-
Notifications
You must be signed in to change notification settings - Fork 6
Expand file tree
/
Copy path07_Pandas.html
More file actions
2153 lines (2098 loc) · 252 KB
/
07_Pandas.html
File metadata and controls
2153 lines (2098 loc) · 252 KB
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
625
626
627
628
629
630
631
632
633
634
635
636
637
638
639
640
641
642
643
644
645
646
647
648
649
650
651
652
653
654
655
656
657
658
659
660
661
662
663
664
665
666
667
668
669
670
671
672
673
674
675
676
677
678
679
680
681
682
683
684
685
686
687
688
689
690
691
692
693
694
695
696
697
698
699
700
701
702
703
704
705
706
707
708
709
710
711
712
713
714
715
716
717
718
719
720
721
722
723
724
725
726
727
728
729
730
731
732
733
734
735
736
737
738
739
740
741
742
743
744
745
746
747
748
749
750
751
752
753
754
755
756
757
758
759
760
761
762
763
764
765
766
767
768
769
770
771
772
773
774
775
776
777
778
779
780
781
782
783
784
785
786
787
788
789
790
791
792
793
794
795
796
797
798
799
800
801
802
803
804
805
806
807
808
809
810
811
812
813
814
815
816
817
818
819
820
821
822
823
824
825
826
827
828
829
830
831
832
833
834
835
836
837
838
839
840
841
842
843
844
845
846
847
848
849
850
851
852
853
854
855
856
857
858
859
860
861
862
863
864
865
866
867
868
869
870
871
872
873
874
875
876
877
878
879
880
881
882
883
884
885
886
887
888
889
890
891
892
893
894
895
896
897
898
899
900
901
902
903
904
905
906
907
908
909
910
911
912
913
914
915
916
917
918
919
920
921
922
923
924
925
926
927
928
929
930
931
932
933
934
935
936
937
938
939
940
941
942
943
944
945
946
947
948
949
950
951
952
953
954
955
956
957
958
959
960
961
962
963
964
965
966
967
968
969
970
971
972
973
974
975
976
977
978
979
980
981
982
983
984
985
986
987
988
989
990
991
992
993
994
995
996
997
998
999
1000
<!DOCTYPE html>
<html xmlns="http://www.w3.org/1999/xhtml" lang="en" xml:lang="en">
<head>
<meta charset="utf-8">
<meta name="generator" content="quarto-1.3.450">
<meta name="viewport" content="width=device-width, initial-scale=1.0, user-scalable=yes">
<meta name="author" content="Andrés Quintero-Zea">
<meta name="dcterms.date" content="2024-08-28">
<title>Manipulación de datos con Pandas</title>
<style>
code {
white-space: pre-wrap;
}
span.smallcaps {
font-variant: small-caps;
}
div.columns {
display: flex;
gap: min(4vw, 1.5em);
}
div.column {
flex: auto;
overflow-x: auto;
}
div.hanging-indent {
margin-left: 1.5em;
text-indent: -1.5em;
}
ul.task-list {
list-style: none;
}
ul.task-list li input[type="checkbox"] {
width: 0.8em;
margin: 0 0.8em 0.2em -1em;
/* quarto-specific, see https://github.com/quarto-dev/quarto-cli/issues/4556 */
vertical-align: middle;
}
/* CSS for syntax highlighting */
pre>code.sourceCode {
white-space: pre;
position: relative;
}
pre>code.sourceCode>span {
display: inline-block;
line-height: 1.25;
}
pre>code.sourceCode>span:empty {
height: 1.2em;
}
.sourceCode {
overflow: visible;
}
code.sourceCode>span {
color: inherit;
text-decoration: inherit;
}
div.sourceCode {
margin: 1em 0;
}
pre.sourceCode {
margin: 0;
}
@media screen {
div.sourceCode {
overflow: auto;
}
}
@media print {
pre>code.sourceCode {
white-space: pre-wrap;
}
pre>code.sourceCode>span {
text-indent: -5em;
padding-left: 5em;
}
}
pre.numberSource code {
counter-reset: source-line 0;
}
pre.numberSource code>span {
position: relative;
left: -4em;
counter-increment: source-line;
}
pre.numberSource code>span>a:first-child::before {
content: counter(source-line);
position: relative;
left: -1em;
text-align: right;
vertical-align: baseline;
border: none;
display: inline-block;
-webkit-touch-callout: none;
-webkit-user-select: none;
-khtml-user-select: none;
-moz-user-select: none;
-ms-user-select: none;
user-select: none;
padding: 0 4px;
width: 4em;
}
pre.numberSource {
margin-left: 3em;
padding-left: 4px;
}
@media screen {
pre>code.sourceCode>span>a:first-child::before {
text-decoration: underline;
}
}
</style>
<script src="assets/quarto-nav/quarto-nav.js"></script>
<script src="assets/quarto-nav/headroom.min.js"></script>
<script src="assets/clipboard/clipboard.min.js"></script>
<script src="assets/quarto-search/autocomplete.umd.js"></script>
<script src="assets/quarto-search/fuse.min.js"></script>
<script src="assets/quarto-search/quarto-search.js"></script>
<meta name="quarto:offset" content="./">
<link href="./08_EDA.html" rel="next">
<link href="./06_Numpy.html" rel="prev">
<script src="assets/quarto-html/quarto.js"></script>
<script src="assets/quarto-html/popper.min.js"></script>
<script src="assets/quarto-html/tippy.umd.min.js"></script>
<script src="assets/quarto-html/anchor.min.js"></script>
<link href="assets/quarto-html/tippy.css" rel="stylesheet">
<link href="assets/quarto-html/quarto-syntax-highlighting.css" rel="stylesheet"
id="quarto-text-highlighting-styles">
<script src="assets/bootstrap/bootstrap.min.js"></script>
<link href="assets/bootstrap/bootstrap-icons.css" rel="stylesheet">
<link href="assets/bootstrap/bootstrap.min.css" rel="stylesheet" id="quarto-bootstrap" data-mode="light">
<script id="quarto-search-options" type="application/json">{
"location": "sidebar",
"copy-button": false,
"collapse-after": 3,
"panel-placement": "start",
"type": "textbox",
"limit": 20,
"language": {
"search-no-results-text": "No results",
"search-matching-documents-text": "matching documents",
"search-copy-link-title": "Copy link to search",
"search-hide-matches-text": "Hide additional matches",
"search-more-match-text": "more match in this document",
"search-more-matches-text": "more matches in this document",
"search-clear-button-title": "Clear",
"search-detached-cancel-button-title": "Cancel",
"search-submit-button-title": "Submit",
"search-label": "Search"
}
}</script>
<script src="https://cdnjs.cloudflare.com/ajax/libs/require.js/2.3.6/require.min.js"
integrity="sha512-c3Nl8+7g4LMSTdrm621y7kf9v3SDPnhxLNhcjFJbKECVnmZHTdo+IRO05sNLTH/D3vA6u1X32ehoLC7WFVdheg=="
crossorigin="anonymous"></script>
<script src="https://cdnjs.cloudflare.com/ajax/libs/jquery/3.5.1/jquery.min.js"
integrity="sha512-bLT0Qm9VnAYZDflyKcBaQ2gg0hSYNQrJ8RilYldYQ1FxQYoCLtUjuuRuZo+fjqhx/qtq/1itJ0C2ejDxltZVFg=="
crossorigin="anonymous"></script>
<script type="application/javascript">define('jquery', [], function () { return window.jQuery; })</script>
<script src='https://cdnjs.cloudflare.com/ajax/libs/mathjax/2.7.4/MathJax.js?config=default'></script>
</head>
<body class="nav-sidebar floating">
<!-- content -->
<div id="quarto-content" class="quarto-container page-columns page-rows-contents page-layout-article">
<!-- sidebar -->
<nav id="quarto-sidebar" class="sidebar collapse collapse-horizontal sidebar-navigation floating overflow-auto">
<div class="pt-lg-2 mt-2 text-left sidebar-header sidebar-header-stacked">
<img src="./LogoNuevo.png" alt="" class="sidebar-logo py-0 d-lg-inline d-none">
<div class="sidebar-title mb-0 py-0">
<a href="./index.html">Programación PRE2013A45</a>
</div>
</div>
<div class="sidebar-menu-container">
<ul class="list-unstyled mt-1">
<li class="sidebar-item sidebar-item-section">
<div class="sidebar-item-container">
<a class="sidebar-item-text sidebar-link text-start" data-bs-toggle="collapse"
data-bs-target="#quarto-sidebar-section-1" aria-expanded="true">
<span class="menu-text">Python</span></a>
<a class="sidebar-item-toggle text-start" data-bs-toggle="collapse"
data-bs-target="#quarto-sidebar-section-1" aria-expanded="true"
aria-label="Toggle section">
<i class="bi bi-chevron-right ms-2"></i>
</a>
</div>
<ul id="quarto-sidebar-section-1" class="collapse list-unstyled sidebar-section depth1 show">
<li class="sidebar-item">
<div class="sidebar-item-container">
<a href="./01_Intro_Python.html" class="sidebar-item-text sidebar-link">
<span class="menu-text"><span class="chapter-number">1</span> <span
class="chapter-title">Introducción a Python</span></span></a>
</div>
</li>
<li class="sidebar-item">
<div class="sidebar-item-container">
<a href="./02_Estructuras_control.html" class="sidebar-item-text sidebar-link">
<span class="menu-text"><span class="chapter-number">2</span> <span
class="chapter-title">Estructuras de control</span></span></a>
</div>
</li>
<li class="sidebar-item">
<div class="sidebar-item-container">
<a href="./03_Funciones.html" class="sidebar-item-text sidebar-link">
<span class="menu-text"><span class="chapter-number">3</span> <span
class="chapter-title">Funciones</span></span></a>
</div>
</li>
<li class="sidebar-item">
<div class="sidebar-item-container">
<a href="./04_Estructura_datos.html" class="sidebar-item-text sidebar-link">
<span class="menu-text"><span class="chapter-number">4</span> <span
class="chapter-title">Estructuras de datos avanzadas</span></span></a>
</div>
</li>
<li class="sidebar-item">
<div class="sidebar-item-container">
<a href="./05_Archivos_excepciones.html" class="sidebar-item-text sidebar-link">
<span class="menu-text"><span class="chapter-number">5</span> <span
class="chapter-title">Manejo de archivos y excepciones</span></span></a>
</div>
</li>
</ul>
</li>
<li class="sidebar-item sidebar-item-section">
<div class="sidebar-item-container">
<a class="sidebar-item-text sidebar-link text-start" data-bs-toggle="collapse"
data-bs-target="#quarto-sidebar-section-2" aria-expanded="true">
<span class="menu-text">Análisis de Datos</span></a>
<a class="sidebar-item-toggle text-start" data-bs-toggle="collapse"
data-bs-target="#quarto-sidebar-section-2" aria-expanded="true"
aria-label="Toggle section">
<i class="bi bi-chevron-right ms-2"></i>
</a>
</div>
<ul id="quarto-sidebar-section-2" class="collapse list-unstyled sidebar-section depth1 show">
<li class="sidebar-item">
<div class="sidebar-item-container">
<a href="./06_Numpy.html" class="sidebar-item-text sidebar-link">
<span class="menu-text"><span class="chapter-number">6</span> <span
class="chapter-title">Introducción a Numpy</span></span></a>
</div>
</li>
<li class="sidebar-item">
<div class="sidebar-item-container">
<a href="./07_Pandas.html" class="sidebar-item-text sidebar-link active">
<span class="menu-text"><span class="chapter-number">7</span> <span
class="chapter-title">Manipulación de datos con Pandas</span></span></a>
</div>
</li>
<li class="sidebar-item">
<div class="sidebar-item-container">
<a href="./08_Matplotlib.html" class="sidebar-item-text sidebar-link">
<span class="menu-text"><span class="chapter-number">8</span> <span
class="chapter-title">Visualización de datos con
Matplotlib y Seaborn</span></span></a>
</div>
</li>
<li class="sidebar-item">
<div class="sidebar-item-container">
<a href="./09_EDA.html" class="sidebar-item-text sidebar-link">
<span class="menu-text"><span class="chapter-number">9</span> <span
class="chapter-title">Análisis exploratorio de datos</span></span></a>
</div>
</li>
</ul>
</li>
<li class="sidebar-item sidebar-item-section">
<div class="sidebar-item-container">
<a class="sidebar-item-text sidebar-link text-start" data-bs-toggle="collapse"
data-bs-target="#quarto-sidebar-section-3" aria-expanded="true">
<span class="menu-text">Ciencia de Datos</span></a>
<a class="sidebar-item-toggle text-start" data-bs-toggle="collapse"
data-bs-target="#quarto-sidebar-section-3" aria-expanded="true"
aria-label="Toggle section">
<i class="bi bi-chevron-right ms-2"></i>
</a>
</div>
<ul id="quarto-sidebar-section-3" class="collapse list-unstyled sidebar-section depth1 show">
<li class="sidebar-item">
<div class="sidebar-item-container">
<a href="./10_Intro_DS.html" class="sidebar-item-text sidebar-link">
<span class="menu-text"><span class="chapter-number">10</span> <span
class="chapter-title">Introducción a la ciencia de
datos</span></span></a>
</div>
</li>
<li class="sidebar-item">
<div class="sidebar-item-container">
<a href="./11_Clasificacion.html" class="sidebar-item-text sidebar-link">
<span class="menu-text"><span class="chapter-number">11</span> <span
class="chapter-title">Modelos de clasificación</span></span></a>
</div>
</li>
<li class="sidebar-item">
<div class="sidebar-item-container">
<a href="./12_Regresion.html" class="sidebar-item-text sidebar-link">
<span class="menu-text"><span class="chapter-number">12</span> <span
class="chapter-title">Modelos de regresión</span></span></a>
</div>
</li>
</ul>
</li>
</ul>
</div>
</nav>
<div id="quarto-sidebar-glass" data-bs-toggle="collapse" data-bs-target="#quarto-sidebar,#quarto-sidebar-glass">
</div>
<!-- margin-sidebar -->
<div id="quarto-margin-sidebar" class="sidebar margin-sidebar">
<nav id="TOC" role="doc-toc" class="toc-active">
<h2 id="toc-title">Tabla de contenidos</h2>
<ul>
<li><a href="#objetivo" id="toc-objetivo" class="nav-link active"
data-scroll-target="#objetivo">Objetivo</a></li>
<li><a href="#py-pandas-series" id="toc-py-pandas-series" class="nav-link"
data-scroll-target="#py-pandas-series"><span class="header-section-number"> 7.1 </span> Objeto <code>Series</code> de Pandas </a>
<ul class="collapse">
<li><a href="#py-pandas-sarray" id="toc-py-pandas-sarray" class="nav-link"
data-scroll-target="#py-pandas-sarray"><span class="header-section-number"> 7.1.1 </span> <code>Series</code> como matriz NumPy generalizada </a></li>
<li><a href="#py-pandas-sdict" id="toc-py-pandas-sdict" class="nav-link"
data-scroll-target="#py-pandas-sdict"><span class="header-section-number"> 7.1.2 </span> <code>Series</code> como diccionario especializado </a></li>
<li><a href="#py-pandas-sconst" id="toc-py-pandas-sconst" class="nav-link"
data-scroll-target="#py-pandas-sconst"><span class="header-section-number"> 7.1.3 </span> Construcción de objetos <code>Series</code> </a></li>
</ul>
</li>
<li><a href="#py-pandas-df" id="toc-py-pandas-df" class="nav-link"
data-scroll-target="#py-pandas-df"><span class="header-section-number"> 7.2 </span> El objeto <code>DataFrame</code> de Pandas </a>
<ul class="collapse">
<li><a href="#py-pandas-dfarray" id="toc-py-pandas-dfarray" class="nav-link"
data-scroll-target="#py-pandas-dfarray"><span class="header-section-number"> 7.2.1 </span> <code>DataFrame</code> como una matriz NumPy generalizada </a></li>
<li><a href="#py-pandas-dfdict" id="toc-py-pandas-dfdict" class="nav-link"
data-scroll-target="#py-pandas-dfdict"><span class="header-section-number"> 7.2.2 </span> <code>DataFrame</code> como diccionario especializado </a></li>
<li><a href="#py-pandas-dfconst" id="toc-py-pandas-dfconst" class="nav-link"
data-scroll-target="#py-pandas-dfconst"><span class="header-section-number"> 7.2.3 </span> Construcción de objetos <code>DataFrame</code> </a></li>
</ul>
</li>
<li><a href="#py-pandas-idx" id="toc-py-pandas-idx" class="nav-link"
data-scroll-target="#py-pandas-idx"><span class="header-section-number"> 7.3 </span> Indexación y selección de datos </a>
<ul class="collapse">
<li><a href="#py-pandas-sselect" id="toc-py-pandas-sselect" class="nav-link"
data-scroll-target="#py-pandas-sselect"><span class="header-section-number"> 7.3.1 </span> Selección de datos en objetos <code>Series</code> </a></li>
<li><a href="#py-pandas-dfselect" id="toc-py-pandas-dfselect" class="nav-link"
data-scroll-target="#py-pandas-dfselect"><span class="header-section-number"> 7.3.2 </span> Selección de datos en <code>DataFrame</code> </a></li>
<li><a href="#py-pandas-idxconv" id="toc-py-pandas-idxconv" class="nav-link"
data-scroll-target="#py-pandas-idxconv"><span class="header-section-number"> 7.3.3 </span> Convenciones de indexación adicionales </a></li>
</ul>
</li>
<li><a href="#py-pandas-oper" id="toc-py-pandas-oper" class="nav-link"
data-scroll-target="#py-pandas-oper"><span class="header-section-number"> 7.4 </span> Operando con datos en Pandas </a>
<ul class="collapse">
<li><a href="#py-pandas-ufpre" id="toc-py-pandas-ufpre" class="nav-link"
data-scroll-target="#py-pandas-ufpre"><span class="header-section-number"> 7.4.1 </span> Ufuncs: Preservación de índice </a></li>
<li><a href="#py-pandas-ufalg" id="toc-py-pandas-ufalg" class="nav-link"
data-scroll-target="#py-pandas-ufalg"><span class="header-section-number"> 7.4.2 </span> UFuncs: Alineación de índice </a></li>
<li><a href="#py-pandas-ufoper" id="toc-py-pandas-ufoper" class="nav-link"
data-scroll-target="#py-pandas-ufoper"><span class="header-section-number"> 7.4.3 </span> Ufuncs: Operaciones entre DataFrame y Series </a></li>
</ul>
</li>
<li><a href="#py-pandas-nodata" id="toc-py-pandas-nodata" class="nav-link"
data-scroll-target="#py-pandas-nodata"><span class="header-section-number"> 7.5 </span> Manejo de datos faltantes </a>
<ul class="collapse">
<li><a href="#py-pandas-conv" id="toc-py-pandas-conv" class="nav-link"
data-scroll-target="#py-pandas-conv"><span class="header-section-number"> 7.5.1 </span> Convenciones de datos faltantes </a></li>
<li><a href="#py-pandas-ndpandas" id="toc-py-pandas-ndpandas" class="nav-link"
data-scroll-target="#py-pandas-ndpandas"><span class="header-section-number"> 7.5.2 </span> Datos faltantes en Pandas </a></li>
<li><a href="#py-pandas-ndoper" id="toc-py-pandas-ndoper" class="nav-link"
data-scroll-target="#py-pandas-ndoper"><span class="header-section-number"> 7.5.3 </span> Operando con valores nulos </a></li>
</ul>
</li>
<li><a href="#py-pandas-conanex" id="toc-py-pandas-conanex" class="nav-link"
data-scroll-target="#py-pandas-conanex"><span class="header-section-number"> 7.6 </span> Combinación de conjuntos de datos </a>
<ul class="collapse">
<li><a href="#py-pandas-concat" id="toc-py-pandas-concat" class="nav-link"
data-scroll-target="#py-pandas-concat"><span class="header-section-number"> 7.6.1 </span> Concatenación simple con <code>pd.concat</code> </a></li>
<li><a href="#py-pandas-join" id="toc-py-pandas-join" class="nav-link"
data-scroll-target="#py-pandas-join"><span class="header-section-number"> 7.6.2 </span> Concatenación con uniones </a></li>
</ul>
</li>
<li><a href="#py-pandas-fusun" id="toc-py-pandas-fusun" class="nav-link"
data-scroll-target="#py-pandas-fusun"><span class="header-section-number"> 7.7 </span> Combinación de conjuntos de datos: fusionar y unir </a>
<ul class="collapse">
<li><a href="#py-pandas-algrel" id="toc-py-pandas-algrel" class="nav-link"
data-scroll-target="#py-pandas-algrel"><span class="header-section-number"> 7.7.1 </span> Algebra relacional </a></li>
<li><a href="#py-pandas-uncat" id="toc-py-pandas-uncat" class="nav-link"
data-scroll-target="#py-pandas-uncat"><span class="header-section-number"> 7.7.2 </span> Categorías de uniones </a></li>
<li><a href="#py-pandas-fuskey" id="toc-py-pandas-fuskey" class="nav-link"
data-scroll-target="#py-pandas-fuskey"><span class="header-section-number"> 7.7.3 </span> Especificación de la clave de fusión </a></li>
<li><a href="#py-pandas-arit" id="toc-py-pandas-arit" class="nav-link"
data-scroll-target="#py-pandas-arit"><span class="header-section-number"> 7.7.4 </span> Especificación de la aritmética de conjuntos para uniones </a></li>
<li><a href="#py-pandas-suffixes" id="toc-py-pandas-suffixes" class="nav-link"
data-scroll-target="#py-pandas-suffixes"><span class="header-section-number"> 7.7.5 </span> Nombres de columnas superpuestos: la palabra clave <code>suffixes</code> </a></li>
<li><a href="#py-pandas-exfus" id="toc-py-pandas-exfus" class="nav-link"
data-scroll-target="#py-pandas-exfus"><span class="header-section-number"> 7.7.6 </span> Ejemplo </a></li>
</ul>
</li>
<li><a href="#py-pandas-agg" id="toc-py-pandas-agg" class="nav-link"
data-scroll-target="#py-pandas-agg"><span class="header-section-number"> 7.8 </span> Agregación y agrupación </a>
<ul class="collapse">
<li><a href="#py-pandas-planets" id="toc-py-pandas-planets" class="nav-link"
data-scroll-target="#py-pandas-planets"><span class="header-section-number"> 7.8.1 </span> Datos de los planetas </a></li>
<li><a href="#py-pandas-aggsimple" id="toc-py-pandas-aggsimple" class="nav-link"
data-scroll-target="#py-pandas-aggsimple"><span class="header-section-number"> 7.8.2 </span> Agregación simple en Pandas </a></li>
<li><a href="#py-pandas-gruopby" id="toc-py-pandas-gruopby" class="nav-link"
data-scroll-target="#py-pandas-gruopby"><span class="header-section-number"> 7.8.3 </span> GroupBy </a></li>
</ul>
</li>
<li><a href="#practice-exercises" id="toc-practice-exercises" class="nav-link"
data-scroll-target="#practice-exercises"><span class="header-section-number">7.9</span>
Ejercicios prácticos</a></li>
</ul>
</nav>
</div>
<!-- main -->
<main class="content" id="quarto-document-content">
<header id="title-block-header" class="quarto-title-block default">
<div class="quarto-title">
<h1 class="title"><span class="chapter-number">7</span> <span
class="chapter-title">Manipulación de datos con Pandas</span></h1>
</div>
<div class="quarto-title-meta"> </div>
</header>
<section id="objetivo" class="level1">
<h1 class="anchored" data-anchor-id="objetivo">Objetivo</h1>
<p>El objetivo de esta clase es desarrollar habilidades en el manejo y análisis de datos utilizando pandas en Python, permitiendo a los estudiantes realizar operaciones de filtrado, agrupación y manipulación de datos para obtener información valiosa de conjuntos de datos reales.</p>
</section>
<!-- 7.1 -->
<section id="py-pandas-series" class="level2" data-number="7.1">
<h2 data-number="7.1" class="anchored" data-anchor-id="py-pandas-series"><span
class="header-section-number">7.1</span> Objeto <code>Series</code> de Pandas</h2>
<p>Una <em>Serie</em> de Pandas es una matriz unidimensional de datos indexados. Se puede crear a partir de una lista o matriz de la siguiente manera:</p>
<div id="464f2664" class="cell" data-jupyter="{"outputs_hidden":false}">
<div class="sourceCode cell-code" id="cb1"><pre class="sourceCode python code-with-copy"><code class="sourceCode python"><span id="cb1-1"><a href="#cb1-1" aria-hidden="true" tabindex="-1"></a><span class="im">import</span> numpy <span class="im">as</span> np</span>
<span id="cb1-2"><a href="#cb1-2" aria-hidden="true" tabindex="-1"></a><span class="im">import</span> pandas <span class="im">as</span> pd</span>
<span id="cb1-3"><a href="#cb1-3" aria-hidden="true" tabindex="-1"></a>data <span class="op">=</span> pd.Series([<span class="fl">0.25</span>, <span class="fl">0.5</span>, <span class="fl">0.75</span>, <span class="fl">1.0</span>])</span>
<span id="cb1-4"><a href="#cb1-4" aria-hidden="true" tabindex="-1"></a>data</span></code><button title="Copy to Clipboard" class="code-copy-button"><i class="bi"></i></button></pre></div>
</div>
<p>Como vemos en la salida, la <em>Serie</em> envuelve una secuencia de valores y una secuencia de Índices, a los que podemos acceder con los atributos <code>values</code> e <code>Index</code>. Los <code>values</code> son simplemente una matriz NumPy:</p>
<div id="2d9bacde" class="cell" data-jupyter="{"outputs_hidden":false}">
<div class="sourceCode cell-code" id="cb2"><pre class="sourceCode python code-with-copy"><code class="sourceCode python"><span id="cb2-1"><a href="#cb2-1" aria-hidden="true" tabindex="-1"></a>data.values</span></code><button title="Copy to Clipboard" class="code-copy-button"><i class="bi"></i></button></pre></div>
</div>
<p>El <code>Index</code> es un objeto tipo matriz de tipo <code>pd.Index</code>, que analizaremos con más detalle en breve.</p>
<div id="fbb20d9d" class="cell" data-jupyter="{"outputs_hidden":false}">
<div class="sourceCode cell-code" id="cb3"><pre class="sourceCode python code-with-copy"><code class="sourceCode python"><span id="cb3-1"><a href="#cb3-1" aria-hidden="true" tabindex="-1"></a>data.index</span></code><button title="Copy to Clipboard" class="code-copy-button"><i class="bi"></i></button></pre></div>
</div>
<p>Al igual que con una matriz NumPy, se puede acceder a los datos mediante el Index asociado a través de la conocida notación de corchetes de Python:</p>
<div id="a681260f" class="cell" data-jupyter="{"outputs_hidden":false}">
<div class="sourceCode cell-code" id="cb4"><pre class="sourceCode python code-with-copy"><code class="sourceCode python"><span id="cb4-1"><a href="#cb4-1" aria-hidden="true" tabindex="-1"></a>data[<span class="dv">1</span>]</span></code><button title="Copy to Clipboard" class="code-copy-button"><i class="bi"></i></button></pre></div>
</div>
<div id="2b0901fb" class="cell" data-jupyter="{"outputs_hidden":false}">
<div class="sourceCode cell-code" id="cb5"><pre class="sourceCode python code-with-copy"><code class="sourceCode python"><span id="cb5-1"><a href="#cb5-1" aria-hidden="true" tabindex="-1"></a>data[<span class="dv">1</span>:<span class="dv">3</span>]</span></code><button title="Copy to Clipboard" class="code-copy-button"><i class="bi"></i></button></pre></div>
</div>
<p>Sin embargo, como veremos, la <em>Serie</em> de Pandas es mucho más general y flexible que la matriz unidimensional NumPy que emula.</p>
<section id="py-pandas-sarray" class="level3" data-number="7.1.1">
<h3 data-number="7.1.1" class="anchored" data-anchor-id="py-pandas-sarray"><span
class="header-section-number">7.1.1 </span> <code>Series</code> como matriz NumPy generalizada</h3>
<p>De lo que hemos visto hasta ahora, puede parecer que el objeto <code>Series</code> es básicamente intercambiable con una matriz NumPy unidimensional. La diferencia esencial es la presencia del <code>Index</code>: mientras que la matriz Numpy tiene un <code>Index</code> entero <em>implícitamente definido</em> utilizado para acceder a los valores, el objeto <code>Series</code> de Pandas tiene un <code>Index</code> <em>explícitamente definido</em> asociado con los valores.</p>
<p>Esta definición explícita de <code>Index</code> le otorga al objeto <code>Series</code> capacidades adicionales. Por ejemplo, el <code>Index</code> no necesita ser un entero, sino que puede constar de valores de cualquier tipo deseado. Por ejemplo, si lo deseamos, podemos utilizar cadenas como <code>Index</code>:</p>
<div id="d17332cb" class="cell" data-jupyter="{"outputs_hidden":false}">
<div class="sourceCode cell-code" id="cb6"><pre class="sourceCode python code-with-copy"><code class="sourceCode python"><span id="cb6-1"><a href="#cb6-1" aria-hidden="true" tabindex="-1"></a>data <span class="op">=</span> pd.Series([<span class="fl">0.25</span>, <span class="fl">0.5</span>, <span class="fl">0.75</span>, <span class="fl">1.0</span>],</span>
<span id="cb6-2"><a href="#cb6-2" aria-hidden="true" tabindex="-1"></a> index<span class="op">=</span>[<span class="st">'a'</span>, <span class="st">'b'</span>, <span class="st">'c'</span>, <span class="st">'d'</span>])</span>
<span id="cb6-3"><a href="#cb6-3" aria-hidden="true" tabindex="-1"></a>data</span></code><button title="Copy to Clipboard" class="code-copy-button"><i class="bi"></i></button></pre></div>
</div>
<p>Y el acceso al elemento funciona como se esperaba:</p>
<div id="834a77bb" class="cell" data-jupyter="{"outputs_hidden":false}">
<div class="sourceCode cell-code" id="cb7"><pre class="sourceCode python code-with-copy"><code class="sourceCode python"><span id="cb7-1"><a href="#cb7-1" aria-hidden="true" tabindex="-1"></a>data[<span class="st">'b'</span>]</span></code><button title="Copy to Clipboard" class="code-copy-button"><i class="bi"></i></button></pre></div>
</div>
<p>Incluso podemos utilizar <code>Index</code> no contiguos o no secuenciales:</p>
<div id="a6f18e71" class="cell" data-jupyter="{"outputs_hidden":false}">
<div class="sourceCode cell-code" id="cb8"><pre class="sourceCode python code-with-copy"><code class="sourceCode python"><span id="cb8-1"><a href="#cb8-1" aria-hidden="true" tabindex="-1"></a>data <span class="op">=</span> pd.Series([<span class="fl">0.25</span>, <span class="fl">0.5</span>, <span class="fl">0.75</span>, <span class="fl">1.0</span>],</span>
<span id="cb8-2"><a href="#cb8-2" aria-hidden="true" tabindex="-1"></a> index<span class="op">=</span>[<span class="dv">2</span>, <span class="dv">5</span>, <span class="dv">3</span>, <span class="dv">7</span>])</span>
<span id="cb8-3"><a href="#cb8-3" aria-hidden="true" tabindex="-1"></a>data</span></code><button title="Copy to Clipboard" class="code-copy-button"><i class="bi"></i></button></pre></div>
</div>
<div id="37fbbc45" class="cell" data-jupyter="{"outputs_hidden":false}">
<div class="sourceCode cell-code" id="cb9"><pre class="sourceCode python code-with-copy"><code class="sourceCode python"><span id="cb9-1"><a href="#cb9-1" aria-hidden="true" tabindex="-1"></a>data[<span class="dv">5</span>]</span></code><button title="Copy to Clipboard" class="code-copy-button"><i class="bi"></i></button></pre></div>
</div>
</section>
<section id="py-pandas-sdict" class="level3" data-number="7.1.2">
<h3 data-number="7.1.2" class="anchored" data-anchor-id="py-pandas-sdict"><span
class="header-section-number">7.1.2 </span> <code>Series</code> como diccionario especializado</h3>
<p>De esta manera, puedes pensar en una <code>Series</code> de Pandas como si fuera una especialización de un diccionario de Python. Un diccionario es una estructura que asigna claves arbitrarias a un conjunto de valores arbitrarios y una <code>Series</code> es una estructura que asigna claves tipificadas a un conjunto de valores tipificados. Esta tipificación es importante: así como el código compilado específico de tipo detrás de una matriz NumPy la hace más eficiente que una lista de Python para ciertas operaciones, la información de tipo de una <code>Series</code> de Pandas la hace mucho más eficiente que los diccionarios de Python para ciertas operaciones.</p>
<p>La analogía de <code>Series</code> como diccionario se puede hacer aún más clara al construir un objeto <code>Series</code> directamente desde un diccionario de Python:</p>
<div id="752c58ae" class="cell" data-jupyter="{"outputs_hidden":false}">
<div class="sourceCode cell-code" id="cb10"><pre class="sourceCode python code-with-copy"><code class="sourceCode python"><span id="cb10-1"><a href="#cb10-1" aria-hidden="true" tabindex="-1"></a>population_dict <span class="op">=</span> {<span class="st">'California'</span>: <span class="dv">38332521</span>,</span>
<span id="cb10-2"><a href="#cb10-2" aria-hidden="true" tabindex="-1"></a> <span class="st">'Texas'</span>: <span class="dv">26448193</span>,</span>
<span id="cb10-3"><a href="#cb10-3" aria-hidden="true" tabindex="-1"></a> <span class="st">'New York'</span>: <span class="dv">19651127</span>,</span>
<span id="cb10-4"><a href="#cb10-4" aria-hidden="true" tabindex="-1"></a> <span class="st">'Florida'</span>: <span class="dv">19552860</span>,</span>
<span id="cb10-5"><a href="#cb10-5" aria-hidden="true" tabindex="-1"></a> <span class="st">'Illinois'</span>: <span class="dv">12882135</span>}</span>
<span id="cb10-6"><a href="#cb10-6" aria-hidden="true" tabindex="-1"></a>population <span class="op">=</span> pd.Series(population_dict)</span>
<span id="cb10-7"><a href="#cb10-7" aria-hidden="true" tabindex="-1"></a>population</span></code><button title="Copy to Clipboard" class="code-copy-button"><i class="bi"></i></button></pre></div>
</div>
<p>De forma predeterminada, se creará una <code>Series</code> donde el <code>Index</code> se extrae de las claves ordenadas. Desde aquí se puede realizar el acceso a elementos de estilo diccionario típico:</p>
<div id="a8cface6" class="cell" data-jupyter="{"outputs_hidden":false}">
<div class="sourceCode cell-code" id="cb11"><pre class="sourceCode python code-with-copy"><code class="sourceCode python"><span id="cb11-1"><a href="#cb11-1" aria-hidden="true" tabindex="-1"></a>population[<span class="st">'California'</span>]</span></code><button title="Copy to Clipboard" class="code-copy-button"><i class="bi"></i></button></pre></div>
</div>
<p>Sin embargo, a diferencia de un diccionario, la <code>Series</code> también admite operaciones de estilo matriz, como la segmentación:</p>
<div id="27110069" class="cell" data-jupyter="{"outputs_hidden":false}">
<div class="sourceCode cell-code" id="cb12"><pre class="sourceCode python code-with-copy"><code class="sourceCode python"><span id="cb12-1"><a href="#cb12-1" aria-hidden="true" tabindex="-1"></a>population[<span class="st">'California'</span>:<span class="st">'Texas'</span>]</span></code><button title="Copy to Clipboard" class="code-copy-button"><i class="bi"></i></button></pre></div>
</div>
</section>
<section id="py-pandas-sconst" class="level3" data-number="7.1.3">
<h3 data-number="7.1.3" class="anchored" data-anchor-id="py-pandas-sconst"><span
class="header-section-number">7.1.3 </span> Construcción de objetos <code>Series</code></h3>
<p>Ya hemos visto algunas formas de construir una <code>Series</code> de Pandas desde cero; todas ellas son alguna versión de lo siguiente:</p>
<div class="sourceCode" id="cb13"><pre class="sourceCode python code-with-copy"><code class="sourceCode python"><span id="cb13-1"><a href="#cb13-1" aria-hidden="true" tabindex="-1"></a> pd.Series(data, index<span class="op">=</span>index)</span></code><button title="Copy to Clipboard" class="code-copy-button"><i class="bi"></i></button></pre></div>
<p>donde <code>index</code> es un argumento opcional y <code>data</code> puede ser una de muchas entidades.</p>
<p>Por ejemplo, <code>data</code> puede ser una lista o una matriz NumPy, en cuyo caso <code>index</code> tiene como valor predeterminado una secuencia de números enteros:</p>
<div id="3bd4a43a" class="cell" data-jupyter="{"outputs_hidden":false}">
<div class="sourceCode cell-code" id="cb14"><pre class="sourceCode python code-with-copy"><code class="sourceCode python"><span id="cb14-1"><a href="#cb14-1" aria-hidden="true" tabindex="-1"></a>pd.Series([<span class="dv">2</span>, <span class="dv">4</span>, <span class="dv">6</span>])</span></code><button title="Copy to Clipboard" class="code-copy-button"><i class="bi"></i></button></pre></div>
</div>
<p><code>data</code> puede ser un escalar, que se repite para llenar el <code>index</code> especificado:</p>
<div id="9d8cfb30" class="cell" data-jupyter="{"outputs_hidden":false}">
<div class="sourceCode cell-code" id="cb15"><pre class="sourceCode python code-with-copy"><code class="sourceCode python"><span id="cb15-1"><a href="#cb15-1" aria-hidden="true" tabindex="-1"></a>pd.Series(<span class="dv">5</span>, index<span class="op">=</span>[<span class="dv">100</span>, <span class="dv">200</span>, <span class="dv">300</span>])</span></code><button title="Copy to Clipboard" class="code-copy-button"><i class="bi"></i></button></pre></div>
</div>
<p><code>data</code> puede ser un diccionario, en el que <code>index</code> tiene como valor predeterminado las claves ordenadas del diccionario:</p>
<div id="214eb531" class="cell" data-jupyter="{"outputs_hidden":false}">
<div class="sourceCode cell-code" id="cb16"><pre class="sourceCode python code-with-copy"><code class="sourceCode python"><span id="cb16-1"><a href="#cb16-1" aria-hidden="true" tabindex="-1"></a>pd.Series({<span class="dv">2</span>:<span class="st">'a'</span>, <span class="dv">1</span>:<span class="st">'b'</span>, <span class="dv">3</span>:<span class="st">'c'</span>})</span></code><button title="Copy to Clipboard" class="code-copy-button"><i class="bi"></i></button></pre></div>
</div>
<p>En cada caso, el <code>index</code> se puede establecer explícitamente si se prefiere un resultado diferente:</p>
<div id="fd8d9c09" class="cell" data-jupyter="{"outputs_hidden":false}">
<div class="sourceCode cell-code" id="cb17"><pre class="sourceCode python code-with-copy"><code class="sourceCode python"><span id="cb17-1"><a href="#cb17-1" aria-hidden="true" tabindex="-1"></a>pd.Series({<span class="dv">2</span>:<span class="st">'a'</span>, <span class="dv">1</span>:<span class="st">'b'</span>, <span class="dv">3</span>:<span class="st">'c'</span>}, index<span class="op">=</span>[<span class="dv">3</span>, <span class="dv">2</span>])</span></code><button title="Copy to Clipboard" class="code-copy-button"><i class="bi"></i></button></pre></div>
</div>
<p>Tenga en cuenta que, en este caso, la <code>Series</code> se completa únicamente con las claves identificadas explícitamente.</p>
</section>
</section>
<!-- 7.2 -->
<section id="py-pandas-df" class="level2" data-number="7.2">
<h2 data-number="7.2" class="anchored" data-anchor-id="py-pandas-df"><span
class="header-section-number">7.2</span> El objeto <code>DataFrame</code> de Pandas</h2>
<p>La siguiente estructura fundamental en Pandas es el DataFrame. Al igual que el objeto Series analizado en la sección anterior, el DataFrame puede considerarse como una generalización de una matriz NumPy o como una especialización de un diccionario de Python. Ahora analizaremos cada una de estas perspectivas.</p>
<section id="py-pandas-dfarray" class="level3" data-number="7.2.1">
<h3 data-number="7.2.1" class="anchored" data-anchor-id="py-pandas-dfarray"><span
class="header-section-number">7.2.1 </span> <code>DataFrame</code> como una matriz NumPy generalizada</h3>
<p>Si una serie es un análogo de una matriz unidimensional con índices flexibles, un <code>DataFrame</code> es un análogo de una matriz bidimensional con índices de fila flexibles y nombres de columna flexibles. Así como puedes pensar en una matriz bidimensional como una secuencia ordenada de columnas unidimensionales alineadas, puedes pensar en un <code>DataFrame</code> como una secuencia de objetos <code>Series</code> alineados. Aquí, por <strong>alineados</strong> queremos decir que comparten el mismo <code>Index</code>.</p>
<p>Para demostrar esto, construyamos primero una nueva <code>Serie</code> que enumere el área de cada uno de los cinco estados analizados en la sección anterior:</p>
<div id="6e0a1a6d" class="cell" data-jupyter="{"outputs_hidden":false}">
<div class="sourceCode cell-code" id="cb18"><pre class="sourceCode python code-with-copy"><code class="sourceCode python"><span id="cb18-1"><a href="#cb18-1" aria-hidden="true" tabindex="-1"></a>area_dict <span class="op">=</span> {<span class="st">'California'</span>: <span class="dv">423967</span>, <span class="st">'Texas'</span>: <span class="dv">695662</span>, <span class="st">'New York'</span>: <span class="dv">141297</span>,</span>
<span id="cb18-2"><a href="#cb18-2" aria-hidden="true" tabindex="-1"></a> <span class="st">'Florida'</span>: <span class="dv">170312</span>, <span class="st">'Illinois'</span>: <span class="dv">149995</span>}</span>
<span id="cb18-3"><a href="#cb18-3" aria-hidden="true" tabindex="-1"></a>area <span class="op">=</span> pd.Series(area_dict)</span>
<span id="cb18-4"><a href="#cb18-4" aria-hidden="true" tabindex="-1"></a>area</span></code><button title="Copy to Clipboard" class="code-copy-button"><i class="bi"></i></button></pre></div>
</div>
<p>Ahora que tenemos esto junto con la serie <em>population</em> de antes, podemos usar un diccionario para construir un solo objeto bidimensional que contenga esta información:</p>
<div id="36a99cc6" class="cell" data-jupyter="{"outputs_hidden":false}">
<div class="sourceCode cell-code" id="cb19"><pre class="sourceCode python code-with-copy"><code class="sourceCode python"><span id="cb19-1"><a href="#cb19-1" aria-hidden="true" tabindex="-1"></a>states <span class="op">=</span> pd.DataFrame({<span class="st">'population'</span>: population,</span>
<span id="cb19-2"><a href="#cb19-2" aria-hidden="true" tabindex="-1"></a> <span class="st">'area'</span>: area})</span>
<span id="cb19-3"><a href="#cb19-3" aria-hidden="true" tabindex="-1"></a>states</span></code><button title="Copy to Clipboard" class="code-copy-button"><i class="bi"></i></button></pre></div>
</div>
<p>Al igual que el objeto <code>Series</code>, el <code>DataFrame</code> tiene un atributo <code>index</code> que da acceso a las etiquetas de índice:</p>
<div id="3cec7119" class="cell" data-jupyter="{"outputs_hidden":false}">
<div class="sourceCode cell-code" id="cb20"><pre class="sourceCode python code-with-copy"><code class="sourceCode python"><span id="cb20-1"><a href="#cb20-1" aria-hidden="true" tabindex="-1"></a>states.index</span></code><button title="Copy to Clipboard" class="code-copy-button"><i class="bi"></i></button></pre></div>
</div>
<p>Además, el <code>DataFrame</code> tiene un atributo <code>columns</code>, que es un objeto <code>Index</code> que contiene las etiquetas de las columnas:</p>
<div id="18435609" class="cell" data-jupyter="{"outputs_hidden":false}">
<div class="sourceCode cell-code" id="cb21"><pre class="sourceCode python code-with-copy"><code class="sourceCode python"><span id="cb21-1"><a href="#cb21-1" aria-hidden="true" tabindex="-1"></a>states.columns</span></code><button title="Copy to Clipboard" class="code-copy-button"><i class="bi"></i></button></pre></div>
</div>
<p>Por lo tanto, el DataFrame puede considerarse como una generalización de una matriz NumPy bidimensional, donde tanto las filas como las columnas tienen un Index generalizado para acceder a los datos.</p>
</section>
<section id="py-pandas-dfdict" class="level3" data-number="7.2.2">
<h3 data-number="7.2.2" class="anchored" data-anchor-id="py-pandas-dfdict"><span
class="header-section-number">7.2.2 </span> <code>DataFrame</code> como diccionario especializado</h3>
<p>De manera similar, también podemos pensar en un <code>DataFrame</code> como una especialización de un diccionario. Donde un diccionario asigna una clave a un valor, un <code>DataFrame</code> asigna un nombre de columna a una <code>Serie</code> de datos de columna. Por ejemplo, al solicitar el atributo <code>'area'</code> se devuelve el objeto <code>Serie</code> que contiene las áreas que vimos anteriormente:</p>
<div id="cc980cd5" class="cell" data-jupyter="{"outputs_hidden":false}">
<div class="sourceCode cell-code" id="cb22"><pre class="sourceCode python code-with-copy"><code class="sourceCode python"><span id="cb22-1"><a href="#cb22-1" aria-hidden="true" tabindex="-1"></a>states[<span class="st">'area'</span>]</span></code><button title="Copy to Clipboard" class="code-copy-button"><i class="bi"></i></button></pre></div>
</div>
<p>Observe el posible punto de confusión aquí: en una matriz NumPy bidimensional, <code>data[0]</code> devolverá la primera <em>fila</em>. Para un <code>DataFrame</code>, <code>data['col0']</code> devolverá la primera <em>columna</em>. Debido a esto, probablemente sea mejor pensar en los DataFrame como diccionarios generalizados en lugar de matrices generalizadas, aunque ambas formas de ver la situación pueden ser útiles.</p>
</section>
<section id="py-pandas-dfconst" class="level3" data-number="7.2.3">
<h3 data-number="7.2.3" class="anchored" data-anchor-id="py-pandas-dfconst"><span
class="header-section-number">7.2.3 </span> Construcción de objetos <code>DataFrame</code></h3>
<p>Un <code>DataFrame</code> de Pandas se puede construir de distintas maneras. Aquí daremos varios ejemplos.</p>
<section id="de-un-único-objeto-series" class="level4">
<h4 class="anchored" data-anchor-id="de-un-único-objeto-series">De un único objeto <code>Series</code></h4>
<p>Un <code>DataFrame</code> es una colección de objetos <code>Series</code> y un <code>DataFrame</code> de una sola columna se puede construir a partir de una sola <code>Series</code>:</p>
<div id="ee148fe1" class="cell" data-jupyter="{"outputs_hidden":false}">
<div class="sourceCode cell-code" id="cb23"><pre class="sourceCode python code-with-copy"><code class="sourceCode python"><span id="cb23-1"><a href="#cb23-1" aria-hidden="true" tabindex="-1"></a>pd.DataFrame(population, columns<span class="op">=</span>[<span class="st">'population'</span>])</span></code><button title="Copy to Clipboard" class="code-copy-button"><i class="bi"></i></button></pre></div>
</div>
</section>
<section id="de-una-lista-de-diccionarios" class="level4">
<h4 class="anchored" data-anchor-id="de-una-lista-de-diccionarios">De una lista de diccionarios</h4>
<p>Cualquier lista de diccionarios se puede convertir en un <code>DataFrame</code>. Utilizaremos una lista de comprensión simple para crear algunos datos:</p>
<div id="c3f8ebd0" class="cell" data-jupyter="{"outputs_hidden":false}">
<div class="sourceCode cell-code" id="cb24"><pre class="sourceCode python code-with-copy"><code class="sourceCode python"><span id="cb24-1"><a href="#cb24-1" aria-hidden="true" tabindex="-1"></a>data <span class="op">=</span> [{<span class="st">'x'</span>: i, <span class="st">'2*x'</span>: <span class="dv">2</span> <span class="op">*</span> i, <span class="st">'2**x'</span>: <span class="dv">2</span><span class="op">**</span>i}</span>
<span id="cb24-2"><a href="#cb24-2" aria-hidden="true" tabindex="-1"></a> <span class="cf">for</span> i <span class="kw">in</span> <span class="bu">range</span>(<span class="dv">5</span>)]</span>
<span id="cb24-3"><a href="#cb24-3" aria-hidden="true" tabindex="-1"></a>pd.DataFrame(data)</span></code><button title="Copy to Clipboard" class="code-copy-button"><i class="bi"></i></button></pre></div>
</div>
<p>Incluso si faltan algunas claves en el diccionario, Pandas las completará con valores <code>NaN</code> (es decir, <code>no es un número</code>):</p>
<div id="a6889d64" class="cell" data-jupyter="{"outputs_hidden":false}">
<div class="sourceCode cell-code" id="cb25"><pre class="sourceCode python code-with-copy"><code class="sourceCode python"><span id="cb25-1"><a href="#cb25-1" aria-hidden="true" tabindex="-1"></a>pd.DataFrame([{<span class="st">'a'</span>: <span class="dv">1</span>, <span class="st">'b'</span>: <span class="dv">2</span>}, {<span class="st">'b'</span>: <span class="dv">3</span>, <span class="st">'c'</span>: <span class="dv">4</span>}])</span></code><button title="Copy to Clipboard" class="code-copy-button"><i class="bi"></i></button></pre></div>
</div>
</section>
<section id="de-un-diccionario-de-objetos-serie" class="level4">
<h4 class="anchored" data-anchor-id="de-un-diccionario-de-objetos-serie">De un diccionario de objetos serie</h4>
<p>Como vimos antes, un <code>DataFrame</code> también se puede construir a partir de un diccionario de objetos <code>Series</code>:</p>
<div id="223fd4c0" class="cell" data-jupyter="{"outputs_hidden":false}">
<div class="sourceCode cell-code" id="cb26"><pre class="sourceCode python code-with-copy"><code class="sourceCode python"><span id="cb26-1"><a href="#cb26-1" aria-hidden="true" tabindex="-1"></a>pd.DataFrame({<span class="st">'population'</span>: population,</span>
<span id="cb26-2"><a href="#cb26-2" aria-hidden="true" tabindex="-1"></a> <span class="st">'area'</span>: area})</span></code><button title="Copy to Clipboard" class="code-copy-button"><i class="bi"></i></button></pre></div>
</div>
</section>
<section id="desde-una-matriz-numpy-bidimensional" class="level4">
<h4 class="anchored" data-anchor-id="desde-una-matriz-numpy-bidimensional">Desde una matriz NumPy bidimensional</h4>
<p>Dada una matriz bidimensional de datos, podemos crear un <code>DataFrame</code> con cualquier nombre de columna e índice especificados. Si se omite, se utilizará un índice entero para cada uno:</p>
<div id="85a610e4" class="cell" data-jupyter="{"outputs_hidden":false}">
<div class="sourceCode cell-code" id="cb27"><pre class="sourceCode python code-with-copy"><code class="sourceCode python"><span id="cb27-1"><a href="#cb27-1" aria-hidden="true" tabindex="-1"></a>pd.DataFrame(np.random.rand(<span class="dv">3</span>, <span class="dv">2</span>),</span>
<span id="cb27-2"><a href="#cb27-2" aria-hidden="true" tabindex="-1"></a> columns<span class="op">=</span>[<span class="st">'foo'</span>, <span class="st">'bar'</span>],</span>
<span id="cb27-3"><a href="#cb27-3" aria-hidden="true" tabindex="-1"></a> index<span class="op">=</span>[<span class="st">'a'</span>, <span class="st">'b'</span>, <span class="st">'c'</span>])</span></code><button title="Copy to Clipboard" class="code-copy-button"><i class="bi"></i></button></pre></div>
</div>
</section>
</section>
</section>
<!-- 7.3 -->
<section id="py-pandas-idx" class="level2" data-number="7.3">
<h2 data-number="7.3" class="anchored" data-anchor-id="py-pandas-idx"><span
class="header-section-number">7.3</span> Indexación y selección de datos</h2>
<p>Ya concoemos los métodos y herramientas para acceder, establecer y modificar valores en matrices NumPy. Aquí veremos medios similares para acceder y modificar valores en los objetos <code>Series</code> y <code>DataFrame</code> de Pandas. Si ha utilizado los patrones NumPy, los patrones correspondientes en Pandas le resultarán muy familiares, aunque hay algunas peculiaridades que debe tener en cuenta.</p>
<p>Comenzaremos con el caso simple del objeto unidimensional <code>Series</code> y luego pasaremos al objeto bidimensional más complicado <code>DataFrame</code>.</p>
<section id="py-pandas-sselect" class="level3" data-number="7.3.1">
<h3 data-number="7.3.1" class="anchored" data-anchor-id="py-pandas-sselect"><span
class="header-section-number">7.3.1 </span> Selección de datos en objetos <code>Series</code></h3>
<p>Como vimos en la sección anterior, un objeto <code>Series</code> actúa en un sentido como una matriz NumPy unidimensional y, en otro sentido, como un diccionario Python estándar. Si tenemos en cuenta estas dos analogías superpuestas, nos ayudará a comprender los patrones de indexación y selección de datos en estas matrices.</p>
<section id="serie-como-diccionario" class="level4">
<h4 class="anchored" data-anchor-id="serie-como-diccionario">Serie como diccionario</h4>
<p>Al igual que un diccionario, el objeto <code>Series</code> proporciona una asignación de una colección de claves a una colección de valores:</p>
<div id="943d9358" class="cell" data-jupyter="{"outputs_hidden":false}">
<div class="sourceCode cell-code" id="cb28"><pre class="sourceCode python code-with-copy"><code class="sourceCode python"><span id="cb28-1"><a href="#cb28-1" aria-hidden="true" tabindex="-1"></a><span class="im">import</span> pandas <span class="im">as</span> pd</span>
<span id="cb28-2"><a href="#cb28-2" aria-hidden="true" tabindex="-1"></a>data <span class="op">=</span> pd.Series([<span class="fl">0.25</span>, <span class="fl">0.5</span>, <span class="fl">0.75</span>, <span class="fl">1.0</span>],</span>
<span id="cb28-3"><a href="#cb28-3" aria-hidden="true" tabindex="-1"></a> index<span class="op">=</span>[<span class="st">'a'</span>, <span class="st">'b'</span>, <span class="st">'c'</span>, <span class="st">'d'</span>])</span>
<span id="cb28-4"><a href="#cb28-4" aria-hidden="true" tabindex="-1"></a>data</span></code><button title="Copy to Clipboard" class="code-copy-button"><i class="bi"></i></button></pre></div>
</div>
<div id="ee575b7a" class="cell" data-jupyter="{"outputs_hidden":false}">
<div class="sourceCode cell-code" id="cb29"><pre class="sourceCode python code-with-copy"><code class="sourceCode python"><span id="cb29-1"><a href="#cb29-1" aria-hidden="true" tabindex="-1"></a>data[<span class="st">'b'</span>]</span></code><button title="Copy to Clipboard" class="code-copy-button"><i class="bi"></i></button></pre></div>
</div>
<p>También podemos utilizar expresiones y métodos de Python similares a diccionarios para examinar las claves/índices y valores:</p>
<div id="cbac95a6" class="cell" data-jupyter="{"outputs_hidden":false}">
<div class="sourceCode cell-code" id="cb30"><pre class="sourceCode python code-with-copy"><code class="sourceCode python"><span id="cb30-1"><a href="#cb30-1" aria-hidden="true" tabindex="-1"></a><span class="co">'a'</span> <span class="kw">in</span> data</span></code><button title="Copy to Clipboard" class="code-copy-button"><i class="bi"></i></button></pre></div>
</div>
<div id="fe2bbea8" class="cell" data-jupyter="{"outputs_hidden":false}">
<div class="sourceCode cell-code" id="cb31"><pre class="sourceCode python code-with-copy"><code class="sourceCode python"><span id="cb31-1"><a href="#cb31-1" aria-hidden="true" tabindex="-1"></a>data.keys()</span></code><button title="Copy to Clipboard" class="code-copy-button"><i class="bi"></i></button></pre></div>
</div>
<div id="db16c80c" class="cell" data-jupyter="{"outputs_hidden":false}">
<div class="sourceCode cell-code" id="cb32"><pre class="sourceCode python code-with-copy"><code class="sourceCode python"><span id="cb32-1"><a href="#cb32-1" aria-hidden="true" tabindex="-1"></a><span class="bu">list</span>(data.items())</span></code><button title="Copy to Clipboard" class="code-copy-button"><i class="bi"></i></button></pre></div>
</div>
<p>Los objetos <code>Series</code> pueden incluso modificarse con una sintaxis similar a la de un diccionario. Así como puedes ampliar un diccionario asignándolo a una nueva clave, puedes ampliar una <code>Series</code> asignándola a un nuevo valor de índice:</p>
<div id="436ce263" class="cell" data-jupyter="{"outputs_hidden":false}">
<div class="sourceCode cell-code" id="cb33"><pre class="sourceCode python code-with-copy"><code class="sourceCode python"><span id="cb33-1"><a href="#cb33-1" aria-hidden="true" tabindex="-1"></a>data[<span class="st">'e'</span>] <span class="op">=</span> <span class="fl">1.25</span></span>
<span id="cb33-2"><a href="#cb33-2" aria-hidden="true" tabindex="-1"></a>data</span></code><button title="Copy to Clipboard" class="code-copy-button"><i class="bi"></i></button></pre></div>
</div>
<p>Esta fácil mutabilidad de los objetos es una característica conveniente: en segundo plano, Pandas toma decisiones sobre el diseño de la memoria y la copia de datos que podría ser necesaria; el usuario generalmente no necesita preocuparse por estos problemas.</p>
</section>
<section id="serie-como-matriz-unidimensional" class="level4">
<h4 class="anchored" data-anchor-id="serie-como-matriz-unidimensional">Serie como matriz unidimensional</h4>
<p>Una <code>Series</code> se basa en esta interfaz tipo diccionario y proporciona una selección de elementos de estilo matriz a través de los mismos mecanismos básicos que las matrices NumPy, es decir, <em>secciones</em>, <em>enmascaramiento</em> e <em>indexación elegante</em>. Algunos ejemplos de estos son los siguientes:</p>
<div id="62711959" class="cell" data-jupyter="{"outputs_hidden":false}">
<div class="sourceCode cell-code" id="cb34"><pre class="sourceCode python code-with-copy"><code class="sourceCode python"><span id="cb34-1"><a href="#cb34-1" aria-hidden="true" tabindex="-1"></a><span class="co"># segmentación por índice explícito</span></span>
<span id="cb34-2"><a href="#cb34-2" aria-hidden="true" tabindex="-1"></a>data[<span class="st">'a'</span>:<span class="st">'c'</span>]</span></code><button title="Copy to Clipboard" class="code-copy-button"><i class="bi"></i></button></pre></div>
</div>
<div id="54f52bcc" class="cell" data-jupyter="{"outputs_hidden":false}">
<div class="sourceCode cell-code" id="cb35"><pre class="sourceCode python code-with-copy"><code class="sourceCode python"><span id="cb35-1"><a href="#cb35-1" aria-hidden="true" tabindex="-1"></a><span class="co"># corte por índice entero implícito</span></span>
<span id="cb35-2"><a href="#cb35-2" aria-hidden="true" tabindex="-1"></a>data[<span class="dv">0</span>:<span class="dv">2</span>]</span></code><button title="Copy to Clipboard" class="code-copy-button"><i class="bi"></i></button></pre></div>
</div>
<div id="5036ded8" class="cell" data-jupyter="{"outputs_hidden":false}">
<div class="sourceCode cell-code" id="cb36"><pre class="sourceCode python code-with-copy"><code class="sourceCode python"><span id="cb36-1"><a href="#cb36-1" aria-hidden="true" tabindex="-1"></a><span class="co"># enmascaramiento</span></span>
<span id="cb36-2"><a href="#cb36-2" aria-hidden="true" tabindex="-1"></a>data[(data <span class="op">></span> <span class="fl">0.3</span>) <span class="op">&</span> (data <span class="op"><</span> <span class="fl">0.8</span>)]</span></code><button title="Copy to Clipboard" class="code-copy-button"><i class="bi"></i></button></pre></div>
</div>
<div id="2b8d2cc6" class="cell" data-jupyter="{"outputs_hidden":false}">
<div class="sourceCode cell-code" id="cb37"><pre class="sourceCode python code-with-copy"><code class="sourceCode python"><span id="cb37-1"><a href="#cb37-1" aria-hidden="true" tabindex="-1"></a><span class="co"># indexación elegante</span></span>
<span id="cb37-2"><a href="#cb37-2" aria-hidden="true" tabindex="-1"></a>data[[<span class="st">'a'</span>, <span class="st">'e'</span>]]</span></code><button title="Copy to Clipboard" class="code-copy-button"><i class="bi"></i></button></pre></div>
</div>
<p>Entre ellos, el corte puede ser la fuente de mayor confusión. Tenga en cuenta que al cortar con un índice explícito (es decir, <code>data['a':'c']</code>), el índice final se <em>incluye</em> en la porción, mientras que al cortar con un índice implícito (es decir, <code>data[0:2]</code>), el índice final se <em>excluye</em> de la porción.</p>
</section>
<section id="indexadores-loc-e-iloc" class="level4">
<h4 class="anchored" data-anchor-id="indexadores-loc-e-iloc">Indexadores: <code>loc</code> e <code>iloc</code></h4>
<p>Estas convenciones de segmentación e indexación pueden ser una fuente de confusión. Por ejemplo, si su <code>Series</code> tiene un índice entero explícito, una operación de indexación como <code>data[1]</code> utilizará los índices explícitos, mientras que una operación de segmentación como <code>data[1:3]</code> utilizará el índice implícito de estilo Python.</p>
<div id="8eed4f80" class="cell" data-jupyter="{"outputs_hidden":false}">
<div class="sourceCode cell-code" id="cb38"><pre class="sourceCode python code-with-copy"><code class="sourceCode python"><span id="cb38-1"><a href="#cb38-1" aria-hidden="true" tabindex="-1"></a>data <span class="op">=</span> pd.Series([<span class="st">'a'</span>, <span class="st">'b'</span>, <span class="st">'c'</span>], index<span class="op">=</span>[<span class="dv">1</span>, <span class="dv">3</span>, <span class="dv">5</span>])</span>
<span id="cb38-2"><a href="#cb38-2" aria-hidden="true" tabindex="-1"></a>data</span></code><button title="Copy to Clipboard" class="code-copy-button"><i class="bi"></i></button></pre></div>
</div>
<div id="a77894b6" class="cell" data-jupyter="{"outputs_hidden":false}">
<div class="sourceCode cell-code" id="cb39"><pre class="sourceCode python code-with-copy"><code class="sourceCode python"><span id="cb39-1"><a href="#cb39-1" aria-hidden="true" tabindex="-1"></a><span class="co"># índice explícito al indexar</span></span>
<span id="cb39-2"><a href="#cb39-2" aria-hidden="true" tabindex="-1"></a>data[<span class="dv">1</span>]</span></code><button title="Copy to Clipboard" class="code-copy-button"><i class="bi"></i></button></pre></div>
</div>
<div id="3b41edf6" class="cell" data-jupyter="{"outputs_hidden":false}">
<div class="sourceCode cell-code" id="cb40"><pre class="sourceCode python code-with-copy"><code class="sourceCode python"><span id="cb40-1"><a href="#cb40-1" aria-hidden="true" tabindex="-1"></a><span class="co"># índice implícito al cortar</span></span>
<span id="cb40-2"><a href="#cb40-2" aria-hidden="true" tabindex="-1"></a>data[<span class="dv">1</span>:<span class="dv">3</span>]</span></code><button title="Copy to Clipboard" class="code-copy-button"><i class="bi"></i></button></pre></div>
</div>
<p>Debido a esta posible confusión en el caso de índices enteros, Pandas proporciona algunos atributos <em>indexer</em> especiales que exponen explícitamente ciertos esquemas de indexación. Estos no son métodos funcionales, sino atributos que exponen una interfaz de corte particular a los datos de la <code>Series</code>.</p>
<p>En primer lugar, el atributo <code>loc</code> permite la indexación y el corte que siempre hace referencia al índice explícito:</p>
<div id="421215fc" class="cell" data-jupyter="{"outputs_hidden":false}">
<div class="sourceCode cell-code" id="cb41"><pre class="sourceCode python code-with-copy"><code class="sourceCode python"><span id="cb41-1"><a href="#cb41-1" aria-hidden="true" tabindex="-1"></a>data.loc[<span class="dv">1</span>]</span></code><button title="Copy to Clipboard" class="code-copy-button"><i class="bi"></i></button></pre></div>
</div>
<div id="d75eafd9" class="cell" data-jupyter="{"outputs_hidden":false}">
<div class="sourceCode cell-code" id="cb42"><pre class="sourceCode python code-with-copy"><code class="sourceCode python"><span id="cb42-1"><a href="#cb42-1" aria-hidden="true" tabindex="-1"></a>data.loc[<span class="dv">1</span>:<span class="dv">3</span>]</span></code><button title="Copy to Clipboard" class="code-copy-button"><i class="bi"></i></button></pre></div>
</div>
<p>El atributo <code>iloc</code> permite la indexación y el corte que siempre hace referencia al índice implícito de estilo Python:</p>
<div id="5e94f7b8" class="cell" data-jupyter="{"outputs_hidden":false}">
<div class="sourceCode cell-code" id="cb43"><pre class="sourceCode python code-with-copy"><code class="sourceCode python"><span id="cb43-1"><a href="#cb43-1" aria-hidden="true" tabindex="-1"></a>data.iloc[<span class="dv">1</span>]</span></code><button title="Copy to Clipboard" class="code-copy-button"><i class="bi"></i></button></pre></div>
</div>
<div id="77aefdb5" class="cell" data-jupyter="{"outputs_hidden":false}">
<div class="sourceCode cell-code" id="cb44"><pre class="sourceCode python code-with-copy"><code class="sourceCode python"><span id="cb44-1"><a href="#cb44-1" aria-hidden="true" tabindex="-1"></a>data.iloc[<span class="dv">1</span>:<span class="dv">3</span>]</span></code><button title="Copy to Clipboard" class="code-copy-button"><i class="bi"></i></button></pre></div>
</div>
<p>Un principio rector del código Python es que > <strong>Lo explícito es mejor que lo implícito</strong></p>
<p>La naturaleza explícita de <code>loc</code> e <code>iloc</code> los hace muy útiles para mantener un código limpio y legible; especialmente en el caso de índices enteros, recomiendo utilizar ambos para hacer que el código sea más fácil de leer y entender y para evitar errores sutiles debido a la convención mixta de indexación/segmentación.</p>
</section>
</section>
<section id="py-pandas-dfselect" class="level3" data-number="7.3.2">
<h3 data-number="7.3.2" class="anchored" data-anchor-id="py-pandas-dfselect"><span
class="header-section-number">7.3.2 </span> Selección de datos en DataFrame</h3>
<p>Recuerde que un <code>DataFrame</code> actúa en muchos sentidos como una matriz bidimensional o estructurada, y en otros sentidos como un diccionario de estructuras <code>Series</code> que comparten el mismo índice. Puede resultar útil tener en cuenta estas analogías a medida que exploramos la selección de datos dentro de esta estructura.</p>
<section id="dataframe-como-diccionario" class="level4">
<h4 class="anchored" data-anchor-id="dataframe-como-diccionario"><code>DataFrame</code> como diccionario</h4>
<p>La primera analogía que consideraremos es el <code>DataFrame</code> como un diccionario de objetos <code>Series</code> relacionados. Volvamos a nuestro ejemplo de áreas y poblaciones de estados:</p>
<div id="5b752571" class="cell" data-jupyter="{"outputs_hidden":false}">
<div class="sourceCode cell-code" id="cb45"><pre class="sourceCode python code-with-copy"><code class="sourceCode python"><span id="cb45-1"><a href="#cb45-1" aria-hidden="true" tabindex="-1"></a>area <span class="op">=</span> pd.Series({<span class="st">'California'</span>: <span class="dv">423967</span>, <span class="st">'Texas'</span>: <span class="dv">695662</span>,</span>
<span id="cb45-2"><a href="#cb45-2" aria-hidden="true" tabindex="-1"></a> <span class="st">'New York'</span>: <span class="dv">141297</span>, <span class="st">'Florida'</span>: <span class="dv">170312</span>,</span>
<span id="cb45-3"><a href="#cb45-3" aria-hidden="true" tabindex="-1"></a> <span class="st">'Illinois'</span>: <span class="dv">149995</span>})</span>
<span id="cb45-4"><a href="#cb45-4" aria-hidden="true" tabindex="-1"></a>pop <span class="op">=</span> pd.Series({<span class="st">'California'</span>: <span class="dv">38332521</span>, <span class="st">'Texas'</span>: <span class="dv">26448193</span>,</span>
<span id="cb45-5"><a href="#cb45-5" aria-hidden="true" tabindex="-1"></a> <span class="st">'New York'</span>: <span class="dv">19651127</span>, <span class="st">'Florida'</span>: <span class="dv">19552860</span>,</span>
<span id="cb45-6"><a href="#cb45-6" aria-hidden="true" tabindex="-1"></a> <span class="st">'Illinois'</span>: <span class="dv">12882135</span>})</span>
<span id="cb45-7"><a href="#cb45-7" aria-hidden="true" tabindex="-1"></a>data <span class="op">=</span> pd.DataFrame({<span class="st">'area'</span>:area, <span class="st">'pop'</span>:pop})</span>
<span id="cb45-8"><a href="#cb45-8" aria-hidden="true" tabindex="-1"></a>data</span></code><button title="Copy to Clipboard" class="code-copy-button"><i class="bi"></i></button></pre></div>
</div>
<p>Se puede acceder a las <code>Series</code> individuales que componen las columnas del <code>DataFrame</code> a través de la indexación de estilo diccionario del nombre de la columna:</p>
<div id="7e5bb767" class="cell" data-jupyter="{"outputs_hidden":false}">
<div class="sourceCode cell-code" id="cb46"><pre class="sourceCode python code-with-copy"><code class="sourceCode python"><span id="cb46-1"><a href="#cb46-1" aria-hidden="true" tabindex="-1"></a>data[<span class="st">'area'</span>]</span></code><button title="Copy to Clipboard" class="code-copy-button"><i class="bi"></i></button></pre></div>
</div>
<p>De manera equivalente, podemos utilizar el acceso de estilo de atributo con nombres de columnas que son cadenas:</p>
<div id="7f76ae1d" class="cell" data-jupyter="{"outputs_hidden":false}">
<div class="sourceCode cell-code" id="cb47"><pre class="sourceCode python code-with-copy"><code class="sourceCode python"><span id="cb47-1"><a href="#cb47-1" aria-hidden="true" tabindex="-1"></a>data.area</span></code><button title="Copy to Clipboard" class="code-copy-button"><i class="bi"></i></button></pre></div>
</div>
<p>Este acceso a la columna de estilo de atributo en realidad accede exactamente al mismo objeto que el acceso de estilo de diccionario:</p>
<div id="1c2b8011" class="cell" data-jupyter="{"outputs_hidden":false}">
<div class="sourceCode cell-code" id="cb48"><pre class="sourceCode python code-with-copy"><code class="sourceCode python"><span id="cb48-1"><a href="#cb48-1" aria-hidden="true" tabindex="-1"></a>data.area <span class="kw">is</span> data[<span class="st">'area'</span>]</span></code><button title="Copy to Clipboard" class="code-copy-button"><i class="bi"></i></button></pre></div>
</div>
<p>Si bien esta es una abreviatura útil, tenga en cuenta que no funciona en todos los casos. Por ejemplo, si los nombres de las columnas no son cadenas o si los nombres de las columnas entran en conflicto con los métodos del <code>DataFrame</code>, este acceso de estilo de atributo no es posible. Por ejemplo, el <code>DataFrame</code> tiene un método <code>pop()</code>, por lo que <code>data.pop</code> apuntará a esto en lugar de a la columna <code>"pop"</code>:</p>
<div id="939c9493" class="cell" data-jupyter="{"outputs_hidden":false}">
<div class="sourceCode cell-code" id="cb49"><pre class="sourceCode python code-with-copy"><code class="sourceCode python"><span id="cb49-1"><a href="#cb49-1" aria-hidden="true" tabindex="-1"></a>data.pop <span class="kw">is</span> data[<span class="st">'pop'</span>]</span></code><button title="Copy to Clipboard" class="code-copy-button"><i class="bi"></i></button></pre></div>
</div>
<p>En particular, debe evitar la tentación de intentar la asignación de columnas a través de atributos (es decir, utilizar <code>data['pop'] = z</code> en lugar de <code>data.pop = z</code>).</p>
<p>Al igual que con los objetos <code>Series</code> analizados anteriormente, esta sintaxis de estilo diccionario también se puede utilizar para modificar el objeto, en este caso agregando una nueva columna:</p>
<div id="e1728ccd" class="cell" data-jupyter="{"outputs_hidden":false}">
<div class="sourceCode cell-code" id="cb50"><pre class="sourceCode python code-with-copy"><code class="sourceCode python"><span id="cb50-1"><a href="#cb50-1" aria-hidden="true" tabindex="-1"></a>data[<span class="st">'density'</span>] <span class="op">=</span> data[<span class="st">'pop'</span>] <span class="op">/</span> data[<span class="st">'area'</span>]</span>
<span id="cb50-2"><a href="#cb50-2" aria-hidden="true" tabindex="-1"></a>data</span></code><button title="Copy to Clipboard" class="code-copy-button"><i class="bi"></i></button></pre></div>
</div>
</section>
<section id="dataframe-como-matriz-bidimensional" class="level4">
<h4 class="anchored" data-anchor-id="dataframe-como-matriz-bidimensional"><code>DataFrame</code> como matriz bidimensional</h4>
<p>Como se mencionó anteriormente, también podemos ver el <code>DataFrame</code> como una matriz bidimensional mejorada. Podemos examinar la matriz de datos subyacente sin procesar utilizando el atributo <code>values</code>:</p>
<div id="1d13881c" class="cell" data-jupyter="{"outputs_hidden":false}">
<div class="sourceCode cell-code" id="cb51"><pre class="sourceCode python code-with-copy"><code class="sourceCode python"><span id="cb51-1"><a href="#cb51-1" aria-hidden="true" tabindex="-1"></a>data.values</span></code><button title="Copy to Clipboard" class="code-copy-button"><i class="bi"></i></button></pre></div>
</div>
<p>Con esta imagen en mente, se pueden realizar muchas observaciones familiares de tipo matriz en el propio <code>DataFrame</code>. Por ejemplo, podemos transponer el <code>DataFrame</code> completo para intercambiar filas y columnas:</p>
<div id="5deb6b6b" class="cell" data-jupyter="{"outputs_hidden":false}">
<div class="sourceCode cell-code" id="cb52"><pre class="sourceCode python code-with-copy"><code class="sourceCode python"><span id="cb52-1"><a href="#cb52-1" aria-hidden="true" tabindex="-1"></a>data.T</span></code><button title="Copy to Clipboard" class="code-copy-button"><i class="bi"></i></button></pre></div>
</div>
<p>Sin embargo, cuando se trata de la indexación de objetos <code>DataFrame</code>, está claro que la indexación de columnas en estilo diccionario impide nuestra capacidad de tratarlo simplemente como una matriz NumPy. En particular, al pasar un único índice a una matriz se accede a una fila:</p>
<div id="36cef4fe" class="cell" data-jupyter="{"outputs_hidden":false}">
<div class="sourceCode cell-code" id="cb53"><pre class="sourceCode python code-with-copy"><code class="sourceCode python"><span id="cb53-1"><a href="#cb53-1" aria-hidden="true" tabindex="-1"></a>data.values[<span class="dv">0</span>]</span></code><button title="Copy to Clipboard" class="code-copy-button"><i class="bi"></i></button></pre></div>
</div>
<p>y al pasar un único <code>Index</code> a un <code>DataFrame</code> se accede a una columna:</p>
<div id="a2369d48" class="cell" data-jupyter="{"outputs_hidden":false}">
<div class="sourceCode cell-code" id="cb54"><pre class="sourceCode python code-with-copy"><code class="sourceCode python"><span id="cb54-1"><a href="#cb54-1" aria-hidden="true" tabindex="-1"></a>data[<span class="st">'area'</span>]</span></code><button title="Copy to Clipboard" class="code-copy-button"><i class="bi"></i></button></pre></div>
</div>
<p>Por lo tanto, para la indexación de estilo matriz, necesitamos otra convención. Aquí Pandas vuelve a utilizar los indexadores <code>loc</code> e <code>iloc</code>mencionados anteriormente. Usando el indexador <code>iloc</code>, podemos indexar la matriz subyacente como si fuera una matriz NumPy simple (usando el índice implícito de estilo Python), pero el índice <code>DataFrame</code> y las etiquetas de columna se mantienen en el resultado:</p>
<div id="fc2e645c" class="cell" data-jupyter="{"outputs_hidden":false}">
<div class="sourceCode cell-code" id="cb55"><pre class="sourceCode python code-with-copy"><code class="sourceCode python"><span id="cb55-1"><a href="#cb55-1" aria-hidden="true" tabindex="-1"></a>data.iloc[:<span class="dv">3</span>, :<span class="dv">2</span>]</span></code><button title="Copy to Clipboard" class="code-copy-button"><i class="bi"></i></button></pre></div>
</div>
<p>De manera similar, utilizando el indexador <code>loc</code> podemos indexar los datos subyacentes en un estilo similar a una matriz pero utilizando los nombres de índice y columna explícitos:</p>
<div id="40e1ca00" class="cell" data-jupyter="{"outputs_hidden":false}">
<div class="sourceCode cell-code" id="cb56"><pre class="sourceCode python code-with-copy"><code class="sourceCode python"><span id="cb56-1"><a href="#cb56-1" aria-hidden="true" tabindex="-1"></a>data.loc[:<span class="st">'Illinois'</span>, :<span class="st">'pop'</span>]</span></code><button title="Copy to Clipboard" class="code-copy-button"><i class="bi"></i></button></pre></div>
</div>
<p>Se puede utilizar cualquiera de los patrones familiares de acceso a datos de estilo NumPy dentro de estos indexadores. Por ejemplo, en el indexador <code>loc</code> podemos combinar enmascaramiento e indexación elegante como en lo siguiente:</p>
<div id="3babfc17" class="cell" data-jupyter="{"outputs_hidden":false}">
<div class="sourceCode cell-code" id="cb57"><pre class="sourceCode python code-with-copy"><code class="sourceCode python"><span id="cb57-1"><a href="#cb57-1" aria-hidden="true" tabindex="-1"></a>data.loc[data.density <span class="op">></span> <span class="dv">100</span>, [<span class="st">'pop'</span>, <span class="st">'density'</span>]]</span></code><button title="Copy to Clipboard" class="code-copy-button"><i class="bi"></i></button></pre></div>
</div>
<p>Cualquiera de estas convenciones de indexación también se puede utilizar para establecer o modificar valores; esto se hace de la manera estándar a la que probablemente esté acostumbrado al trabajar con NumPy:</p>
<div id="3ff0bf1e" class="cell" data-jupyter="{"outputs_hidden":false}">
<div class="sourceCode cell-code" id="cb58"><pre class="sourceCode python code-with-copy"><code class="sourceCode python"><span id="cb58-1"><a href="#cb58-1" aria-hidden="true" tabindex="-1"></a>data.iloc[<span class="dv">0</span>, <span class="dv">2</span>] <span class="op">=</span> <span class="dv">90</span></span>
<span id="cb58-2"><a href="#cb58-2" aria-hidden="true" tabindex="-1"></a>data</span></code><button title="Copy to Clipboard" class="code-copy-button"><i class="bi"></i></button></pre></div>
</div>
</section>
</section>
<section id="py-pandas-idxconv" class="level3" data-number="7.3.3">
<h3 data-number="7.3.3" class="anchored" data-anchor-id="py-pandas-idxconv"><span
class="header-section-number">7.3.3 </span> Convenciones de indexación adicionales</h3>
<p>Hay un par de convenciones de indexación adicionales que pueden parecer contrarias a la discusión anterior, pero sin embargo pueden resultar muy útiles en la práctica. En primer lugar, mientras que <em>indexación</em> se refiere a columnas, <em>segmentación</em> se refiere a filas:</p>
<div id="8936cb0b" class="cell" data-jupyter="{"outputs_hidden":false}">
<div class="sourceCode cell-code" id="cb59"><pre class="sourceCode python code-with-copy"><code class="sourceCode python"><span id="cb59-1"><a href="#cb59-1" aria-hidden="true" tabindex="-1"></a>data[<span class="st">'Florida'</span>:<span class="st">'Illinois'</span>]</span></code><button title="Copy to Clipboard" class="code-copy-button"><i class="bi"></i></button></pre></div>
</div>
<p>Estas porciones también pueden hacer referencia a filas por número en lugar de por índice:</p>
<div id="dc199cad" class="cell" data-jupyter="{"outputs_hidden":false}">
<div class="sourceCode cell-code" id="cb60"><pre class="sourceCode python code-with-copy"><code class="sourceCode python"><span id="cb60-1"><a href="#cb60-1" aria-hidden="true" tabindex="-1"></a>data[<span class="dv">1</span>:<span class="dv">3</span>]</span></code><button title="Copy to Clipboard" class="code-copy-button"><i class="bi"></i></button></pre></div>
</div>
<p>De manera similar, las operaciones de enmascaramiento directo también se interpretan por filas en lugar de por columnas:</p>
<div id="9f92c212" class="cell" data-jupyter="{"outputs_hidden":false}">
<div class="sourceCode cell-code" id="cb61"><pre class="sourceCode python code-with-copy"><code class="sourceCode python"><span id="cb61-1"><a href="#cb61-1" aria-hidden="true" tabindex="-1"></a>data[data.density <span class="op">></span> <span class="dv">100</span>]</span></code><button title="Copy to Clipboard" class="code-copy-button"><i class="bi"></i></button></pre></div>
</div>
<p>Estas dos convenciones son sintácticamente similares a aquellas de una matriz NumPy. Y si bien pueden no ajustarse exactamente al molde de las convenciones de Pandas, son bastante útiles en la práctica.</p>
</section>
</section>
<!-- 7.4 -->
<section id="py-pandas-oper" class="level2" data-number="7.4">
<h2 data-number="7.4" class="anchored" data-anchor-id="py-pandas-oper"><span
class="header-section-number">7.4</span> Operando con datos en Pandas</h2>
<p>Una de las piezas esenciales de NumPy es la capacidad de realizar operaciones rápidas elemento por elemento, tanto con aritmética básica (suma, resta, multiplicación, etc.) como con operaciones más sofisticadas (funciones trigonométricas, funciones exponenciales y logarítmicas, etc.). Pandas hereda gran parte de esta funcionalidad de NumPy y las ufuncs son clave para esto.</p>
<p>Sin embargo, Pandas incluye un par de cambios útiles: para operaciones unarias como la negación y las funciones trigonométricas, estas ufuncs <em>preservarán las etiquetas de índice y columna</em> en la salida, y para operaciones binarias como la suma y la multiplicación, Pandas <em>alineará automáticamente los índices</em> al pasar los objetos a la ufunc. Esto significa que mantener el contexto de los datos y combinar datos de diferentes fuentes (ambas tareas potencialmente propensas a errores con matrices NumPy sin procesar) se vuelven esencialmente tareas infalibles con Pandas. Además, veremos que existen operaciones bien definidas entre estructuras unidimensionales tipo «Series» y estructuras bidimensionales tipo «DataFrame».</p>
<section id="py-pandas-ufpre" class="level3" data-number="7.4.1">
<h3 data-number="7.4.1" class="anchored" data-anchor-id="py-pandas-ufpre"><span
class="header-section-number">7.4.1 </span> Ufuncs: Preservación de índice</h3>
<p>Debido a que Pandas está diseñado para trabajar con NumPy, cualquier ufunc de NumPy funcionará en objetos <code>Series</code> y <code>DataFrame</code> de Pandas. Comencemos por definir una <code>Serie</code> y un <code>DataFrame</code> simples sobre los cuales demostrar esto:</p>
<div id="84281604" class="cell">
<div class="sourceCode cell-code" id="cb62"><pre class="sourceCode python code-with-copy"><code class="sourceCode python"><span id="cb62-1"><a href="#cb62-1" aria-hidden="true" tabindex="-1"></a><span class="im">import</span> pandas <span class="im">as</span> pd</span>
<span id="cb62-2"><a href="#cb62-2" aria-hidden="true" tabindex="-1"></a><span class="im">import</span> numpy <span class="im">as</span> np</span></code><button title="Copy to Clipboard" class="code-copy-button"><i class="bi"></i></button></pre></div>
</div>
<div id="8ef06080" class="cell" data-jupyter="{"outputs_hidden":false}">
<div class="sourceCode cell-code" id="cb63"><pre class="sourceCode python code-with-copy"><code class="sourceCode python"><span id="cb63-1"><a href="#cb63-1" aria-hidden="true" tabindex="-1"></a>rng <span class="op">=</span> np.random.RandomState(<span class="dv">42</span>)</span>
<span id="cb63-2"><a href="#cb63-2" aria-hidden="true" tabindex="-1"></a>ser <span class="op">=</span> pd.Series(rng.randint(<span class="dv">0</span>, <span class="dv">10</span>, <span class="dv">4</span>))</span>
<span id="cb63-3"><a href="#cb63-3" aria-hidden="true" tabindex="-1"></a>ser</span></code><button title="Copy to Clipboard" class="code-copy-button"><i class="bi"></i></button></pre></div>
</div>
<div id="b173c015" class="cell" data-jupyter="{"outputs_hidden":false}">
<div class="sourceCode cell-code" id="cb64"><pre class="sourceCode python code-with-copy"><code class="sourceCode python"><span id="cb64-1"><a href="#cb64-1" aria-hidden="true" tabindex="-1"></a>df <span class="op">=</span> pd.DataFrame(rng.randint(<span class="dv">0</span>, <span class="dv">10</span>, (<span class="dv">3</span>, <span class="dv">4</span>)),</span>
<span id="cb64-2"><a href="#cb64-2" aria-hidden="true" tabindex="-1"></a> columns<span class="op">=</span>[<span class="st">'A'</span>, <span class="st">'B'</span>, <span class="st">'C'</span>, <span class="st">'D'</span>])</span>
<span id="cb64-3"><a href="#cb64-3" aria-hidden="true" tabindex="-1"></a>df</span></code><button title="Copy to Clipboard" class="code-copy-button"><i class="bi"></i></button></pre></div>
</div>
<p>Si aplicamos una ufunc NumPy en cualquiera de estos objetos, el resultado será otro objeto Pandas <em>con los índices conservados</em>:</p>
<div id="c28b79e7" class="cell" data-jupyter="{"outputs_hidden":false}">
<div class="sourceCode cell-code" id="cb65"><pre class="sourceCode python code-with-copy"><code class="sourceCode python"><span id="cb65-1"><a href="#cb65-1" aria-hidden="true" tabindex="-1"></a>np.exp(ser)</span></code><button title="Copy to Clipboard" class="code-copy-button"><i class="bi"></i></button></pre></div>
</div>
<p>O, para un cálculo un poco más complejo:</p>
<div id="3dd640f7" class="cell" data-jupyter="{"outputs_hidden":false}">
<div class="sourceCode cell-code" id="cb66"><pre class="sourceCode python code-with-copy"><code class="sourceCode python"><span id="cb66-1"><a href="#cb66-1" aria-hidden="true" tabindex="-1"></a>np.sin(df <span class="op">*</span> np.pi <span class="op">/</span> <span class="dv">4</span>)</span></code><button title="Copy to Clipboard" class="code-copy-button"><i class="bi"></i></button></pre></div>
</div>
<p>Cualquiera de las ufuncs discutidas se puede utilizar de manera similar.</p>
</section>
<section id="py-pandas-ufalg" class="level3" data-number="7.4.2">
<h3 data-number="7.4.2" class="anchored" data-anchor-id="py-pandas-ufalg"><span
class="header-section-number">7.4.2 </span> UFuncs: Alineación de índice</h3>
<p>Para operaciones binarias en dos objetos <code>Series</code> o <code>DataFrame</code>, Pandas alineará los índices en el proceso de realización de la operación. Esto es muy conveniente cuando trabajamos con datos incompletos, como veremos en algunos de los ejemplos que siguen.</p>
<section id="alineación-de-índices-en-la-serie" class="level4">
<h4 class="anchored" data-anchor-id="alineación-de-índices-en-la-serie">Alineación de índices en la serie</h4>
<p>A modo de ejemplo, supongamos que combinamos dos fuentes de datos diferentes y encontramos solo los tres principales estados de EE. UU. por <em>área</em> y los tres principales estados de EE. UU. por <em>población</em>:</p>
<div id="29c93383" class="cell" data-jupyter="{"outputs_hidden":false}">
<div class="sourceCode cell-code" id="cb67"><pre class="sourceCode python code-with-copy"><code class="sourceCode python"><span id="cb67-1"><a href="#cb67-1" aria-hidden="true" tabindex="-1"></a>area <span class="op">=</span> pd.Series({<span class="st">'Alaska'</span>: <span class="dv">1723337</span>, <span class="st">'Texas'</span>: <span class="dv">695662</span>,</span>
<span id="cb67-2"><a href="#cb67-2" aria-hidden="true" tabindex="-1"></a> <span class="st">'California'</span>: <span class="dv">423967</span>}, name<span class="op">=</span><span class="st">'area'</span>)</span>
<span id="cb67-3"><a href="#cb67-3" aria-hidden="true" tabindex="-1"></a>population <span class="op">=</span> pd.Series({<span class="st">'California'</span>: <span class="dv">38332521</span>, <span class="st">'Texas'</span>: <span class="dv">26448193</span>,</span>
<span id="cb67-4"><a href="#cb67-4" aria-hidden="true" tabindex="-1"></a> <span class="st">'New York'</span>: <span class="dv">19651127</span>}, name<span class="op">=</span><span class="st">'population'</span>)</span></code><button title="Copy to Clipboard" class="code-copy-button"><i class="bi"></i></button></pre></div>
</div>
<p>Veamos qué sucede cuando dividimos estos para calcular la densidad de población:</p>
<div id="94fbaeaa" class="cell" data-jupyter="{"outputs_hidden":false}">
<div class="sourceCode cell-code" id="cb68"><pre class="sourceCode python code-with-copy"><code class="sourceCode python"><span id="cb68-1"><a href="#cb68-1" aria-hidden="true" tabindex="-1"></a>population <span class="op">/</span> area</span></code><button title="Copy to Clipboard" class="code-copy-button"><i class="bi"></i></button></pre></div>
</div>
<p>La matriz resultante contiene la <em>unión</em> de los índices de las dos matrices de entrada.</p>
<p>Cualquier elemento para el cual uno u otro no tiene una entrada se marca con “NaN” o “No es un número”, que es la forma en que Pandas marca los datos faltantes. Esta coincidencia de índice se implementa de esta manera para cualquiera de las expresiones aritméticas integradas de Python; cualquier valor faltante se completa con NaN de manera predeterminada:</p>
<div id="64471eef" class="cell" data-jupyter="{"outputs_hidden":false}">
<div class="sourceCode cell-code" id="cb69"><pre class="sourceCode python code-with-copy"><code class="sourceCode python"><span id="cb69-1"><a href="#cb69-1" aria-hidden="true" tabindex="-1"></a>A <span class="op">=</span> pd.Series([<span class="dv">2</span>, <span class="dv">4</span>, <span class="dv">6</span>], index<span class="op">=</span>[<span class="dv">0</span>, <span class="dv">1</span>, <span class="dv">2</span>])</span>
<span id="cb69-2"><a href="#cb69-2" aria-hidden="true" tabindex="-1"></a>B <span class="op">=</span> pd.Series([<span class="dv">1</span>, <span class="dv">3</span>, <span class="dv">5</span>], index<span class="op">=</span>[<span class="dv">1</span>, <span class="dv">2</span>, <span class="dv">3</span>])</span>
<span id="cb69-3"><a href="#cb69-3" aria-hidden="true" tabindex="-1"></a>A <span class="op">+</span> B</span></code><button title="Copy to Clipboard" class="code-copy-button"><i class="bi"></i></button></pre></div>
</div>
<p>Si el uso de valores NaN no es el comportamiento deseado, el valor de relleno se puede modificar utilizando métodos de objeto apropiados en lugar de los operadores. Por ejemplo, llamar a <code>A.add(B)</code> es equivalente a llamar a <code>A + B</code>, pero permite la especificación explícita opcional del valor de relleno para cualquier elemento en <code>A</code> o <code>B</code> que pueda faltar:</p>
<div id="22b10da7" class="cell" data-jupyter="{"outputs_hidden":false}">
<div class="sourceCode cell-code" id="cb70"><pre class="sourceCode python code-with-copy"><code class="sourceCode python"><span id="cb70-1"><a href="#cb70-1" aria-hidden="true" tabindex="-1"></a>A.add(B, fill_value<span class="op">=</span><span class="dv">0</span>)</span></code><button title="Copy to Clipboard" class="code-copy-button"><i class="bi"></i></button></pre></div>
</div>
</section>
<section id="alineación-de-índices-en-dataframe" class="level4">
<h4 class="anchored" data-anchor-id="alineación-de-índices-en-dataframe">Alineación de índices en DataFrame</h4>
<p>Un tipo de alineación similar tiene lugar <em>tanto</em> para las columnas como para los índices cuando se realizan operaciones en <code>DataFrame</code>:</p>
<div id="df09a5b0" class="cell" data-jupyter="{"outputs_hidden":false}">
<div class="sourceCode cell-code" id="cb71"><pre class="sourceCode python code-with-copy"><code class="sourceCode python"><span id="cb71-1"><a href="#cb71-1" aria-hidden="true" tabindex="-1"></a>A <span class="op">=</span> pd.DataFrame(rng.randint(<span class="dv">0</span>, <span class="dv">20</span>, (<span class="dv">2</span>, <span class="dv">2</span>)),</span>
<span id="cb71-2"><a href="#cb71-2" aria-hidden="true" tabindex="-1"></a> columns<span class="op">=</span><span class="bu">list</span>(<span class="st">'AB'</span>))</span>
<span id="cb71-3"><a href="#cb71-3" aria-hidden="true" tabindex="-1"></a>A</span></code><button title="Copy to Clipboard" class="code-copy-button"><i class="bi"></i></button></pre></div>
</div>
<div id="420b5e4d" class="cell" data-jupyter="{"outputs_hidden":false}">
<div class="sourceCode cell-code" id="cb72"><pre class="sourceCode python code-with-copy"><code class="sourceCode python"><span id="cb72-1"><a href="#cb72-1" aria-hidden="true" tabindex="-1"></a>B <span class="op">=</span> pd.DataFrame(rng.randint(<span class="dv">0</span>, <span class="dv">10</span>, (<span class="dv">3</span>, <span class="dv">3</span>)),</span>
<span id="cb72-2"><a href="#cb72-2" aria-hidden="true" tabindex="-1"></a> columns<span class="op">=</span><span class="bu">list</span>(<span class="st">'BAC'</span>))</span>
<span id="cb72-3"><a href="#cb72-3" aria-hidden="true" tabindex="-1"></a>B</span></code><button title="Copy to Clipboard" class="code-copy-button"><i class="bi"></i></button></pre></div>
</div>
<div id="f7165541" class="cell" data-jupyter="{"outputs_hidden":false}">
<div class="sourceCode cell-code" id="cb73"><pre class="sourceCode python code-with-copy"><code class="sourceCode python"><span id="cb73-1"><a href="#cb73-1" aria-hidden="true" tabindex="-1"></a>A <span class="op">+</span> B</span></code><button title="Copy to Clipboard" class="code-copy-button"><i class="bi"></i></button></pre></div>
</div>
<p>Tenga en cuenta que los índices están alineados correctamente independientemente de su orden en los dos objetos, y los índices en el resultado están ordenados. Como fue el caso con <code>Series</code>, podemos usar el método aritmético del objeto asociado y pasar cualquier <code>fill_value</code> deseado para usar en lugar de las entradas faltantes. Aquí completaremos con la media de todos los valores en <code>A</code> (calculada apilando primero las filas de <code>A</code>):</p>
<div id="b70663a4" class="cell" data-jupyter="{"outputs_hidden":false}">
<div class="sourceCode cell-code" id="cb74"><pre class="sourceCode python code-with-copy"><code class="sourceCode python"><span id="cb74-1"><a href="#cb74-1" aria-hidden="true" tabindex="-1"></a>fill <span class="op">=</span> A.stack().mean()</span>
<span id="cb74-2"><a href="#cb74-2" aria-hidden="true" tabindex="-1"></a>A.add(B, fill_value<span class="op">=</span>fill)</span></code><button title="Copy to Clipboard" class="code-copy-button"><i class="bi"></i></button></pre></div>
</div>
</section>
</section>
<section id="py-pandas-ufoper" class="level3" data-number="7.4.3">
<h3 data-number="7.4.3" class="anchored" data-anchor-id="py-pandas-ufoper"><span
class="header-section-number">7.4.3 </span>Ufuncs: Operaciones entre DataFrame y Series</h3>
<p>Al realizar operaciones entre un <code>DataFrame</code> y una <code>Serie</code>, la alineación del índice y de la columna se mantiene de manera similar. Las operaciones entre un <code>DataFrame</code> y una <code>Serie</code> son similares a las operaciones entre una matriz NumPy bidimensional y unidimensional. Consideremos una operación común, donde encontramos la diferencia de una matriz bidimensional y una de sus filas:</p>
<div id="8dc3feb6" class="cell" data-jupyter="{"outputs_hidden":false}">
<div class="sourceCode cell-code" id="cb75"><pre class="sourceCode python code-with-copy"><code class="sourceCode python"><span id="cb75-1"><a href="#cb75-1" aria-hidden="true" tabindex="-1"></a>A <span class="op">=</span> rng.randint(<span class="dv">10</span>, size<span class="op">=</span>(<span class="dv">3</span>, <span class="dv">4</span>))</span>
<span id="cb75-2"><a href="#cb75-2" aria-hidden="true" tabindex="-1"></a>A</span></code><button title="Copy to Clipboard" class="code-copy-button"><i class="bi"></i></button></pre></div>
</div>
<div id="d5eaa762" class="cell" data-jupyter="{"outputs_hidden":false}">
<div class="sourceCode cell-code" id="cb76"><pre class="sourceCode python code-with-copy"><code class="sourceCode python"><span id="cb76-1"><a href="#cb76-1" aria-hidden="true" tabindex="-1"></a>A <span class="op">-</span> A[<span class="dv">0</span>]</span></code><button title="Copy to Clipboard" class="code-copy-button"><i class="bi"></i></button></pre></div>
</div>
<p>De acuerdo con las reglas de transmisión de NumPy, la resta entre una matriz bidimensional y una de sus filas se aplica fila por fila.</p>
<p>En Pandas, la convención funciona de manera similar por fila de manera predeterminada:</p>
<div id="68defba3" class="cell" data-jupyter="{"outputs_hidden":false}">
<div class="sourceCode cell-code" id="cb77"><pre class="sourceCode python code-with-copy"><code class="sourceCode python"><span id="cb77-1"><a href="#cb77-1" aria-hidden="true" tabindex="-1"></a>df <span class="op">=</span> pd.DataFrame(A, columns<span class="op">=</span><span class="bu">list</span>(<span class="st">'QRST'</span>))</span>
<span id="cb77-2"><a href="#cb77-2" aria-hidden="true" tabindex="-1"></a>df <span class="op">-</span> df.iloc[<span class="dv">0</span>]</span></code><button title="Copy to Clipboard" class="code-copy-button"><i class="bi"></i></button></pre></div>
</div>
<p>Si, en cambio, desea operar por columnas, puede utilizar los métodos de objeto mencionados anteriormente, mientras especifica la palabra clave <code>axis</code>:</p>
<div id="96a5afc1" class="cell" data-jupyter="{"outputs_hidden":false}">
<div class="sourceCode cell-code" id="cb78"><pre class="sourceCode python code-with-copy"><code class="sourceCode python"><span id="cb78-1"><a href="#cb78-1" aria-hidden="true" tabindex="-1"></a>df.subtract(df[<span class="st">'R'</span>], axis<span class="op">=</span><span class="dv">0</span>)</span></code><button title="Copy to Clipboard" class="code-copy-button"><i class="bi"></i></button></pre></div>
</div>
<p>Tenga en cuenta que estas operaciones <code>DataFrame</code>/<code>Series</code>, al igual que las operaciones analizadas anteriormente, alinearán automáticamente los índices entre los dos elementos:</p>
<div id="9ba872bc" class="cell" data-jupyter="{"outputs_hidden":false}">
<div class="sourceCode cell-code" id="cb79"><pre class="sourceCode python code-with-copy"><code class="sourceCode python"><span id="cb79-1"><a href="#cb79-1" aria-hidden="true" tabindex="-1"></a>halfrow <span class="op">=</span> df.iloc[<span class="dv">0</span>, ::<span class="dv">2</span>]</span>
<span id="cb79-2"><a href="#cb79-2" aria-hidden="true" tabindex="-1"></a>halfrow</span></code><button title="Copy to Clipboard" class="code-copy-button"><i class="bi"></i></button></pre></div>
</div>
<div id="476b4cd4" class="cell" data-jupyter="{"outputs_hidden":false}">
<div class="sourceCode cell-code" id="cb80"><pre class="sourceCode python code-with-copy"><code class="sourceCode python"><span id="cb80-1"><a href="#cb80-1" aria-hidden="true" tabindex="-1"></a>df <span class="op">-</span> halfrow</span></code><button title="Copy to Clipboard" class="code-copy-button"><i class="bi"></i></button></pre></div>
</div>
<p>Esta preservación y alineación de índices y columnas significa que las operaciones sobre datos en Pandas siempre mantendrán el contexto de los datos, lo que evita los tipos de errores tontos que pueden surgir al trabajar con datos heterogéneos y/o desalineados en matrices NumPy sin procesar.</p>
</section>
</section>
<!-- 7.5 -->
<section id="py-pandas-nodata" class="level2" data-number="7.5">
<h2 data-number="7.5" class="anchored" data-anchor-id="py-pandas-nodata"><span
class="header-section-number">7.5</span> Manejo de datos faltantes</h2>
<p>La diferencia entre los datos que se encuentran en muchos tutoriales y los datos del mundo real es que los datos del mundo real rara vez son limpios y homogéneos. En particular, en muchos conjuntos de datos interesantes faltará cierta cantidad de datos. Para complicar aún más las cosas, diferentes fuentes de datos pueden indicar datos faltantes de diferentes maneras.</p>
<p>En esta sección, analizaremos algunas consideraciones generales sobre los datos faltantes, analizaremos cómo Pandas elige representarlos y demostraremos algunas herramientas integradas de Pandas para manejar datos faltantes en Python. Aquí y a lo largo del libro, nos referiremos a los datos faltantes en general como valores <em>nulos</em>, <em>NaN</em> o <em>NA</em>.</p>
<section id="py-pandas-conv" class="level3" data-number="7.5.1">
<h3 data-number="7.5.1" class="anchored" data-anchor-id="py-pandas-conv"><span
class="header-section-number">7.5.1 </span> Convenciones de datos faltantes</h3>
<p>Hay una serie de esquemas que se han desarrollado para indicar la presencia de datos faltantes en una tabla o DataFrame. Generalmente, giran en torno a una de dos estrategias: utilizar una <em>máscara</em> que indica globalmente los valores faltantes o elegir un <em>valor centinela</em> que indica una entrada faltante.</p>
<p>En el enfoque de enmascaramiento, la máscara puede ser una matriz booleana completamente separada o puede implicar la apropiación de un bit en la representación de datos para indicar localmente el estado nulo de un valor.</p>
<p>En el enfoque centinela, el valor centinela podría ser alguna convención específica de los datos, como indicar un valor entero faltante con -9999 o algún patrón de bits raro, o podría ser una convención más global, como indicar un valor de punto flotante faltante con NaN (No es un número), un valor especial que es parte de la especificación de punto flotante IEEE.</p>
<p>Ninguno de estos enfoques está exento de desventajas: el uso de una matriz de máscaras independiente requiere la asignación de una matriz booleana adicional, lo que agrega sobrecarga tanto en almacenamiento como en computación. Un valor centinela reduce el rango de valores válidos que se pueden representar y puede requerir lógica adicional (a menudo no optimizada) en la aritmética de CPU y GPU. Los valores especiales comunes como NaN no están disponibles para todos los tipos de datos.</p>
<p>Como en la mayoría de los casos en los que no existe una opción universalmente óptima, los distintos idiomas y sistemas utilizan convenciones diferentes. Por ejemplo, el lenguaje R utiliza patrones de bits reservados dentro de cada tipo de datos como valores centinela que indican datos faltantes, mientras que el sistema SciDB utiliza un byte adicional adjunto a cada celda que indica un estado NA.</p>
</section>
<section id="py-pandas-ndpandas" class="level3" data-number="7.5.2">
<h3 data-number="7.5.2" class="anchored" data-anchor-id="py-pandas-ndpandas"><span
class="header-section-number">7.5.2 </span> Datos faltantes en Pandas</h3>
<p>La forma en que Pandas maneja los valores faltantes está limitada por su dependencia del paquete NumPy, que no tiene una noción incorporada de valores NA para tipos de datos que no sean de punto flotante.</p>
<p>Pandas podría haber seguido el ejemplo de R y especificar patrones de bits para cada tipo de datos individual para indicar la nulidad, pero este enfoque resulta bastante complicado de manejar. Si bien R contiene cuatro tipos de datos básicos, NumPy admite <em>mucho</em> más que esto: por ejemplo, mientras que R tiene un solo tipo de entero, NumPy admite <em>catorce</em> tipos de enteros básicos una vez que se tienen en cuenta las precisiones disponibles, el signo y el endianismo de la codificación. Reservar un patrón de bits específico en todos los tipos NumPy disponibles generaría una cantidad de sobrecarga inmanejable en la conversión especial de varias operaciones en casos especiales para varios tipos, lo que probablemente requeriría incluso una nueva bifurcación del paquete NumPy. Además, para los tipos de datos más pequeños (como los números enteros de 8 bits), sacrificar un bit para usarlo como máscara reducirá significativamente el rango de valores que puede representar.</p>
<p>NumPy tiene soporte para matrices enmascaradas, es decir, matrices que tienen una matriz de máscara booleana separada adjunta para marcar datos como “buenos” o “malos”. Pandas podría haber derivado de esto, pero la sobrecarga en almacenamiento, computación y mantenimiento del código hace que sea una opción poco atractiva.</p>
<p>Con estas restricciones en mente, Pandas eligió usar centinelas para los datos faltantes y además eligió usar dos valores nulos de Python ya existentes: el valor especial de punto flotante <code>NaN</code> y el objeto <code>None</code> de Python. Esta elección tiene algunos efectos secundarios, como veremos, pero en la práctica acaba siendo un buen compromiso en la mayoría de los casos de interés.</p>
<section id="ninguno-datos-faltantes-en-python" class="level4">
<h4 class="anchored" data-anchor-id="ninguno-datos-faltantes-en-python"><code>Ninguno</code>: datos faltantes en Python</h4>
<p>El primer valor centinela utilizado por Pandas es “Ninguno”, un objeto singleton de Python que a menudo se utiliza para datos faltantes en el código Python. Debido a que es un objeto Python, <code>None</code> no se puede usar en ninguna matriz NumPy/Pandas arbitraria, sino solo en matrices con tipo de datos <code>'object'</code> (es decir, matrices de objetos Python):</p>
<div id="d5b08b58" class="cell">
<div class="sourceCode cell-code" id="cb81"><pre class="sourceCode python code-with-copy"><code class="sourceCode python"><span id="cb81-1"><a href="#cb81-1" aria-hidden="true" tabindex="-1"></a><span class="im">import</span> numpy <span class="im">as</span> np</span>
<span id="cb81-2"><a href="#cb81-2" aria-hidden="true" tabindex="-1"></a><span class="im">import</span> pandas <span class="im">as</span> pd</span></code><button title="Copy to Clipboard" class="code-copy-button"><i class="bi"></i></button></pre></div>
</div>
<div id="43a0820d" class="cell" data-jupyter="{"outputs_hidden":false}">
<div class="sourceCode cell-code" id="cb82"><pre class="sourceCode python code-with-copy"><code class="sourceCode python"><span id="cb82-1"><a href="#cb82-1" aria-hidden="true" tabindex="-1"></a>vals1 <span class="op">=</span> np.array([<span class="dv">1</span>, <span class="va">None</span>, <span class="dv">3</span>, <span class="dv">4</span>])</span>
<span id="cb82-2"><a href="#cb82-2" aria-hidden="true" tabindex="-1"></a>vals1</span></code><button title="Copy to Clipboard" class="code-copy-button"><i class="bi"></i></button></pre></div>
</div>
<p>Este <code>dtype=object</code> significa que la mejor representación de tipo común que NumPy podría inferir para el contenido de la matriz es que son objetos de Python. Si bien este tipo de matriz de objetos es útil para algunos propósitos, cualquier operación sobre los datos se realizará a nivel de Python, con mucha más sobrecarga que las operaciones típicamente rápidas que se ven para matrices con tipos nativos:</p>
<div id="872afb49" class="cell" data-jupyter="{"outputs_hidden":false}">
<div class="sourceCode cell-code" id="cb83"><pre class="sourceCode python code-with-copy"><code class="sourceCode python"><span id="cb83-1"><a href="#cb83-1" aria-hidden="true" tabindex="-1"></a><span class="cf">for</span> dtype <span class="kw">in</span> [<span class="st">'object'</span>, <span class="st">'int'</span>]:</span>
<span id="cb83-2"><a href="#cb83-2" aria-hidden="true" tabindex="-1"></a> <span class="bu">print</span>(<span class="st">"dtype ="</span>, dtype)</span>
<span id="cb83-3"><a href="#cb83-3" aria-hidden="true" tabindex="-1"></a> <span class="op">%</span>timeit np.arange(<span class="fl">1E6</span>, dtype<span class="op">=</span>dtype).<span class="bu">sum</span>()</span>
<span id="cb83-4"><a href="#cb83-4" aria-hidden="true" tabindex="-1"></a> <span class="bu">print</span>()</span></code><button title="Copy to Clipboard" class="code-copy-button"><i class="bi"></i></button></pre></div>
</div>
<p>El uso de objetos Python en una matriz también significa que si realiza agregaciones como <code>sum()</code> o <code>min()</code> en una matriz con un valor <code>None</code>, generalmente obtendrá un error:</p>
<div id="8a001b46" class="cell" data-jupyter="{"outputs_hidden":false}" data-scrolled="true">