Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 289 vistas

    Python PANDAS

    Cargado por

    Santiago Ramirez Gallego
    Este documento describe cómo usar la biblioteca pandas de Python para manipular y analizar datos. Pandas permite trabajar con datos estructurados como tablas (DataFrames) y series de tiempo. Ofrece funciones para cargar, filtrar, transformar y fusionar datos de diferentes formatos, así como crear gráficos. Las principales estructuras de datos de pandas son Series (listas unidimensionales), DataFrames (tablas bidimensionales) y Panels (tablas tridimensionales).

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd

    Python PANDAS

    Cargado por

    Santiago Ramirez Gallego
    289 vistas10 páginas
    Este documento describe cómo usar la biblioteca pandas de Python para manipular y analizar datos. Pandas permite trabajar con datos estructurados como tablas (DataFrames) y series de tiempo. Ofrece funciones para cargar, filtrar, transformar y fusionar datos de diferentes formatos, así como crear gráficos. Las principales estructuras de datos de pandas son Series (listas unidimensionales), DataFrames (tablas bidimensionales) y Panels (tablas tridimensionales).

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    DOCX, PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Este documento describe cómo usar la biblioteca pandas de Python para manipular y analizar datos. Pandas permite trabajar con datos estructurados como tablas (DataFrames) y series de tiempo. Ofrece funciones para cargar, filtrar, transformar y fusionar datos de diferentes formatos, así como crear gráficos. Las principales estructuras de datos de pandas son Series (listas unidimensionales), DataFrames (tablas bidimensionales) y Panels (tablas tridimensionales).

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    289 vistas10 páginas

    Python PANDAS

    Cargado por

    Santiago Ramirez Gallego
    Este documento describe cómo usar la biblioteca pandas de Python para manipular y analizar datos. Pandas permite trabajar con datos estructurados como tablas (DataFrames) y series de tiempo. Ofrece funciones para cargar, filtrar, transformar y fusionar datos de diferentes formatos, así como crear gráficos. Las principales estructuras de datos de pandas son Series (listas unidimensionales), DataFrames (tablas bidimensionales) y Panels (tablas tridimensionales).

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    Está en la página 1de 10

    Python  manipulación de datos: pandas, estructuras de datos usadas en

    Python, indexación, slicing, diferentes aproximaciones para llenado de estructuras


    de datos.

    pandas
    pandas es un paquete de Python que proporciona estructuras de datos similares a
    los dataframes de R. Pandas depende de Numpy, la librería que añade un potente
    tipo matricial a Python. Los principales tipos de datos que pueden representarse
    con pandas son:
     Datos tabulares con columnas de tipo heterogéneo con etiquetas en
    columnas y filas.
     Series temporales.
    Pandas proporciona herramientas que permiten:
     leer y escribir datos en diferentes formatos: CSV, Microsoft Excel, bases
    SQL y formato HDF5
     seleccionar y filtrar de manera sencilla tablas de datos en función de
    posición, valor o etiquetas
     fusionar y unir datos
     transformar datos aplicando funciones tanto en global como por ventanas
     manipulación de series temporales
     hacer gráficas
    En pandas existen tres tipos básicos de objetos todos ellos basados a su vez en
    Numpy:
     Series (listas, 1D),
     DataFrame (tablas, 2D) y
     Panels (tablas 3D).
    Nosotros vamos a ver el uso básico de los dos primeros tipos de objetos, para un
    mayor detalle puedes consultar su manual.
    pandas tiene una documentación muy completa y diversos tutoriales.
    Series
    Las Series se pueden crear tanto a partir de listas como de diccionarios. De
    manera opcional podemos especificar una lista con las etiquetas de las filas.
    Primero necesitamos cargar la librería correspondiente:
    DataFrame
    Los DataFrame se pueden crear de diferentes maneras, una forma común de
    crearlos es partir de listas o diccionarios de listas, de diccionarios o de Series. En
    los DataFrame tenemos la opción de especificar tanto el index (el nombre de las
    filas) como columns (el nombre de las columnas).
    Extraer y filtrar datos
    Para seleccionar datos usamos los métodos loc, iloc e ix. loc permite seleccionar
    dato usando las etiquetas de filas y columnas, iloc basándose en posición
    e ix basándose tanto en etiquetas como posición. En el caso de una Serie,
    devuelve un único valor y en el caso de los DataFrame puede devolver tanto una
    Serie si sólo se indica la posición de fila, o un valor único si se indican fila y
    columna.
    Fusionar datos
    concat permite concatenar Series y DataFrame. Mediante la opción axis, podemos
    controlar si la unión se debe hacer por filas o por columnas.
    Métodos de interés
    Existen múltiples métodos que nos permiten visualizar y modificar los datos
    almacenados en Series y DataFrame. Aquí vamos a ver sólo unos cuantos
    ejemplos de métodos que pueden ser de utilidad:

    También podría gustarte

    pFad - Phonifier reborn

    Pfad - The Proxy pFad of © 2024 Garber Painting. All rights reserved.

    Note: This service is not intended for secure transactions such as banking, social media, email, or purchasing. Use at your own risk. We assume no liability whatsoever for broken pages.


    Alternative Proxies:

    Alternative Proxy

    pFad Proxy

    pFad v3 Proxy

    pFad v4 Proxy