Indexación booleana en DataFrames

La indexación booleana permite filtrar filas de un DataFrame aplicando una condición que produce una Series con valores True y False. Solo se devuelven las filas cuya condición es True. Esta es una de las técnicas de selección más utilizadas en Pandas porque resulta legible y rápida.

Por ejemplo, dado un DataFrame de ventas, puede recuperar al instante todas las filas cuyos ingresos superen 1000 sin escribir un bucle.

Una vez que tiene una máscara booleana, pásela entre corchetes al DataFrame para seleccionar únicamente las filas coincidentes. El resultado es un DataFrame nuevo; el original nunca se modifica. Los índices de fila del original se conservan, por lo que siempre sabrá de dónde procede cada fila.

Este patrón —crear la máscara y aplicarla después— es la forma idiomática estándar de Pandas para filtrar filas.

No es necesario asignar la Series booleana a una variable. Puede escribir la condición en línea directamente entre los corchetes: df[df['col'] > value]. Este estilo de una sola línea es muy habitual en los notebooks de análisis de datos porque mantiene el código compacto y legible.

Ambos enfoques —variable de máscara y condición en línea— producen resultados idénticos. Utilice una variable cuando la condición sea compleja o se reutilice; use la condición en línea para filtros sencillos y puntuales.

Para exigir que ambas condiciones sean verdaderas, combínelas con el operador &, no con la palabra clave and de Python, que no funciona elemento a elemento en los arrays. Cada condición debe estar entre paréntesis porque & tiene mayor precedencia que los operadores de comparación.

El resultado conserva únicamente las filas en las que todas las subcondiciones se evalúan como True.

Utilice el operador | para conservar las filas en las que al menos una condición sea verdadera. Al igual que con &, cada subcondición debe estar entre paréntesis. El operador | realiza un OR lógico elemento a elemento en los arrays booleanos.

Es totalmente válido combinar & y |; solo debe prestar atención a los paréntesis para establecer el orden de evaluación correcto y evitar errores lógicos sutiles.

El operador tilde ~ invierte una Series booleana: convierte True en False y viceversa. Utilice ~ para expresar una lógica «NOT»: conserve las filas que no coincidan con una condición. Esto es más limpio que construir manualmente la condición opuesta.

Por ejemplo, df[~df['status'].isin(['cancelled', 'refunded'])] conserva todas las filas excepto las correspondientes a esos dos estados.

La indexación booleana funciona igual de bien con columnas de texto. Puede filtrar una coincidencia exacta con == o utilizar métodos de .str como .str.startswith(), .str.contains() o .str.upper() dentro de la condición para realizar un filtrado de texto flexible.

Las comparaciones de cadenas en Pandas distinguen entre mayúsculas y minúsculas de forma predeterminada, por lo que 'NYC' y 'nyc' se tratan como valores distintos. Normalice las mayúsculas y minúsculas antes si es necesario.

Los análisis complejos suelen requerir condiciones en varias columnas combinadas con & y |. Divida las condiciones muy largas en Series booleanas con nombre para mejorar la legibilidad; cada una actúa como un subfiltro con nombre que combinará al final.

Este enfoque deja clara su intención: cada línea se lee como una frase que describe una parte de la lógica del filtro.

La indexación booleana filtra filas, pero a veces querrá añadir una columna nueva según una condición en lugar de eliminar filas. np.where(condition, value_if_true, value_if_false) es el equivalente vectorizado de un if/else aplicado elemento a elemento a una columna, y es mucho más rápido que usar apply con una lambda.

Puede actualizar valores directamente en las filas filtradas mediante .loc[mask, column]. Esta es la forma segura de establecer valores en un subconjunto; utilizar indexación encadenada como df[mask]['col'] = value puede generar un SettingWithCopyWarning porque opera sobre una copia.

Prefiera siempre df.loc[mask, 'col'] = value cuando quiera modificar directamente el DataFrame original.

Como internamente los valores booleanos son 1 (True) y 0 (False), puede llamar a .sum() en una máscara para contar las filas coincidentes o a .mean() para obtener la fracción de filas que coinciden. Estos recuentos rápidos le ayudan a verificar la lógica del filtro antes de aplicarlo para seleccionar filas.

Compruebe su comprensión de la indexación booleana en DataFrames.

En esta lección ha aprendido: las máscaras booleanas filtran filas aplicando una condición a una columna, los operadores & y | combinan varias condiciones (no son las palabras clave and/or de Python) y ~ invierte una máscara booleana para aplicar una lógica NOT. Utilice df.loc[mask, col] = value para asignar valores de forma segura a las filas filtradas. A continuación, exploraremos el método query() para escribir filtros como cadenas legibles.