Estructura de datos: DataFrames

Contenido del curso

Introducción

Web scraping

Pandas

Intro a Sistemas de Datos

Contenido Bonus

38
¿Por qué usar la nube?
04:05 min

Tomar examen

Cursos Empresas Blog Live Conf Eventos Precios

0:005:23

Estructura de datos: DataFrames

Curso de Ingeniería de Datos con Python

Clase 23 de 38

Clase 23 / 38

Recursos

Domina la creación de data frames: tablas con filas y columnas etiquetadas, ideales para organizar datos de forma bidimensional. Aprende a inicializarlos desde listas, tuplas o diccionarios, cuándo usar series y cómo el parámetro opcional columns añade labels claros y útiles.

¿Qué es un data frame y en qué se diferencia de una serie?

Un data frame es una tabla bidimensional: filas y columnas con etiquetas. Si solo tienes una dimensión, eso es una serie, no un data frame. Al construir con un diccionario de Python, las llaves se convierten en nombres de columnas. Si no usas diccionario u otro data frame con labels, puedes definirlos con el parámetro opcional columns.

Estructura bidimensional: requiere una matriz, no un vector.
Índice por defecto: permite acceder a filas con facilidad.
Llaves del diccionario: se vuelven labels de columnas.
Diferencia clave: una dimensión es series; dos dimensiones es data frame.

¿Cómo inicializar un data frame con diccionario?

La forma más directa es usar el namespace pd y el constructor de data frame. Al usar diccionario, cada llave es una columna y cada valor debe ser una lista; de lo contrario, estarías creando una series.

import pandas as pd

frame_test = pd.DataFrame({
    2000: [139, 38, 24],
    2001: [139, 38, 24]
})

Valores como listas: garantizan la forma bidimensional.
Índice automático: filas numeradas para acceso posicional.
Columnas con labels: años como nombres de columna.

¿Qué aporta el índice y los labels en la tabla?

Navegación clara: índice para filas y labels para columnas.
Lectura natural: como en una hoja de cálculo.
Abstracción familiar: si vienes de Excel, la tabla se entiende al instante.

¿Cómo crear un data frame con lista de listas y usar columns?

Con una lista de listas, obtendrás inicialmente índices posicionales para filas y columnas. Para nombrar columnas, utiliza el keyword columns como segundo argumento del constructor.

data = [
    [139, 38],
    [24, 38],
    [139, 24]
]

frame_test2 = pd.DataFrame(data, columns=[2000, 2001])

Lista de listas: cada lista interna es una fila.
Sin columns: columnas con índice numérico por defecto.
Con columns: asignas labels explícitos a las columnas.

¿Cómo añadir celdas rápidamente en el entorno de trabajo?

Comando B: inserta celda below.
Comando A: inserta celda above.

¿Qué otras estructuras sirven para inicializar?

Lista de tuplas: alternativa válida para la matriz.
Otro data frame: reutiliza estructuras con labels ya definidos.
Diccionario: control directo de nombres de columna.

¿Te gustaría ver más ejemplos de inicialización o manipulación de estas tablas? Comparte tus dudas o casos de uso en los comentarios.

Resumen

¿Qué es un data frame y en qué se diferencia de una serie?

Estructura bidimensional: requiere una matriz, no un vector.
Índice por defecto: permite acceder a filas con facilidad.
Llaves del diccionario: se vuelven labels de columnas.
Diferencia clave: una dimensión es series; dos dimensiones es data frame.

¿Cómo inicializar un data frame con diccionario?

import pandas as pd

frame_test = pd.DataFrame({
    2000: [139, 38, 24],
    2001: [139, 38, 24]
})

Valores como listas: garantizan la forma bidimensional.
Índice automático: filas numeradas para acceso posicional.
Columnas con labels: años como nombres de columna.

¿Qué aporta el índice y los labels en la tabla?

Navegación clara: índice para filas y labels para columnas.
Lectura natural: como en una hoja de cálculo.
Abstracción familiar: si vienes de Excel, la tabla se entiende al instante.

¿Cómo crear un data frame con lista de listas y usar columns?

Con una lista de listas, obtendrás inicialmente índices posicionales para filas y columnas. Para nombrar columnas, utiliza el keyword columns como segundo argumento del constructor.

data = [
    [139, 38],
    [24, 38],
    [139, 24]
]

frame_test2 = pd.DataFrame(data, columns=[2000, 2001])

Lista de listas: cada lista interna es una fila.
Sin columns: columnas con índice numérico por defecto.
Con columns: asignas labels explícitos a las columnas.

¿Cómo añadir celdas rápidamente en el entorno de trabajo?

Comando B: inserta celda below.
Comando A: inserta celda above.

¿Qué otras estructuras sirven para inicializar?

Lista de tuplas: alternativa válida para la matriz.
Otro data frame: reutiliza estructuras con labels ya definidos.
Diccionario: control directo de nombres de columna.

¿Te gustaría ver más ejemplos de inicialización o manipulación de estas tablas? Comparte tus dudas o casos de uso en los comentarios.

Introducción

Pipelines automatizados con Python para ingeniería de datos

Archivos del curso y Slides

¿Qué es la ciencia de datos?

Por qué fallan los equipos de ciencia de datos

Configuración del ambiente

Jupyter Notebooks

Tipos de datos en ciencia de datos

Tipos de datos

Fuentes de datos

ETL: extract, transform y load explicado

Web scraping

Web scraping para data engineers: HTML y metadatos

Cómo hacer solicitudes HTTP con Python Requests

¿Cómo trabajar con un documento HTML?

Analizando un sitio web para encontrar las directivas a utilizar al hacer un web scrapping

Page Object Pattern para web scrapers

Implementando nuestro web scrapper: Configuración

Page Objects para extraer vínculos de noticias

Implementando nuestro web scrapper: Obteniendo artículos

Obtención de datos del Artículo

Persistiendo la información "scrapeada"

Pandas

Series vs DataFrame en Pandas

Qué es Series en Pandas y cómo crearlas

Estructura de datos: DataFrames

Índices y selección

Data wrangling con Pandas

Creación de la receta: preparando la automatización

Cómo rellenar datos faltantes en Pandas con regex

Pandas .loc y regex para títulos faltantes

Limpiando detalles adicionales

Generar UUIDs con MD5 en pandas

Enriquecimiento de los datos

Eliminación de duplicados con drop_duplicates en Pandas

Creando tu receta de limpieza de datos

Visualización de datos

Intro a Sistemas de Datos

Introducción a los sistemas de datos

Automatización del Pipeline

Carga de CSV a SQL con SQLAlchemy y pandas

Contenido Bonus

¿Por qué usar la nube?

Estructura de datos: DataFrames