Entendiendo los DataFrames
Lección 4 de 19 del curso Análisis con Pandas de Coddy.
Los DataFrames constituyen el corazón de la librería Pandas. Un DataFrame es una estructura de datos etiquetada bidimensional con columnas que pueden ser de diferentes tipos, incluyendo integer, float, object y más.
En esencia, un DataFrame es como una tabla de datos. Puedes imaginarlo como una hoja de cálculo o una tabla SQL. Las filas corresponden a instancias de entrada individuales (observaciones), mientras que las columnas representan las características de los datos. Con los dataframes, podemos manipular, analizar, agrupar y preprocesar datos.
Al trabajar con un nuevo dataframe, necesitamos entender cuáles son las columnas, cuáles son sus tipos de datos, cuántas filas tiene, qué tipo de datos almacena, etc. Aquí hay algunas funciones que proporcionan información rápida sobre los datos:
- head(n): Muestra las primeras
nfilas - head(): Muestra las primeras 5 filas
- describe(): Proporciona estadísticas descriptivas como la media, el máximo, el mínimo, etc.
- info(): Ofrece un resumen de todas las características (columnas).
shape:la forma del dataframe (cuántas filas y cuántas columnas). Esta es una propiedad y no un método.- tail(n): Muestra las últimas
nfilas - tail(): Muestra las primeras 5 filas
Desafío
FácilEn este desafío, tienes un archivo CSV llamado brands.csv.
Antes de hacer nada, utiliza .read_csv() para transformar el archivo en un dataframe.
Crea una función llamada information que acepte una cadena que pueda contener uno de los siguientes valores:
- "head"
- "describe"
- "info"
- "shape"
- "tail"
La función imprimirá la salida correspondiente del dataframe.
Pruébalo tú mismo
import pandas as pd
def information(action):
df = pd.read_csv("brands.csv")
# Escribe el código aquíTodas las lecciones de Análisis con Pandas
4Análisis de datos con Pandas
Estadística descriptivaAgrupación y agregación de datosDiferentes agregacionesMerge y Concat2Trabajando con el DataFrame
Entendiendo los DataFramesAcceso a los datosLimpieza de datos - Datos faltantesLimpieza de datos - Más herramientas3Manipulación de datos con Pandas
Retornar el resultado solicitadoFiltrar datosAgregar y eliminarModificar datosModificar cadenasModificaciones personalizadas