminar filas según una condición, prefiera la indexación booleana, ya que mantiene el código legible.

df.pop('col') elimina la columna del DataFrame directamente y la devuelve como una Series. Esto resulta útil cuando necesita extraer una columna objetivo (etiqueta) de una matriz de características: la elimina del DataFrame y la conserva por separado para usarla como variable y en un modelo.

Para reordenar las columnas, selecciónelas en el orden deseado mediante df[['col3', 'col1', 'col2']]. En DataFrames grandes en los que solo quiere mover unas pocas columnas, calcule el orden deseado mediante programación: coloque las columnas prioritarias al principio y deje que las demás vayan después. Este es un paso habitual de preparación de informes antes de exportar a Excel.

Para actualizar todos los valores de una columna existente se utiliza la misma sintaxis de asignación que para añadir una nueva: df['col'] = new_values. Use df.loc[mask, 'col'] = value para actualizar únicamente las filas que coincidan con una condición. No use nunca indexación encadenada para realizar actualizaciones; use siempre .loc para evitar el aviso SettingWithCopyWarning.

Compruebe sus conocimientos sobre cómo añadir y eliminar columnas en esta lección.

En esta lección ha aprendido que: las nuevas columnas se añaden mediante asignación o con assign(), que es compatible con el encadenamiento de métodos; rename() cambia los nombres de las columnas sin alterar los datos; y drop() elimina columnas o filas y devuelve un nuevo DataFrame de forma predeterminada. A continuación usaremos head(), tail(), info() y describe() para crear rápidamente un perfil de cualquier DataFrame.