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).
Análisis de Datos con Pandas: Carga y Exploración de DataFrames
Análisis de Datos con Pandas: Carga y Exploración de DataFrames
Recursos
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).
**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.
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 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.
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)
Y si quieren pasar de texto a fecha:
