Selección de columnas y filas

Acceda a una sola columna por su nombre mediante la notación de corchetes df['col'], que devuelve una Serie. También puede usar la notación de punto df.col cuando el nombre de la columna sea un identificador válido de Python y no contenga espacios. La notación de corchetes siempre es segura; la notación de punto falla con nombres que coinciden con métodos del DataFrame, como count o mean.

Para seleccionar varias columnas, pase una lista de nombres de columnas dentro de los corchetes: df[['col1', 'col2']]. Observe los corchetes dobles: el par exterior es el operador de indexación y el interior crea una lista de Python. El resultado es un DataFrame, no una Serie. Esto se utiliza habitualmente para extraer una matriz de características para el aprendizaje automático.

df.loc[row_label, col_label] selecciona datos por etiqueta. Proporcione una etiqueta individual, una lista de etiquetas o un segmento tanto para las filas como para las columnas. df.loc[:, 'score'] selecciona todas las filas de la columna 'score'. df.loc['r1':'r3', ['a', 'b']] selecciona las filas de r1 a r3 (ambas inclusive) para las columnas a y b.

df.iloc[row_pos, col_pos] selecciona por posición entera, ignorando las etiquetas. Ambos argumentos siguen las convenciones de segmentos de Python, con límites finales exclusivos. df.iloc[:, 0] selecciona la primera columna como una Serie. df.iloc[0:2, 1:3] selecciona un sub-DataFrame rectangular de 2×2 desde la esquina superior izquierda.

Pase a .loc una Serie booleana (con el mismo índice que el DataFrame) para filtrar filas. Cree la Serie booleana a partir de una condición sobre una columna. Puede combinar condiciones con & y |. Este es el patrón de filtrado estándar en el análisis de datos con Pandas y resulta mucho más expresivo que las cláusulas WHERE de SQL para condiciones complejas que abarcan varias columnas.

Cada condición debe estar entre paréntesis y combinarse con & (AND) o | (OR). Usar las palabras clave and/or de Python con Series produce un error. Para negar una condición, use ~ (tilde) en lugar de not. Compruebe siempre las condiciones por separado antes de combinarlas para localizar el origen de resultados inesperados.

df.iloc[n] devuelve la fila n como una Serie. df.iloc[n:m] devuelve las filas n a m-1 como un DataFrame. df.iloc[[0, 2, 4]] selecciona filas concretas por posición mediante indexación avanzada. Estas operaciones equivalen a la selección de filas de un array de NumPy y suelen utilizarse para dividir datos de entrenamiento y prueba antes de aplicar modelos de aprendizaje automático.

Tanto .loc como .iloc aceptan dos argumentos: df.loc[row_selector, col_selector]. Esto permite realizar una selección rectangular precisa en una sola expresión. Dos puntos : por sí solos seleccionan todas las filas o todas las columnas. Este patrón es fundamental para extraer una matriz de características con columnas específicas únicamente para las filas de entrenamiento de un conjunto de datos.

Cuando pasa una etiqueta escalar individual a df.loc[label], el resultado es una Serie cuyo índice está formado por los nombres de las columnas. Esto resulta útil para inspeccionar un registro concreto. Para obtener un DataFrame de una sola fila, incluya la etiqueta en una lista: df.loc[[label]]. La diferencia es importante al pasar resultados a funciones que esperan un DataFrame.

df.at[row_label, col_name] y df.iat[row_pos, col_pos] recuperan o establecen un único valor escalar con menos sobrecarga que .loc/.iloc. Están diseñados para bucles que actualizan celdas individuales. En código de producción, prefiera siempre las operaciones vectorizadas a las actualizaciones celda a celda, pero use at/iat cuando realmente necesite iterar.

La indexación encadenada, como df['col'][condition] o df[mask]['col'] = val, puede producir un SettingWithCopyWarning porque Pandas podría operar sobre una copia en lugar del original. Use siempre una única expresión .loc para cualquier modificación: df.loc[mask, 'col'] = val. Este es el patrón correcto y no genera advertencias.

En esta lección ha aprendido que .loc selecciona filas y columnas por etiqueta, con límites de segmento inclusivos, que .iloc selecciona por posición entera, con límites exclusivos como los segmentos de Python y que las condiciones booleanas aplicadas mediante .loc filtran filas sin el problema de SettingWithCopyWarning de la indexación encadenada. A continuación, añadiremos columnas calculadas, cambiaremos el nombre de las existentes y eliminaremos columnas no deseadas con drop().