Tutorial de Pandas para Principiantes

 

Tutorial de Pandas para Principiantes

¡Hola! Bienvenido/a a este tutorial de Pandas, la biblioteca más popular de Python para el análisis y manipulación de datos.

📋 Tabla de Contenidos

  1. ¿Qué es Pandas?

  2. Instalación

  3. Estructuras de Datos Básicas

  4. Crear DataFrames

  5. Leer y Guardar Datos

  6. Explorar Datos

  7. Selección de Datos

  8. Manipulación de Datos

  9. Ejercicios Prácticos

¿Qué es Pandas?

Pandas es una biblioteca de Python especializada en el manejo y análisis de datos. Su nombre viene de "Panel Data" y es especialmente útil para trabajar con:

  • Datos en formato de tablas (como Excel)

  • Series temporales

  • Datos estructurados

Instalación

Si no tienes Pandas instalado, puedes instalarlo con:

bash
pip install pandas

Importar Pandas

Siempre comenzamos importando la biblioteca:

python
import pandas as pd

La convención es usar pd como alias para pandas.

Estructuras de Datos Básicas

Pandas tiene dos estructuras principales:

1. Series

Es como una columna de una tabla, un array unidimensional.

python
# Crear una Serie
frutas = pd.Series(['manzana', 'banana', 'naranja', 'uva'])
print(frutas)

2. DataFrame

Es una tabla bidimensional (filas y columnas), similar a una hoja de Excel.

python
# Crear un DataFrame
datos = {
    'Nombre': ['Ana', 'Juan', 'María', 'Carlos'],
    'Edad': [25, 30, 35, 28],
    'Ciudad': ['Madrid', 'Barcelona', 'Sevilla', 'Valencia']
}

df = pd.DataFrame(datos)
print(df)

Crear DataFrames

Desde un diccionario

python
# Ejemplo más completo
estudiantes = {
    'Nombre': ['Ana', 'Luis', 'Marta', 'Pedro', 'Sofia'],
    'Matemáticas': [85, 78, 92, 64, 90],
    'Historia': [88, 76, 95, 70, 85],
    'Ciencia': [90, 82, 88, 75, 92]
}

df_estudiantes = pd.DataFrame(estudiantes)
print(df_estudiantes)

Desde una lista de listas

python
# Con columnas personalizadas
datos = [
    ['Ana', 25, 'Ingeniera'],
    ['Juan', 30, 'Doctor'],
    ['María', 28, 'Profesora']
]

df_profesiones = pd.DataFrame(datos, columns=['Nombre', 'Edad', 'Profesión'])
print(df_profesiones)

Leer y Guardar Datos

Leer desde CSV

python
# Leer un archivo CSV
df = pd.read_csv('datos.csv')

# Si el archivo tiene separador diferente
df = pd.read_csv('datos.csv', sep=';')

# Leer solo algunas columnas
df = pd.read_csv('datos.csv', usecols=['Nombre', 'Edad'])

Leer desde Excel

python
df = pd.read_excel('datos.xlsx', sheet_name='Hoja1')

Guardar datos

python
# Guardar como CSV
df.to_csv('nuevos_datos.csv', index=False)

# Guardar como Excel
df.to_excel('nuevos_datos.xlsx', index=False)

Explorar Datos

Una vez que tenemos nuestros datos, es importante explorarlos:

python
# Ver las primeras filas
print(df.head())  # Primeras 5 filas
print(df.head(3)) # Primeras 3 filas

# Ver las últimas filas
print(df.tail())  # Últimas 5 filas

# Información del DataFrame
print(df.info())  # Tipos de datos y valores no nulos

# Estadísticas descriptivas
print(df.describe())  # Solo para columnas numéricas

# Forma del DataFrame (filas, columnas)
print(df.shape)

# Nombres de las columnas
print(df.columns)

# Ver valores únicos en una columna
print(df['Ciudad'].unique())

Selección de Datos

Seleccionar columnas

python
# Seleccionar una columna (devuelve Series)
nombres = df['Nombre']

# Seleccionar múltiples columnas
subset = df[['Nombre', 'Edad']]

# Usar punto (solo si el nombre no tiene espacios)
edades = df.Edad

Seleccionar filas

python
# Por índice
fila_0 = df.iloc[0]        # Primera fila
primeras_3 = df.iloc[0:3]  # Primeras 3 filas

# Por etiqueta (si tenemos índices personalizados)
fila_ana = df.loc[0]       # Si el índice es numérico

# Filtrar por condición
mayores_30 = df[df['Edad'] > 30]
madrid = df[df['Ciudad'] == 'Madrid']

Combinar condiciones

python
# Y lógico (and)
condicion = (df['Edad'] > 25) & (df['Ciudad'] == 'Madrid')
resultado = df[condicion]

# O lógico (or)
condicion = (df['Edad'] > 30) | (df['Ciudad'] == 'Barcelona')
resultado = df[condicion]

Manipulación de Datos

Agregar nuevas columnas

python
# Crear columna basada en otras
df['Promedio'] = (df['Matemáticas'] + df['Historia'] + df['Ciencia']) / 3

# Columna con valor constante
df['Activo'] = True

# Columna condicional
df['Aprobado'] = df['Promedio'] >= 80

Modificar datos existentes

python
# Cambiar valores específicos
df.loc[df['Nombre'] == 'Ana', 'Edad'] = 26

# Aplicar función a columna
df['Nombre_Mayus'] = df['Nombre'].str.upper()

Ordenar datos

python
# Ordenar por una columna
df_ordenado = df.sort_values('Edad')

# Orden descendente
df_ordenado = df.sort_values('Edad', ascending=False)

# Ordenar por múltiples columnas
df_ordenado = df.sort_values(['Ciudad', 'Edad'])

Manejar valores faltantes

python
# Verificar valores nulos
print(df.isnull().sum())

# Eliminar filas con valores nulos
df_limpio = df.dropna()

# Llenar valores nulos
df_lleno = df.fillna(0)  # Con cero
df_lleno = df.fillna(df.mean())  # Con la media

Agrupar datos

python
# Agrupar por ciudad y calcular promedios
grupo_ciudad = df.groupby('Ciudad')['Edad'].mean()

# Múltiples agregaciones
resumen = df.groupby('Ciudad').agg({
    'Edad': ['mean', 'min', 'max', 'count'],
    'Matemáticas': 'mean'
})

Ejercicios Prácticos

Ejercicio 1: Crear y explorar datos

python
# Crea un DataFrame de productos
productos = {
    'Producto': ['Laptop', 'Mouse', 'Teclado', 'Monitor', 'Tablet'],
    'Precio': [1200, 25, 80, 300, 450],
    'Stock': [15, 50, 30, 20, 25],
    'Categoría': ['Electrónica', 'Accesorio', 'Accesorio', 'Electrónica', 'Electrónica']
}

df_productos = pd.DataFrame(productos)

# Explora los datos
print("Primeras filas:")
print(df_productos.head())

print("\nEstadísticas:")
print(df_productos.describe())

print("\nValores únicos en categoría:")
print(df_productos['Categoría'].unique())

Ejercicio 2: Análisis básico

python
# 1. Productos con precio mayor a 100
caros = df_productos[df_productos['Precio'] > 100]
print("Productos caros:")
print(caros)

# 2. Agregar columna de valor total en stock
df_productos['Valor_Stock'] = df_productos['Precio'] * df_productos['Stock']

# 3. Valor total por categoría
valor_categoria = df_productos.groupby('Categoría')['Valor_Stock'].sum()
print("\nValor total por categoría:")
print(valor_categoria)

Ejercicio 3: Datos más complejos

python
# Crear datos de ventas
ventas = {
    'Fecha': ['2024-01-01', '2024-01-01', '2024-01-02', '2024-01-02', '2024-01-03'],
    'Producto': ['Laptop', 'Mouse', 'Teclado', 'Monitor', 'Tablet'],
    'Cantidad': [2, 5, 3, 1, 4],
    'Vendedor': ['Ana', 'Juan', 'Ana', 'María', 'Juan']
}

df_ventas = pd.DataFrame(ventas)

# Convertir fecha a datetime
df_ventas['Fecha'] = pd.to_datetime(df_ventas['Fecha'])

# Ventas por vendedor
ventas_vendedor = df_ventas.groupby('Vendedor')['Cantidad'].sum()
print("Ventas por vendedor:")
print(ventas_vendedor)

Consejos para Principiantes

  1. Practica regularmente: La consistencia es clave

  2. Experimenta con datos reales: Busca datasets en Kaggle

  3. Usa la documentación oficial: Es excelente y tiene muchos ejemplos

  4. No memorices todo: Familiarízate con las operaciones comunes

  5. Aprende a buscar errores: Stack Overflow es tu amigo

Recursos Adicionales

¡Feliz aprendizaje! 🐼✨

Comentarios

Publicar un comentario

Entradas populares de este blog

¿Qué es un Closure?

CÓDIGO SIMPLIFICADO python def contador_llamadas ( funcion_original ) : contador = 0 def funcion_envoltura ( ) : nonlocal contador contador += 1 print ( f"Llamada número: { contador } " ) return funcion_original ( ) # ← Ejecuta saludar() return funcion_envoltura # Definimos UNA sola función-funcion_original ) def saludar ( ) : return "¡Hola!" # Aplicamos el contador saludar_contador = contador_llamadas ( saludar ) # Usamos la función print ( saludar_contador ( ) ) # Llamada 1 print ( saludar_contador ( ) ) # Llamada 2 print ( saludar_contador ( ) ) # Llamada 3 🎯   SALIDA: text Llamada número: 1 ¡Hola! Llamada número: 2 ¡Hola! Llamada número: 3 ¡Hola! LA CLAVE ESTÁ EN ESTA LÍNEA: python return funcion_envoltura # ← ¡NO lleva paréntesis! 🔍  ¿QUÉ PASA PASO A PASO? PASO 1:  Cuando haces: python saludar_contador = contador_llamadas ( saludar ) contador_llamadas  crea  c...
Leer más

4 tipos de colecciones de datos más

  Te explico los 4 tipos de colecciones de datos más comunes en programación: 📋 Listas (Arrays)["",""] Características: Ordenadas  - Mantienen el orden de inserción Mutables  - Se pueden modificar después de crearlas Permiten duplicados  - Pueden tener elementos repetidos Indexadas  - Se accede por posición numérica (0, 1, 2...) Ejemplo (Python): python frutas = [ "manzana" , "banana" , "cereza" ] frutas . append ( "naranja" ) # Agregar elemento print ( frutas [ 1 ] ) # Output: "banana" 🔄 Conjuntos (Sets){} Características: No ordenados  - No mantienen un orden específico No permiten duplicados  - Elementos únicos Mutables  - Se pueden agregar/eliminar elementos No indexados  - No se puede acceder por posición Ejemplo (Python): python colores = { "rojo" , "verde" , "azul" } colores . add ( "amarillo" ) print ( "rojo" in colores ) # Output: True 📖 ...
Leer más

Calculadora de edad

    Calculadora de edad Trabajas en una compañía que ofrece seguros de vida y de gastos médicos. La empresa está desarrollando una herramienta tecnológica, para que los agentes puedan calcular el monto de una póliza. Para dicho cálculo, se consideran varios factores de riesgo, entre los que se encuentra la edad. Por ello, el contratante debe llenar un formulario, incluyendo su fecha de nacimiento. Como primer reto, deberás calcular la edad del cliente al momento de la cotización.     • La captura de la fecha de nacimiento debe ser en una sola cadena de texto con formato DD-MM-AAAA.  • Validar que sea una fecha existente, si supera los 31 días o menor a 1 día de un mes, se deberá marcar como inválido.  • El año de nacimiento debe ser mayor de 1900. • Validar si el cliente ya cumplió años en la fecha de captura o aún no.  • Validar que no se puede dejar información en blanco o campos vacíos.    Análisis del problema Necesitamos: ...
Leer más