Introducción a Pandas

Pandas es una potente biblioteca de Python para el análisis y la manipulación de datos. Proporciona estructuras de datos como DataFrame y Series, que facilitan la limpieza, transformación y análisis de datos.

En esta lección, aprenderá los conceptos básicos de Pandas y cómo utilizarlo para analizar datos.

Instalación de Pandas

Para instalar Pandas, utilice el siguiente comando en su terminal:

pip install pandas

Una vez instalada, puede importar Pandas en sus scripts de Python:

# Importing pandas
import pandas as pd

print("Pandas imported successfully")

¿Qué es un DataFrame?

Un DataFrame es una estructura de datos tabular bidimensional de Pandas. Es similar a una hoja de cálculo o a una tabla SQL.

Puede crear un DataFrame a partir de un diccionario, una lista o un archivo externo:

# Creating a DataFrame from a dictionary
data = {
    "Name": ["Alice", "Bob", "Charlie"],
    "Age": [25, 30, 35],
    "City": ["New York", "London", "Paris"]
}
df = pd.DataFrame(data)
print(df)

Lectura de datos desde archivos

Pandas facilita la lectura de datos desde archivos externos, como archivos CSV, Excel y JSON:

# Reading data from a CSV file
df = pd.read_csv("data.csv")
print(df.head())  # Displays the first 5 rows

Inspección de un DataFrame

Puede inspeccionar la estructura y el contenido de un DataFrame mediante métodos como head(), info() y describe():

# Inspecting a DataFrame
df = pd.read_csv("data.csv")
print(df.info())  # Displays information about the DataFrame
print(df.describe())  # Provides statistical summaries

Filtrado y selección de datos

Pandas permite filtrar filas y seleccionar columnas fácilmente mediante condiciones e indexación:

# Filtering and selecting data
filtered_df = df[df['Age'] > 30]  # Select rows where Age > 30
print(filtered_df[['Name', 'City']])  # Select specific columns

Limpieza de datos

Pandas proporciona métodos para limpiar datos, como gestionar valores faltantes, cambiar el nombre de las columnas y eliminar duplicados:

# Handling missing values
df.fillna(0, inplace=True)  # Replace NaN values with 0

# Renaming columns
df.rename(columns={"Name": "Full Name"}, inplace=True)

# Dropping duplicates
df.drop_duplicates(inplace=True)
print(df)

Realización de agregaciones

Pandas permite realizar agregaciones, como sumar, calcular promedios y agrupar datos:

# Grouping and aggregating data
grouped = df.groupby('City')['Age'].mean()
print(grouped)  # Displays average age for each city

Errores comunes con Pandas

Estos son algunos errores que debe evitar:

• No gestionar correctamente los valores faltantes.
• Utilizar bucles ineficientes en lugar de operaciones vectorizadas.
• Olvidar especificar inplace=True en las operaciones que modifican los datos.

¿Qué hemos aprendido?

En esta lección, aprendió:

• Cómo instalar e importar Pandas.
• La estructura de los DataFrames y cómo crearlos.
• Cómo leer, limpiar, filtrar y agregar datos mediante Pandas.

¡Buen trabajo! Pasemos al siguiente tema.