Importar y exportar datos

Crear DataFrames en Pandas a partir de diferentes tipos de entradas de datos es sencillo y flexible. A continuación, se explican diversas formas de crear DataFrames, así como métodos para exportarlos a diferentes formatos de archivo.

Creación de DataFrames

1. A partir de un diccionario

Una de las formas más comunes de crear un DataFrame es a partir de un diccionario de listas o arrays. Cada clave del diccionario representa el nombre de la columna y su valor correspondiente es la lista de datos de esa columna.

import pandas as pd

# Creando un DataFrame a partir de un diccionario
data = {
    'Nombre': ['Alice', 'Bob', 'Charlie'],
    'Edad': [24, 27, 22],
    'Salario': [50000, 60000, 55000]
}

df_dict = pd.DataFrame(data)
print(df_dict)

Output:

    Nombre  Edad  Salario
0    Alice    24    50000
1      Bob    27    60000
2  Charlie    22    55000

2. A partir de listas de listas (o tuplas)

Puedes crear un DataFrame a partir de una lista de listas o tuplas. En este caso, puedes especificar los nombres de las columnas al momento de crear el DataFrame.

# Creando un DataFrame a partir de listas de listas
data = [
    ['Alice', 24, 50000],
    ['Bob', 27, 60000],
    ['Charlie', 22, 55000]
]

df_list = pd.DataFrame(data, columns=['Nombre', 'Edad', 'Salario'])
print(df_list)

Output:

    Nombre  Edad  Salario
0    Alice    24    50000
1      Bob    27    60000
2  Charlie    22    55000

3. A partir de un archivo CSV

Pandas permite importar datos desde archivos CSV fácilmente utilizando el método read_csv(). Esto es útil para trabajar con grandes conjuntos de datos que ya están almacenados en archivos.

# Supongamos que tienes un archivo 'datos.csv' con el siguiente contenido:
# Nombre,Edad,Salario
# Alice,24,50000
# Bob,27,60000
# Charlie,22,55000

df_csv = pd.read_csv('datos.csv')
print(df_csv)

4. A partir de un archivo Excel

Pandas también puede leer datos desde archivos Excel usando el método read_excel().

# Asegúrate de tener 'openpyxl' o 'xlrd' instalado para poder leer archivos Excel
df_excel = pd.read_excel('datos.xlsx')
print(df_excel)

Exportación de DataFrames

Una vez que hayas creado un DataFrame y realizado cualquier manipulación de datos, es posible que desees exportarlo a diferentes formatos de archivo. A continuación, se describen algunos métodos para exportar DataFrames.

1. Exportar a CSV

Para exportar un DataFrame a un archivo CSV, puedes usar el método to_csv(). Puedes especificar el nombre del archivo y otros parámetros opcionales.

# Exportar a un archivo CSV
df_dict.to_csv('datos_exportados.csv', index=False)  # index=False para no incluir el índice

2. Exportar a Excel

Para exportar un DataFrame a un archivo Excel, utiliza el método to_excel(). Similarmente, necesitarás tener openpyxl instalado para exportar a Excel.

# Exportar a un archivo Excel
df_dict.to_excel('datos_exportados.xlsx', index=False)

3. Exportar a formato JSON

Pandas permite exportar datos a formato JSON utilizando el método to_json().

# Exportar a un archivo JSON
df_dict.to_json('datos_exportados.json', orient='records')

4. Exportar a formato HTML

Si deseas exportar un DataFrame a un archivo HTML, puedes usar el método to_html().

# Exportar a un archivo HTML
df_dict.to_html('datos_exportados.html', index=False)

Resumen

Pandas proporciona una forma flexible y eficiente de crear DataFrames a partir de diversas fuentes de datos, como diccionarios, listas, archivos CSV y Excel. Además, ofrece múltiples opciones para exportar estos DataFrames a varios formatos, facilitando el trabajo con datos en distintos entornos. Esto hace de Pandas una herramienta muy poderosa para la manipulación y el análisis de datos.