Transformar columnas en un DataFrame de Pandas es la etapa donde dejas de limpiar datos y empiezas a pensar como científico de datos. Aquí aprendes a crear columnas derivadas, convertir fechas a datetime y agrupar ventas por año y semestre para encontrar insights reales del negocio.
Cómo crear una nueva columna a partir de otras en Pandas
Cuando ya tienes el set limpio, lo siguiente es preguntarte qué columnas adicionales puedes derivar de las existentes. En el ejemplo, el DataFrame tiene cantidad y precio unitario, así que multiplicarlas genera una columna nueva llamada monto total [01:00].
La sintaxis es directa: le indicas a tu variable data el nombre de una columna que aún no existe y le asignas la operación entre las dos columnas originales. Al imprimir head, ya aparece el monto total junto al resto de la información.
¿Cómo creo una columna calculada en Pandas? Asigna data['nueva'] = data['col1'] * data['col2']. Pandas crea la columna automáticamente si el nombre no existe y la rellena fila por fila.
Por qué convertir fechas a datetime antes de analizar series de tiempo
La columna invoice date viene como objeto de texto, lo que limita el análisis. Para trabajarla como serie de tiempo, conviértela con pd.to_datetime() y reemplaza la columna original [02:30].
A simple vista los valores parecen iguales, pero internamente cambia el tipo. Si revisas los dtypes del DataFrame antes y después, pasa de object a datetime64, lo que te habilita extraer año, mes, día y hora de forma nativa.
Eso sí, ten cuidado al sobrescribir columnas: si la conversión falla en alguna fila, puedes perder datos sin darte cuenta. Verifica siempre el resultado con head o revisando nulos.
Cómo desglosar una fecha en año y mes
Una vez que la columna está en formato datetime, accedes a sus componentes con el atributo .dt. Crear las columnas año y mes te da control total para agrupar después [04:00].
Año: data['año'] = data['invoice date'].dt.year.
Mes: data['mes'] = data['invoice date'].dt.month.
Día y hora: aplican el mismo patrón con .dt.day y .dt.hour.
Con estas columnas listas, el DataFrame queda preparado para cualquier agrupación temporal que necesites.
Cómo analizar ventas por año con groupby
El método groupby es el corazón del análisis agregado en Pandas. Para calcular ventas anuales, agrupas por la columna año y aplicas suma sobre monto total [05:30].
En el dataset del ejemplo hay datos de 2010 y 2011, así que el resultado son dos filas con la ganancia total por año. La estructura es:
¿Qué hace groupby en Pandas? Agrupa filas que comparten un mismo valor en una columna y te permite aplicar operaciones como suma, promedio o conteo sobre cada grupo.
Cómo calcular ventas por semestre con una función lambda
Para segmentar por semestre, primero creas una columna que clasifique cada mes en 1 o 2. Aquí entra una función lambda aplicada sobre la columna mes [07:00].
La lógica es simple: si el mes es menor o igual a 6, pertenece al primer semestre; en caso contrario, al segundo.
python
data['semestre'] = data['mes'].apply(lambda x: 1 if x <= 6 else 2)
Luego agrupas por año y semestre, sumando el monto total. El resultado muestra que 2010 solo tiene ventas en el segundo semestre, mientras que 2011 cubre ambos.
Errores comunes al ejecutar celdas en notebooks
Un problema típico es olvidar correr la celda donde creas la columna nueva antes de usarla en otra. Si el kernel no la registró, groupby falla porque la columna no existe todavía. La solución es ejecutar las celdas en orden y volver a correr la que dio error.
Qué insights puedes extraer al transformar columnas
Crear columnas derivadas no es un ejercicio decorativo: cada nueva variable abre una pregunta de negocio distinta. Con monto total mides ingresos, con año y mes detectas estacionalidad, con semestre comparas mitades de año.
Ventas anuales: te dicen el crecimiento total entre periodos.
Ventas semestrales: revelan tendencias dentro del mismo año.
Ventas mensuales o trimestrales: muestran picos y valles para planear inventario o campañas.
El reto que te queda es replicar este flujo para calcular ventas trimestrales y mensuales usando la misma lógica de lambda y groupby. ¿Cómo lo resolverías tú? Cuéntamelo en los comentarios.
#ventas trimnestralesdata_cleanded['Quarter']=data_cleanded['Month'].apply(lambda x:1if x<=3else(2if x<=6else(3if x<=9else4)))sales_by_semester=data_cleanded.groupby(['Year','Quarter'])['TotalAmount'].sum()print(sales_by_semester)#ventas por messales_by_month_year=data_cleanded.groupby(['Year','Month'])['TotalAmount'].sum()print(sales_by_month_year)
Ventas Trimestrales
#Ventas trimestrales#definmos la función de trimestredeftrimestre(month):if month<=3:return1elif month<=6:return2elif month<=9:return3else:return4#Creamos la columna de trimestro y aplicamos la funcióndata_clened['Trimestrales']= data_clened['Month'].apply(trimestre)data_clened.head()#Datos de ventas totales por trimestresales_by_trimestrales = data_clened.groupby(['Year','Semestre','Trimestrales'])['Total Amount'].sum()sales_by_trimestrales
#Ventas totales por meses#definmos la función de mesesdefmensual(key): meses ={1:'Enero',2:'Febrero',3:'Marzo',4:'Abril',5:'Mayo',6:'Junio',7:'Julio',8:'Agosto',9:'Septiembre',10:'Octubre',11:'Noviembre',12:'Diciembre'}if key in meses:return meses[key]#Crear una columna con los meses data_clened['Mensual']= data_clened['Month'].apply(mensual)data_clened.head()#Datos de ventas totales por meses en textosales_by_mensual = data_clened.groupby(['Year','Semestre','Trimestrales','Mensual'])['Total Amount'].sum()sales_by_mensual
```#Ventas trimestrales #definmos la función de trimestre def trimestre(month): if month<=3 : return 1 elif month<=6 : return 2 elif month<=9 : return 3 else: return 4 #Creamos la columna de trimestro y aplicamos la función data\_clened\['Trimestrales'] = data\_clened\['Month'].apply(trimestre) data\_clened.head() #Datos de ventas totales por trimestre sales\_by\_trimestrales = data\_clened.groupby(\['Year', 'Semestre','Trimestrales'])\['Total Amount'].sum() sales\_by\_trimestrales #Ventas totales por meses #definmos la función de meses def mensual(key): meses = { 1: 'Enero', 2: 'Febrero', 3: 'Marzo', 4: 'Abril', 5: 'Mayo', 6: 'Junio', 7: 'Julio', 8: 'Agosto', 9: 'Septiembre', 10: 'Octubre', 11: 'Noviembre', 12: 'Diciembre' } if key in meses: return meses\[key] #Crear una columna con los meses data\_clened\['Mensual'] = data\_clened\['Month'].apply(mensual) data\_clened.head() #Datos de ventas totales por meses en texto sales\_by\_mensual = data\_clened.groupby(\['Year', 'Semestre','Trimestrales','Mensual'])\['Total Amount'].sum() sales\_by\_mensual
Crear y transformar columnas es una práctica esencial en el preprocesamiento de datos. Estas transformaciones permiten que los datos sean más interpretables y compatibles con los métodos analíticos y modelos que se utilizarán. Sin estas transformaciones, es probable que la calidad del análisis se vea comprometida, y que los modelos no alcancen su máximo rendimiento debido a datos mal preparados o subutilizados. Además, la capacidad de crear nuevas características puede ser un factor clave en la obtención de insights más profundos y en la mejora de la capacidad predictiva de los modelos.
La **creación de columnas** es una operación común en el análisis de datos con bibliotecas como **Pandas**. Puedes crear nuevas columnas basadas en cálculos, transformaciones, combinaciones de otras columnas, o asignar valores predeterminados. Aquí te muestro algunas formas comunes de crear columnas en un DataFrame de **Pandas**.
### 1. **Crear una columna asignando un valor fijo**
Puedes crear una nueva columna y asignar un valor constante a todas las filas.
import pandas as pd
\# Crear un DataFrame de ejemplo
data ={'Nombre': \['Ana','Luis','Carlos','Julia'],  'Edad': \[23, 34, 45, 28]}df = pd.DataFrame(data)
\# Crear una nueva columna asignando un valor constante
df\['Ciudad']='Desconocido'print(df)
### 2. **Crear una columna basada en otra columna**
Puedes crear una columna nueva aplicando una operación matemática o lógica sobre otra columna existente.
#### Ejemplo: Calcular una nueva columna a partir de una columna existente
\# Crear una nueva columna calculando el doble de la edad
df\['Edad\_doble']= df\['Edad'] \*2print(df)
### 3. **Crear una columna basada en condiciones**
Es posible crear columnas que se generen con base en condiciones lógicas aplicadas a otras columnas.
#### Ejemplo: Crear una columna que indique si la persona es mayor de 30 años
\# Crear una nueva columna con valores basados en una condición
df\['Mayor\_de\_30']= df\['Edad']>30print(df)
### 4. **Crear una columna utilizando funciones personalizadas**
Si necesitas aplicar una lógica más compleja, puedes usar el método apply() para aplicar una función a las filas o columnas.
#### Ejemplo: Crear una columna con una función personalizada
\# Definir una función que devuelva una clasificación basada en la edad
def clasificar\_edad(edad):  if edad < 30:  return 'Joven'  elif 30 <= edad < 40:  return 'Adulto Joven'  else:  return 'Mayor'\# Aplicar la función a la columna 'Edad'df\['Clasificación\_Edad']= df\['Edad'].apply(clasificar\_edad)print(df)
### 5. **Crear columnas combinando varias columnas**
Puedes crear una columna combinando los valores de dos o más columnas.
#### Ejemplo: Crear una columna combinada de nombre y edad
\# Crear una nueva columna combinando 'Nombre' y 'Edad'df\['Descripción']= df\['Nombre']+' tiene '+ df\['Edad'].astype(str)+' años.'print(df)
### 6. **Crear una columna con datos categóricos a partir de una variable numérica**
En algunos casos, puedes transformar una variable numérica en categorías.
#### Ejemplo: Crear categorías de edad
\# Crear categorías de edad utilizando pd.cut()df\['Grupo\_Edad']= pd.cut(df\['Edad'], bins=\[0,18,35,50,100], labels=\['Niño','Joven','Adulto','Mayor'])print(df)
### 7. **Crear una columna utilizando el método assign()**
El método assign() de Pandas te permite crear nuevas columnas de una manera funcional y encadenada, lo que puede ser útil cuando realizas múltiples operaciones secuenciales.
### 8. **Crear columnas a partir de expresiones regulares (Regex)**
Si necesitas extraer información de cadenas de texto, puedes utilizar expresiones regulares para crear nuevas columnas.
#### Ejemplo: Extraer la primera letra del nombre
\# Crear una nueva columna extrayendo la primera letra de 'Nombre'df\['Inicial']= df\['Nombre'].str\[0]print(df)
### 9. **Crear columnas a partir de múltiples condiciones con np.select()**
Cuando tienes múltiples condiciones para generar una nueva columna, puedes utilizar np.select() de NumPy para mayor flexibilidad.
#### Ejemplo:
import numpy as np
\# Definir condiciones
condiciones = \[  (df\['Edad'] < 18),  (df\['Edad'] >= 18) & (df\['Edad'] < 35),  (df\['Edad'] >= 35)]
\# Definir los resultados correspondientes
resultados = \['Niño','Joven','Adulto']
\# Crear una nueva columna basada en las condiciones
df\['Categoría\_Edad']= np.select(condiciones, resultados)print(df)
### Conclusión
Crear columnas en Pandas es un proceso flexible que te permite manipular y transformar tus datos según las necesidades del análisis. Puedes crear columnas a partir de cálculos simples, funciones personalizadas, condiciones lógicas, combinaciones de otras columnas, y más.
# Crear un nuevo Data Frame con la información de las ventas por messales_by_month = df_cleaned.groupby(["Year","Month"])["Total"].sum()sales_by_month
import pandas as pd
import numpy as np
# pyrefly: ignore [missing-import]import matplotlib.gridspecas gridspec
# pyrefly: ignore [missing-import]import matplotlib.pyplotas plt
path = r"C:\Users\perez\OneDrive\Documents\Antigravity\Python\Pandas\online_retail.csv"df = pd.read_csv(path)#Cuantos valores nulos existen por columna
print(df.isnull().sum())#Cuantas filas duplicadas existen
print(df.duplicated().sum())#Crea un diccionario con los valores unicos de cada columna
unique_values ={col: df[col].unique()for col in df.columns}#Recorre el diccionario anterior solo para imprimir sus valores
for col, values in unique_values.items():print(f'Columna {col}')print(f'Numero de valores unicos: {len(values)}')print(f'Valores unicos: {values}')print('-'*50)#Limpieza de datos
#Elimina filas duplicadas
df_cleaned = df.drop_duplicates()#Elimina datos donde CustomerID es vacio
df_cleaned = df.dropna(subset=['CustomerID'])#Crea una nueva columna para calcular el total de cada factura
df_cleaned['Total']= df_cleaned['Quantity']* df_cleaned['UnitPrice']#Reemplaza el tipo de dato de InvoiceDatedf_cleaned['InvoiceDate']= pd.to_datetime(df_cleaned['InvoiceDate'])#Creamos2 nuevas columnas desglozando las fechas para facilitar el analisis
df_cleaned['Year']= df_cleaned['InvoiceDate'].dt.yeardf_cleaned['Month']= df_cleaned['InvoiceDate'].dt.month#Agrupamos por año y mes y sumamos el total
sales_by_year = df_cleaned.groupby('Year')['Total'].sum()sales_by_month = df_cleaned.groupby('Month')['Total'].sum()print('Ventas por año:\n',sales_by_year)print('Ventas por mes:\n',sales_by_month)#Agrupamos por año y semestre y sumamos el total
df_cleaned['Semester']= df_cleaned['Month'].apply(lambda x:1if x <=6else2)sales_by_semester = df_cleaned.groupby(['Year','Semester'])['Total'].sum()df_cleaned['Trimestre']= df_cleaned['Month'].apply(lambda x:1if x <=3else2if x <=6else3if x <=9else4)sales_by_trimester = df_cleaned.groupby(['Year','Trimestre'])['Total'].sum()print('Ventas por semestre:\n',sales_by_semester)print('Ventas por trimestre:\n',sales_by_trimester)print('Ventas por mes:\n',sales_by_month)
MOdelo coworcountry o modelo coworculture con muchas actividades para pausas activas y acompañamiento de tu rol profesional Recuerda que Estamos enfocados en atender y brindar espacios para nomadas digitales, teletrabajo y coworking space en Agrolenials Paradise Ecohostel Country Inns contacto directo whatsapp +573206299333 y Faccebook
print("\n--- TOP 5 CLIENTES (PARA FIDELIZACIÓN) ---")
print(clientes.head(5))
--- TOP 5 CLIENTES (PARA FIDELIZACIÓN) ---
Total_Gastado Numero_Pedidos
CustomerID
14646.0 279489.02 2085
18102.0 256438.49 433
17450.0 187482.17 351
14911.0 132572.62 5903
12415.0 123725.45 778
ventas mensuales:
Ventas por trimestre:
# Ejercicios de Manipulacion total ventas por trimestre y mes# Total ventas por trimestredefquarter(month):if month in[1,2,3]:return1elif month in[4,5,6]:return2elif month in[7,8,9]:return3else:return4df_cleaned['Quarter']= df_cleaned['Month'].apply(quarter)sales_by_quarter = df_cleaned.groupby(['Year','Quarter'])['TotalAmount'].sum()print("Total ventas por trimestre:\n", sales_by_quarter)# Total ventas por mesdefmensual(month): meses ={1:'Enero',2:'Febrero',3:'Marzo',4:'Abril',5:'Mayo',6:'Junio',7:'Julio',8:'Agosto',9:'Septiembre',10:'Octubre',11:'Noviembre',12:'Diciembre'}if month in meses:return meses[month]else:return'No es un mes valido'df_cleaned['Monthly']= df_cleaned['Month'].apply(mensual)sales_by_month = df_cleaned.groupby(['Year','Monthly'])['TotalAmount'].sum()print("Total ventas por mes:\n", sales_by_month)# Total ventas consolidado desglosado por año, semestre, trimestre y messales_by_consolidated = df_cleaned.groupby(['Year','Semester','Quarter','Monthly'])['TotalAmount'].sum()print("Total ventas consolidado desglosado por año, semestre, trimestre y mes:\n", sales_by_consolidated)
Ventas trimestrales
Ventas Mensuales
Ventas por mes
Ventas por trimestre
#Homologación de valores de la columna 'Description'.
Teniendo en cuenta que cada valor c en la columna 'Description', logré homologar varios campos con la columna 'StockCode' con el siguiente codigo.
