Análisis de Datos con Pandas: Carga y Exploración de DataFrames
Resumen
Online retail.csv
Datos obtenidos de Daqing Chen, Sai Liang Sain, and Kun Guo, Data mining for the online retail industry: A case study of RFM model-based customer segmentation using data mining, Journal of Database Marketing and Customer Strategy Management, Vol. 19, No. 3, pp. 197–208, 2012 (Published online before print: 27 August 2012. doi: 10.1057/dbm.2012.17).
Que se soluciona agregando un econding='windows-1252' o enconding='latin1'
en todas hay error es : encoding NO ES : ecoding ó enconding
Si, es encoding, mala mia que escribí mal en ambas, gracias por la correción
### Pandas para Manipulación de Datos
**Pandas** es una librería poderosa y flexible de Python que se utiliza principalmente para manipulación, análisis y limpieza de datos. Proporciona dos estructuras de datos principales: **Series** (para datos unidimensionales) y **DataFrames** (para datos bidimensionales), que permiten trabajar con conjuntos de datos de manera eficiente.
A continuación, te explico las principales funcionalidades de Pandas para la manipulación de datos:
---
### 1. **Creación de DataFrames**
Un **DataFrame** es la estructura principal en Pandas. Es una tabla bidimensional con columnas etiquetadas de diferentes tipos (numéricas, de texto, etc.). Puedes crear DataFrames de varias maneras.
#### A) A partir de un diccionario:
import pandas as pd
\# Crear un DataFrame desde un diccionario
data ={  'Nombre': \['Ana', 'Luis', 'Carlos'],  'Edad': \[23, 45, 36],  'Ciudad': \['Madrid', 'Barcelona', 'Valencia']}df = pd.DataFrame(data)print(df)
#### B) A partir de un archivo CSV:
df = pd.read\_csv('archivo.csv')
---
### 2. **Indexación y Selección de Datos**
Pandas ofrece diversas formas para seleccionar y filtrar datos en un DataFrame.
Usar los tipos de datos correctos en Pandas puede reducir el uso de memoria y mejorar el rendimiento. Por ejemplo, puedes convertir columnas de enteros a enteros de menor tamaño (int8, int16), o columnas categóricas a category.
Evita el uso excesivo de apply en funciones que pueden vectorizarse, ya que apply es más lento en comparación con las operaciones vectorizadas.
---
### Conclusión
Pandas proporciona una amplia gama de herramientas para manipular y analizar datos de manera eficiente y flexible. Desde la selección y filtrado de datos hasta la limpieza, transformación y visualización, Pandas es una herramienta esencial para cualquier científico de datos o analista. Con la optimización adecuada y un buen conocimiento de las técnicas avanzadas, puedes trabajar con grandes volúmenes de datos de manera eficiente.
tenga su like, buen señor
Gracias!
import pandas as pd
df = pd.read_csv(r'C:\numypanda\Online_Retail.csv',encoding='latin')#print(type(df))print(df)```import pandas as pd
df = pd.read\_csv(r'C:\numypanda\Online\_Retail.csv',encoding='latin')#print(type(df))print(df)
Por si les pasa que tienen números en formato texto este es un buen cambio:
Y si quieren pasar de texto a fecha:
Para cargar el .cvs en escritorio
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
mipath =r'"ruta del archivo"\OnlineRetail.csv'df = pd.read_csv(mipath, encoding='latin1')print(df)```import numpy as npimport pandas as pdimport matplotlib.pyplot as plt
mipath =r'C:\Users\gustavoandres\Desktop\platzi\OnlineRetail.csv'df = pd.read\_csv(mipath, encoding='latin1')print(df)
En mi caso como Ingeniero Arquitecto, tenemos modelos 3D de edificios que contienen datos.
Por ejemplo, los ductos de aire acondicionado pueden ser una base de datos de los cuales podemos obtener su gasto, flujo, dimensiones etc, etc etc.
Para el sector de la construcción puede llegar a ser muy útil todo este conocimiento.
¿y ahí que software estas utilizando? @José Antonio Olguin Rojas
saludos
Especificar la extensión de los archivos al usar funciones como pd.read_csv(path), pd.read_excel(path), y pd.read_json(path) no es solo por buena práctica, es necesario para que Pandas reconozca el formato del archivo que estás leyendo. Cada función está diseñada para manejar un tipo específico de archivo, y omitir la extensión podría llevar a errores o a que Pandas no sepa cómo procesar los datos correctamente.
si les da error al leer el csv usando vscode, esta fue la solucion en mi caso```python
import pandas as pd
path = r"C:\Users\Erick\Documents\Data science\Online_Retail.csv"
df_ratail_data = pd.read_csv(path, encoding='windows-1252')
print(type(df_ratail_data))
print(df_ratail_data)
Gracias Bro
Para que no hagan manualmente la descarga
import kagglehub
import os
# Download latest version
path = kagglehub.dataset_download("tunguz/online-retail")print("Path to dataset files:", path)print(os.listdir(path))```import kagglehubimport os
\# Download latest versionpath = kagglehub.dataset\_download("tunguz/online-retail")print("Path to dataset files:", path)print(os.listdir(path))
Para los que usan mac:
import pandas as pd
#%%path ='Online_Retail.csv'retail_data = pd.read_csv(path, encoding='ISO-8859-1')
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
MOdelo coworcountry o modelo coworculture con muchas actividades para pausas activas y acompañamiento de tu rol profesional
Si todavía sigue sin funcionar el link desde pc, aquí les dejo los recursos de la clase:
Link Dataset desde Kaggle:
Link Dataset desde Dropbox:
Recuerden que si no encuentran un recurso y estan desde una computadora, pueden entrar a la clase desde la app de Platzi donde si aparecen los recursos correctamente.
Muchas gracias, no quería tener que descargar el archivo, asi que use el link de Dropbox que dejaste. acá dejo mi pedacito de script:
import pandas as pd
# Cambiamos al final del link dl=0 por dl=1 para obtener el archivo directo de Dropboxpath ="https://www.dropbox.com/scl/fi/ae6e9qzi754nq4mo3rvl2/online_retail.csv?rlkey=uhi83o2mexi1d4qm1ijaw1wvc&e=2&st=ca8q8xgv&dl=1"df_retail_data = pd.read_csv(path)print(f'tipo de objeto: {type(df_retail_data)}')print(f'Numero de registros (filas): {len(df_retail_data)}')print(df_retail_data.head())
import pandas as pd
from os import path # si no vas a usar el módulo path, omítelo# 1️⃣ Renombra la variable para no “pisar” el módulo `path`file_path ='/content/Online_Retail.csv'# 2️⃣ Intenta con la codificación más habitualretail_data = pd.read_csv(file_path, encoding='ISO-8859-1')# o 'latin1'print(type(retail_data))print(retail_data.head())# mejor imprime solo las primeras filas```
import pandas as pd
path = 'online_retail.csv'
df_retail_data = pd.read_csv(path)
print(type(df_retail_data))
print(len(df_retail_data))
print(df_retail_data)
ya no está disponible el link :(
es este para descargar el data set
Los enlacesy de las lecturas recomendadas no cargan, al igual que los archivos READ.me salen vacios. o error.
Kaggle es una plataforma que permite a los usuarios encontrar y compartir conjuntos de datos, así como participar en competiciones de ciencia de datos. Utilizada por científicos de datos y analistas, proporciona herramientas para practicar y mejorar habilidades en el análisis de datos, incluyendo el uso de bibliotecas como Pandas. Además, permite construir portafolios a través de proyectos aplicados, lo que es esencial al postularse a roles en el campo de la ciencia de datos o la inteligencia artificial.
