Series y DataFrames en Pandas: Diferencias y Usos Prácticos

Clase 9 de 24 • Curso de ETL e ingesta de datos con Python

Contenido del curso

Fundamentos de ETL con Python

Técnicas Efectivas de Transformación de Datos

Carga de Datos y Proyecto Final

Tomar examen

Comentarios

Mario Alexander Vargas Celis

student•

¡Claro! Pandas es una de las bibliotecas más utilizadas en Python para procesar, analizar y manipular datos. A continuación, te muestro cómo realizar las operaciones más comunes utilizando Pandas.

1. Importar Pandas

Asegúrate de tener Pandas instalado y luego importarlo:

import pandas as pd

2. Cargar datos

Puedes cargar datos desde varios formatos: CSV, Excel, JSON, etc.

a) Desde un archivo CSV

df = pd.read_csv("archivo.csv") print(df.head()) # Mostrar las primeras 5 filas

b) Desde un archivo Excel

df = pd.read_excel("archivo.xlsx") print(df.info()) # Mostrar información general del DataFrame

c) Desde un archivo JSON

df = pd.read_json("archivo.json") print(df.describe()) # Estadísticas descriptivas de columnas numéricas

3. Inspeccionar datos

Estas funciones son útiles para explorar un DataFrame:

print(df.head()) # Primeras 5 filas print(df.tail()) # Últimas 5 filas print(df.shape) # Dimensiones del DataFrame (filas, columnas) print(df.columns) # Nombres de las columnas print(df.dtypes) # Tipos de datos de las columnas

4. Selección y filtrado de datos

Seleccionar columnas

df['columna'] # Seleccionar una columna df[['columna1', 'columna2']] # Seleccionar varias columnas

Filtrar filas

filtro = df['edad'] > 30 df_filtrado = df[filtro]

5. Limpieza de datos

Eliminar filas/columnas con valores nulos

df_limpio = df.dropna() # Eliminar filas con valores nulos

Rellenar valores nulos

df['columna'].fillna(0, inplace=True) # Rellenar nulos con 0

Renombrar columnas

df.rename(columns={'antigua': 'nueva'}, inplace=True)

Eliminar duplicados

df = df.drop_duplicates()

6. Operaciones con columnas

Crear una nueva columna

df['nueva_columna'] = df['columna1'] + df['columna2']

Aplicar una función a una columna

df['nueva_columna'] = df['columna'].apply(lambda x: x * 2)

7. Agrupación y agregación

Agrupar datos

df_agrupado = df.groupby('categoria')['valor'].sum() print(df_agrupado)

Estadísticas básicas

print(df['columna'].mean()) # Promedio print(df['columna'].median()) # Mediana

8. Exportar datos

Guarda el DataFrame procesado en varios formatos:

a) CSV

df.to_csv("archivo_limpio.csv", index=False)

b) Excel

df.to_excel("archivo_limpio.xlsx", index=False)

c) JSON

df.to_json("archivo_limpio.json", orient='records')

Ejemplo completo

import pandas as pd

# Cargar datos df = pd.read_csv("archivo.csv")

# Inspeccionar print(df.info())

# Limpiar datos df = df.dropna() # Eliminar filas con nulos

# Crear una nueva columna df['precio_total'] = df['cantidad'] * df['precio_unitario']

# Agrupar y sumar resumen = df.groupby('categoria')['precio_total'].sum()

# Exportar el resultado resumen.to_csv("resumen_categorias.csv")

Layla Scheli

teacher•

Gracias Mario, muy buen aporte cada uno de ellos. Enhorabuena :)

Javier Ladino

student•

Aquí el cheat sheet de Pandas:

Edgar A. Gonzalez Ambriz

student•

Excelente, muchas gracias

José Miguel Vásquez Guerra

student•

Buenas noches. Este formato es bastante complicado para los novatos, o quizá para mi, pero no siento que se expliquen las cosas. Es como si alguien simplemente te leyera la documentación, eso lo podemos hacer por nuestra cuenta. Sale mucho más práctico incluso pedirle la explicación paso a paso a cualquier IA. Mis disculpas si ofendo pero es que esto no funciona, aparentemente es para los que saben, y los que saben ya lo saben, esto debería ser para los que quieren aprender. Hay demasiadas cosas que ni si quiera se explican, es como si se saltaran todo lo del medio, no hay testeo, no hay muestra de aplicación, no hay paso a paso, no hay muestra de resultados, eso no es pedagogía para enseñanza.

Andrea Mora Morales

student•

Totalmente de acuerdo... Lo siento de la misma manera

Stefania Coronell

student••

Hola, estos son mis aportes practicando un poco con la diferencia entre Series y DataFrame, muy utiles en la manipulacion de datos.

# Creación de una Serie

import pandas as pd
series = pd.Series([1, 3, 5, 7, 9, 11])
print(series)
# Convertir Serie a DataFrame
df_nuevo = series.to_frame(name='nueva_columna')
print(df_nuevo)
# Propiedades de la Serie
series.name = 'mi_serie'
print(series.name)  # Nombre de la Serie
print(series.index)  # Índices de la Serie
print(series.values)  # Valores de la Serie
print(series.dtype)  # Tipo de datos de la Serie
print(series.shape)  # Dimensiones de la Serie
print(series.size)  # Número de elementos en la Serie



# Creación de un DataFrame

import pandas as pd
data = {'producto': ['computador', 'impresora'], 'precio': [800, 200]}
df = pd.DataFrame(data)
print(df)
print(df['producto'])  # Acceso a la columna 'producto'
print(df.index)  # Índices del DataFrame
print(df.columns)  # Nombres de las columnas
print(df.values)  # Valores del DataFrame
print(df.dtypes)  # Tipos de datos de las columnas
print(df.shape)  # Dimensiones del DataFrame
print(df.size)  # Número de elementos en el DataFrame
print(df.T)  # Transpuesta del DataFrame
df.name = 'mi_dataframe'
print(df.name)

Similitudes - Ambas estructuras comparten propiedades como : index, values, dtype, shape, size, ndim, empty.

- Ambas tienen indice / index (Asignado por default a partir del cero , pero se puede renombrar)

Diferencias

-En dimension las series son unidimensionales ( una columna) , mientras que el Dataframe es bidimensional ( columna/s + fila/s)

- Internamente una columna en un Dataframe es una serie o conjunto de series, por eso una Serie puede convertirse en dataframe pero no viceversa, salvo que se quiera acceder por una columna especifica.

Simbolos relevantes

( ) → paréntesis llamar funciones
{ } → llaves diccionarios / sets pares clave:valor
[ ] → corchetes listas / índices

Observaciones prácticas

Una Serie es una estructura de datos formada por una lista de valores + un índice.

En pandas, pd.Series es la clase(un molde con atributos y metodos) que define esta estructura y permite instanciarla para crear objetos de tipo Serie ( los datos ya asignados).

# Lista de numeros
lista = [1, 2, 3, 4, 5]

# Pasar lista a una clase  Series
serie = pd.Series(lista)

# asignar atributos a ese objeto

serie = pd.Series(lista , name = 'mi_serie')

Un Dataframe es como una tabla → un diccionario de listas/Series (clave = columna, valor = datos) tambien tienen indice

data = {'producto': ['computador', 'impresora'], 'precio': [800, 200]}

#Acceder a la columna de la serie
print(df.columns)  
#si me se el nombre uso  
print(df['precio']) 
#si no me se el nombre de la columna uso loc con indice 
print(df.iloc[:, 0])

Jesus Riveros

student•

La calidad del curso resulta bastante limitada. En su mayoría consiste en videos donde se lee texto y se muestran capturas de pantalla, lo cual no aporta de manera significativa al proceso de aprendizaje. Pensé que esta metodología sería empleada únicamente en uno o dos videos, pero se mantiene a lo largo de todo el curso. Hasta el momento no he observado ninguna sesión en la que la profesora desarrolle código; todo el contenido se presenta a través de imágenes, lo que considero contrario al propósito del curso. Para leer textos o revisar imágenes no necesito de un video, ya que esa labor puedo realizarla de manera autónoma.

Juan Sebastián Parrado Gutiérrez

student•

Comparto mis apuntes para convertir de Serie a DataFrame usando l método .to_frame()

serie = pd.Series([100, 200, 300])```python serie = pd.Series([100, 200, 300]) df_nuevo = serie.to_frame(name='Venta') ####En name se define el mno,mbre de la columna

####Agregando productos y fechas df_nuevo['NombreProducto'] = ['Producto A', 'Producto B', 'Producto C'] df_nuevo['FechaVenta'] = ['2024-01-01', '2024-01-20', '2024-02-28'] df_nuevo

####Viendo el tipo de datos de las columnas print(df_nuevo.dtypes)

####Debido a que la fecha está como un object, se transformarán los datos de la columna a DateTime df_nuevo['FechaVenta'] = pd.to_datetime(df_nuevo['FechaVenta'])

####Viendo que se cambia el tipo de dato print(df_nuevo.dtypes)

Kevin Gonzalez

student•

Para acceder a un rango de valores en una Pandas Series, debes utilizar el método de indexación por slicing. Esto se realiza utilizando corchetes y especificando el rango de índices que deseas acceder. Por ejemplo, si tienes una Serie llamada serie, puedes obtener un rango de valores así:

valores = serie[inicio:fin]

Aquí, inicio es el índice del primer valor que deseas incluir y fin es el índice del valor que no quieres incluir en el resultado. Este método es eficiente y directo para acceder a múltiples elementos en una Serie.

# Creación de una Serie

import pandas as pd
series = pd.Series([1, 3, 5, 7, 9, 11])
print(series)
# Convertir Serie a DataFrame
df_nuevo = series.to_frame(name='nueva_columna')
print(df_nuevo)
# Propiedades de la Serie
series.name = 'mi_serie'
print(series.name)  # Nombre de la Serie
print(series.index)  # Índices de la Serie
print(series.values)  # Valores de la Serie
print(series.dtype)  # Tipo de datos de la Serie
print(series.shape)  # Dimensiones de la Serie
print(series.size)  # Número de elementos en la Serie



# Creación de un DataFrame

import pandas as pd
data = {'producto': ['computador', 'impresora'], 'precio': [800, 200]}
df = pd.DataFrame(data)
print(df)
print(df['producto'])  # Acceso a la columna 'producto'
print(df.index)  # Índices del DataFrame
print(df.columns)  # Nombres de las columnas
print(df.values)  # Valores del DataFrame
print(df.dtypes)  # Tipos de datos de las columnas
print(df.shape)  # Dimensiones del DataFrame
print(df.size)  # Número de elementos en el DataFrame
print(df.T)  # Transpuesta del DataFrame
df.name = 'mi_dataframe'
print(df.name)

data = {'producto': ['computador', 'impresora'], 'precio': [800, 200]}

#Acceder a la columna de la serie
print(df.columns)  
#si me se el nombre uso  
print(df['precio']) 
#si no me se el nombre de la columna uso loc con indice 
print(df.iloc[:, 0]) 

Series y DataFrames en Pandas: Diferencias y Usos Prácticos

Fundamentos de ETL con Python

Procesos ETL: Extracción, Transformación y Carga de Datos

Manipulación de Datos con Python: De CSV a ETL Completo

Fuentes de Datos: Archivos, Bases de Datos y APIs en Análisis de Ventas

Instalación de Anaconda y Jupyter para Procesamiento de Datos

Técnicas Efectivas de Transformación de Datos

Lectura y Exploración de Archivos CSV con Pandas en Python

Manejo de Archivos Excel con Pandas para Procesos ETL

Ingesta de Datos desde APIs con Python

Conexión y consulta de bases de datos en Python con SQLite3 y SQLAlchemy

Series y DataFrames en Pandas: Diferencias y Usos Prácticos

Métricas Clave en el Perfilado de Datos para Análisis de Calidad

Limpieza de Datos en Python con Pandas

Filtrado, Selección y Transformación de Datos con Pandas

Agrupación y Resumen de Datos con Pandas

Manipulación Avanzada de Datos con Python y Pandas

Carga de Datos y Proyecto Final

Exportación de DataFrames a CSV con Pandas paso a paso

Gestión de Datos: Carga Completa vs. Carga Incremental en Python

Partición de Datos en Archivos CSV con Pandas

Carga Incremental de Datos en Archivos Excel con Python

Importación de la Base de Datos Sakila en MySQL Workbench

Transformaciones de Datos ETL con Python y MySQL

Transformaciones de Datos con Python y SQL

Buenas prácticas y errores comunes en procesos ETL

Carga y Validación de Datos en Sakila ETL con Python y SQL

Fundamentos de ETL con Python: Extracción, Transformación y Carga de Datos