Series y Dataframes

Estructuras de Datos en Pandas: Series y DataFrame

Pandas, una de las bibliotecas más utilizadas en Python para la manipulación y el análisis de datos, ofrece dos estructuras de datos fundamentales: Series y DataFrame. Estas estructuras son la base para realizar operaciones de análisis de datos de manera eficiente y flexible. A continuación, se presentan explicaciones detalladas de cada una, junto con ejemplos de uso.

---

1. Series

Una Serie en Pandas es una estructura unidimensional que puede almacenar datos de cualquier tipo (números enteros, flotantes, cadenas, etc.). Cada elemento de una Series tiene un índice asociado que permite acceder a los elementos de manera fácil y rápida. Es similar a un array de NumPy, pero con un índice que permite etiquetas personalizadas.

Características de una Serie

• Unidimensional: Almacena datos en una sola dimensión.
• Etiquetas: Cada elemento puede ser accedido por su etiqueta (índice).
• Homogeneidad: Aunque una Series puede almacenar datos de diferentes tipos, generalmente se usa para almacenar un solo tipo de datos.

Ejemplo de Creación de una Serie

import pandas as pd

# Creando una Serie simple
datos = [10, 20, 30, 40, 50]
serie = pd.Series(datos, index=['a', 'b', 'c', 'd', 'e'])
print(serie)

Output:

a    10
b    20
c    30
d    40
e    50
dtype: int64

Acceso a Elementos de una Serie

Puedes acceder a los elementos de una Series utilizando su índice.

# Accediendo a un elemento por índice
print(serie['c'])  # Output: 30

# Accediendo a un rango de elementos
print(serie[['b', 'd']])  # Output: b    20, d    40

Operaciones Comunes con Series

• Métodos Estadísticos: Puedes utilizar métodos como mean(), sum(), max(), etc., para realizar cálculos sobre los datos.

print(serie.mean())  # Output: 30.0
print(serie.sum())   # Output: 150

• Filtrado: Puedes filtrar los elementos según condiciones.

# Filtrando elementos mayores a 30
print(serie[serie > 30])  # Output: d    40, e    50

---

2. DataFrame

Un DataFrame en Pandas es una estructura bidimensional que se asemeja a una tabla en una hoja de cálculo o una base de datos. Permite almacenar datos en formato tabular, donde cada columna puede tener un tipo de datos diferente (números, texto, fechas, etc.). Un DataFrame está compuesto por filas y columnas, y cada columna puede considerarse como una Series.

Características de un DataFrame

• Bidimensional: Almacena datos en filas y columnas.
• Etiquetas: Cada fila y columna tiene etiquetas, lo que facilita la manipulación y el acceso a los datos.
• Heterogeneidad: Cada columna puede contener diferentes tipos de datos.

Ejemplo de Creación de un DataFrame

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

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

Output:

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

Acceso a Datos en un DataFrame

Puedes acceder a las columnas y filas de un DataFrame utilizando diferentes métodos:

• Acceder a una columna:

# Accediendo a la columna 'Edad'
edades = df['Edad']
print(edades)

Output:

0    24
1    27
2    22
Name: Edad, dtype: int64

• Acceder a múltiples columnas:

# Accediendo a múltiples columnas
print(df[['Nombre', 'Salario']])

Output:

    Nombre  Salario
0    Alice    50000
1      Bob    60000
2  Charlie    55000

• Acceder a filas:

# Accediendo a la primera fila
primera_fila = df.loc[0]
print(primera_fila)

Output:

Nombre      Alice
Edad            24
Salario      50000
Name: 0, dtype: object

Operaciones Comunes con DataFrames

• Métodos Estadísticos: Al igual que con las Series, puedes aplicar métodos estadísticos a las columnas del DataFrame.

print(df['Salario'].mean())  # Output: 55000.0

• Filtrado: Puedes filtrar filas basadas en condiciones.

# Filtrando empleados con salario mayor a 55000
alto_salario = df[df['Salario'] > 55000]
print(alto_salario)

Output:

  Nombre  Edad  Salario
1    Bob    27    60000

• Agregar o eliminar columnas:

# Agregar una nueva columna
df['Antigüedad'] = [2, 3, 1]
print(df)

# Eliminar una columna
df.drop('Antigüedad', axis=1, inplace=True)
print(df)

---

Resumen

Las estructuras de datos Series y DataFrame en Pandas son fundamentales para la manipulación y el análisis de datos. Las Series son ideales para datos unidimensionales, mientras que los DataFrame permiten trabajar con datos bidimensionales de manera eficiente. Ambos tipos de datos ofrecen una amplia variedad de métodos para realizar operaciones estadísticas, manipulación de datos y análisis, lo que hace que Pandas sea una herramienta potente y versátil en el campo del análisis de datos.