No tienes acceso a esta clase

¡Continúa aprendiendo! Únete y comienza a potenciar tu carrera

Estructura de datos: Series

22/38
Recursos

Series es un vector unidimensional, para poder acceder a esta lista podemos usar posiciones o labels, siendo este último el preferido para manipular las series. Una diferencia importante sobre las listas de Python es que los datos son homogéneos, es decir solo podemos tener un tipo de dato por cada Serie.

Las Series se pueden crear a partir de cualquier secuencia(listas, tuplas, arrays de numpy y diccionarios).

En Python tenemos la filosofía del Duck Typing, si se ve como un pato y hace cuac, a ese animal le llamamos pato, si una serie se comporta una lista, se accede como una lista en principio deberíamos llamarla lista, pero esto no es así.

Una mejor aproximación para inicializar Series es utilizar diccionarios.

Aportes 38

Preguntas 5

Ordenar por:

Los aportes, preguntas y respuestas son vitales para aprender en comunidad. Regístrate o inicia sesión para participar.

Sereies con tipo de dato

series_test = pd.Series([100,200,300],dtype=float)
series_test

otra forma de instertar series:

series_test3 = pd.Series([11,13,17,19],
                index = ['a','b','c','d'])
series_test3

PANDAS, una libreria de codigo abierto usada para analisis de datos en Pyton, su nombre se deriva del termino PANel Data

pd es la convención de pandas

el tipo de formato de la serie si es numerica por defecto es integer

Optimizar uso de memoria con pandas https://www.dataquest.io/blog/pandas-big-data/

Excelente explicacion y sesion de clases

En Pandas son muy importantes los indices de las Series, por eso es conveniente siempre crear las Series basadas en diccionarios.

Qué buena forma de entender los diccionarios en Python.

No entiendo, porque sale este error, me explican por favor

Pandas fue utilizado para normalizar todos los datos recolectados de varios telescopios para construir la primer imagen de un hoyo negro.

<Series

import pandas as pd
series_test = pd.Series([100, 200, 300])
series_test
import pandas as pd
series_test = pd.Series([100, 200, 300])
series_test
0    100
1    200
2    300
dtype: int64
series_test2 = pd.Series({1999: 48,
                         2000: 65,
                         2001: 89})
series_test2
1999    48
2000    65
2001    89
dtype: int64>```


Series es un vector unidimensional
Las Series se pueden crear a partir de cualquier secuencia

import pandas as pd
series_test = pd.Series({‘a’: 100, ‘b’: 200, ‘c’: 300})

#La mejor forma de otorgar significado es agregando labels

Loving Pandas

Pandas es una libreria muy interesante.-

Excelente explicacion

series_test2 = pd.Series({1999: 48,
                          2000: 65,
                          2001: 89})                        
series_test2```

Muy práctico este paquete

import pandas as pd
esta_es_my_serie = pd.Series([30,80,90,200])
esta_es_my_serie
0 30
1 80
2 90
3 200
dtype: int64

Tengo una duda con el modulo donde persistimos la data scrapeada, cuando quise abrir el csv estaba vació!

Pandas lo es todo. 😄

Buena explicación David!

<import pandas as pd

series_test = pd.Series([100,200,300])
series_test

series_test2 = pd.Series({1999:57,2000:75,2001:89})
series_test2>

interesante!

Otra forma de inicializar series

esto_es_otra_serie = pd.Series(range(2,21,2))
(esto_es_otra_serie)

0 2
1 4
2 6
3 8
4 10
5 12
6 14
7 16
8 18
9 20
dtype: int64

Me gusta Pandas…

Para que les salga tipo float

import pandas as pd

series1 = pd.Series([100.0,200.0,300.0])

print(series1)
0    100.0
1    200.0
2    300.0
dtype: float64```

Se entendio perfecto

descender = pd.Series(range(10,0,-1))
descender

0 10
1 9
2 8
3 7
4 6
5 5
6 4
7 3
8 2
9 1
dtype: int64

aqui el resultado de las series…

import pandas as pd
series_test = pd.Series([100, 200, 300])
series_test

series_test2 = pd.Series({1999:48,
2000:65,
2001:89})

¡A darle! sigo super emocinado con este curso.

Bien para comenzar

Acá esta la documentacion de las series de pandas:

En ella explican las series y que puedes realizar con ellas, además de los parámetros que les puedes pasar:

  • data = puede ser tipo array, un iterable, un diccionario o un valor escalar. Es la información que vamos a guardar dentro de la serie.
  • index = puede ser tipo array o un indice. Estos deben ser hasheables, y tener la misma información que la data.
  • dtype = puede ser un string, un dtype de numpy, o un ExtensionDtype, este es opcional. Este es el tipo de data que saldrá de nuestra serie. Si no es especificado, será inferido por pandas.
  • name = puede ser un string, es opcional. es el nombre que se le dará a la serie. Ejemplo:
series_test = pd.Series([100, 200, 300], dtype=float, name='test')
series_test

output

0    100.0
1    200.0
2    300.0
Name: test, dtype: float64

Podemos notar como cambia el dtype en la salida porque la cambiamos y el nombre de la serie es test.

  • copy = es un booleano. Por defecto es falso. Con el indicas si la data que pasaste va a ser copiada.

El indice es sumamente importante, porque si yo hago esto:

pd.Series(['Manzana','Banana','Pomelo'],[0,1,2], dtype=str)

Luego voy a poder ingresar al valor ‘Banana’ llamando al valor del indice 1

pd.Series(['Manzana','Banana','Pomelo'],[0,1,2], dtype=str)[0]```

Codigo

import pandas as pd

lista = [100,200,300]
series_test = pd.Series(lista)
print(series_test)

diccionario = {1999:48, 2000:65, 2001:89}
series_test2 = pd.Series(diccionario)
print(series_test2)

Gracias, sencilla explicación