Tutorial de Pandas Basado en el Contenido del Vídeo

Introducción a Pandas

Pandas es una de las librerías más usadas para ciencia de datos en Python. Nos permite trabajar con datos tabulares (como Excel o tablas de bases de datos).

Estructuras principales:

• Series: Como un vector o columna

• DataFrame: Tabla completa con múltiples columnas

1. Importar Pandas

python

import pandas as pd  # Convención: importar como pd

2. Crear Series

python

# Crear una Serie básica
serie = pd.Series([1, 2, 3])
print(serie)
"""
0    1
1    2
2    3
dtype: int64
"""

# Serie con nombre
serie_nombrada = pd.Series([1, 2, 3], name='mi_serie')
print(serie_nombrada)

3. Crear DataFrames

python

# Desde diccionario
df = pd.DataFrame({
    'columna1': [1, 2, 3, 4],
    'columna2': ['a', 'b', 'c', 'd']
})

print(df)
"""
   columna1 columna2
0         1        a
1         2        b
2         3        c
3         4        d
"""

# Ver tamaño del DataFrame
print("Forma:", df.shape)  # (4, 2) - 4 filas, 2 columnas

4. Leer Datos desde Archivo

python

# Leer dataset Iris (ejemplo clásico)
df = pd.read_csv('data/iris.data', header=None)

# Ver primeras filas
print(df.head(2))

# Ver últimas filas  
print(df.tail(2))

5. Asignar Nombres a Columnas

python

# Crear lista de nombres de columnas
nombres_columnas = [
    'longitud_sepalo', 
    'ancho_sepalo', 
    'longitud_petalo', 
    'ancho_petalo', 
    'clase'
]

# Asignar nombres
df.columns = nombres_columnas
print(df.columns)

6. Exploración Básica del DataFrame

python

# Información del DataFrame
print(df.info())

# Estadísticas descriptivas
print(df.describe())

# Valores únicos en una columna
print(df['clase'].value_counts())
"""
Iris-setosa        50
Iris-versicolor    50
Iris-virginica     50
Name: clase, dtype: int64
"""

7. Operaciones con DataFrames

Transponer

python

df_transpuesto = df.T  # Filas se convierten en columnas y viceversa
print(df_transpuesto.head())

Ordenar datos

python

# Ordenar por ancho del sépalo (ascendente)
df_ordenado = df.sort_values('ancho_sepalo')

# Orden descendente
df_ordenado_desc = df.sort_values('ancho_sepalo', ascending=False)

8. Selección de Datos

Seleccionar columnas

python

# Seleccionar columnas específicas
columnas_seleccionadas = df[['longitud_sepalo', 'longitud_petalo', 'clase']]

Seleccionar filas por índice

python

# Usando iloc para selección por posición
filas_seleccionadas = df.iloc[[4, 10], [0, 2]]  # Filas 4 y 10, columnas 0 y 2

Filtros

python

# Filtrar por condiciones
filtro1 = df[df['longitud_sepalo'] > 5]
print(f"Casos con sepalo > 5: {len(filtro1)}")

# Múltiples condiciones
filtro2 = df[(df['longitud_sepalo'] > 5) & (df['longitud_petalo'] > 1.4)]

9. Operaciones entre Columnas

python

# Crear nueva columna con operación
df['diferencia'] = df['longitud_sepalo'] - df['longitud_petalo']
print(df[['longitud_sepalo', 'longitud_petalo', 'diferencia']].head())

10. Manejo de Valores Nulos

python

import numpy as np

# Crear valores nulos de ejemplo
df.loc[:1, 'longitud_petalo'] = np.nan

# Verificar valores nulos
print("Valores nulos por columna:")
print(df.isnull().sum())

# Rellenar valores nulos
df['longitud_petalo'] = df['longitud_petalo'].fillna(2)

# Verificar que se llenaron
print("\nDespués de rellenar:")
print(df.isnull().sum())

11. Estadísticas Básicas

python

# Media y mediana
media_petalo = df['longitud_petalo'].mean()
mediana_petalo = df['longitud_petalo'].median()

print(f"Media del pétalo: {media_petalo:.2f}")
print(f"Mediana del pétalo: {mediana_petalo:.2f}")

12. Función Apply

python

# Aplicar función a columna
df['ancho_sepalo_negativo'] = df['ancho_sepalo'].apply(lambda x: -x)

# Cuadrado de los valores
df['ancho_sepalo_cuadrado'] = df['ancho_sepalo'].apply(lambda x: x**2)

print(df[['ancho_sepalo', 'ancho_sepalo_negativo', 'ancho_sepalo_cuadrado']].head())

13. Agrupaciones (GroupBy)

python

# Agrupar por clase y calcular media del ancho del pétalo
df_group = df.groupby('clase')['ancho_petalo'].mean()
df_group.name = 'media_ancho_petalo'

print(df_group)

14. Unir DataFrames

python

# Unir el resultado de groupby al DataFrame original
df_unido = df.join(df_group, on='clase')
print(df_unido[['clase', 'ancho_petalo', 'media_ancho_petalo']].head())

15. Visualización con Matplotlib

python

import matplotlib.pyplot as plt

# Configurar tamaño de gráficos
plt.rcParams['figure.figsize'] = (12, 7)

# Gráfico de línea de la media del ancho del pétalo
df_unido['media_ancho_petalo'].plot()
plt.title('Media del ancho del pétalo por caso')
plt.show()

# Gráfico de la longitud del pétalo
df_unido['longitud_petalo'].plot()
plt.title('Longitud del pétalo por caso')
plt.show()

# Gráfico de barras
df_unido['longitud_petalo'].plot(kind='bar')
plt.title('Longitud del pétalo - Gráfico de barras')
plt.show()

# Scatter plot completo
pd.plotting.scatter_matrix(df_unido, figsize=(12, 7))
plt.show()

16. Ejemplo Completo: Análisis del Dataset Iris

python

# Resumen completo del análisis
print("=== ANÁLISIS COMPLETO DATASET IRIS ===")
print(f"Total de casos: {len(df)}")
print(f"Total de columnas: {len(df.columns)}")
print("\nDistribución por clase:")
print(df['clase'].value_counts())
print("\nEstadísticas descriptivas:")
print(df.describe())

# Agrupaciones por clase
print("\n=== ESTADÍSTICAS POR CLASE ===")
for columna in ['longitud_sepalo', 'ancho_sepalo', 'longitud_petalo', 'ancho_petalo']:
    stats_por_clase = df.groupby('clase')[columna].agg(['mean', 'std', 'min', 'max'])
    print(f"\n{columna.upper()}:")
    print(stats_por_clase)

Consejos Finales

1. Practica con datasets reales

2. Explora siempre tus datos con head(), info() y describe()

3. Aprende a usar groupby para análisis segmentado

4. Visualiza tus datos para entender patrones

5. Documenta tu código para futuras referencias