Trocear datos

Aquí tienes un listado de los principales métodos para rebanar y extraer datos en Pandas, junto con ejemplos de uso:

Métodos para Rebanar y Extraer Datos en Pandas

1. Acceso por Etiqueta: loc[]

El método loc[] se utiliza para acceder a un grupo de filas y columnas por etiquetas o un array booleano. Es muy útil para seleccionar un subconjunto específico de datos.

import pandas as pd

data = {
    'Nombre': ['Alice', 'Bob', 'Charlie', 'David', 'Eva'],
    'Edad': [24, 27, 22, 32, 29],
    'Salario': [50000, 60000, 55000, 70000, 65000]
}
df = pd.DataFrame(data)

# Acceder a una fila por su índice
print(df.loc[1])  # Acceder a la fila con índice 1 (Bob)

# Acceder a varias filas por sus índices
print(df.loc[[0, 2]])  # Acceder a las filas con índices 0 (Alice) y 2 (Charlie)

# Acceder a filas y columnas específicas
print(df.loc[0:2, ['Nombre', 'Salario']])  # Acceder a filas de 0 a 2 y columnas 'Nombre' y 'Salario'

Output:

Nombre   Bob
Edad       27
Salario  60000
Name: 1, dtype: object

    Nombre  Edad  Salario
0    Alice    24    50000
2  Charlie    22    55000

     Nombre  Salario
0     Alice    50000
1       Bob    60000
2   Charlie    55000

2. Acceso por Posición: iloc[]

El método iloc[] se utiliza para acceder a filas y columnas por índice entero. Es útil cuando no se conoce la etiqueta.

# Acceder a una fila por su posición
print(df.iloc[1])  # Acceder a la segunda fila (índice 1)

# Acceder a varias filas por sus posiciones
print(df.iloc[[0, 2]])  # Acceder a las filas en las posiciones 0 y 2

# Acceder a filas y columnas específicas por posición
print(df.iloc[0:3, [0, 2]])  # Acceder a las filas de 0 a 2 y columnas en posiciones 0 y 2

Output:

Nombre      Bob
Edad          27
Salario    60000
Name: 1, dtype: object

    Nombre  Edad  Salario
0    Alice    24    50000
2  Charlie    22    55000

     Nombre  Salario
0     Alice    50000
1       Bob    60000
2   Charlie    55000

3. Filtrado de Datos

Puedes filtrar un DataFrame utilizando condiciones booleanas.

# Filtrar filas donde la edad es mayor a 25
print(df[df['Edad'] > 25])

# Filtrar filas donde el salario es igual a 60000
print(df[df['Salario'] == 60000])

# Filtrar múltiples condiciones: Edad > 25 y Salario < 65000
print(df[(df['Edad'] > 25) & (df['Salario'] < 65000)])

Output:

   Nombre  Edad  Salario
1     Bob    27    60000
3   David    32    70000
4     Eva    29    65000

   Nombre  Edad  Salario
1     Bob    27    60000

   Nombre  Edad  Salario

4. query()

El método query() permite filtrar un DataFrame usando una cadena de consulta.

# Filtrar usando query
print(df.query('Edad > 25'))

# Filtrar con múltiples condiciones
print(df.query('Edad > 25 and Salario < 65000'))

Output:

   Nombre  Edad  Salario
1     Bob    27    60000
3   David    32    70000
4     Eva    29    65000

Empty DataFrame
Columns: [Nombre, Edad, Salario]
Index: []

5. Selección de Columnas

Puedes seleccionar una o más columnas de un DataFrame fácilmente.

# Seleccionar una columna
print(df['Nombre'])

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

Output:

0      Alice
1        Bob
2    Charlie
3      David
4        Eva
Name: Nombre, dtype: object

     Nombre  Salario
0     Alice    50000
1       Bob    60000
2   Charlie    55000
3     David    70000
4       Eva    65000

6. filter()

El método filter() se utiliza para seleccionar filas o columnas basadas en criterios específicos.

# Filtrar columnas que contienen 'a'
print(df.filter(like='a', axis=1))  # Filtrar columnas que contienen 'a'

# Filtrar filas usando una condición
print(df.filter(items=[1, 3]))  # Filtrar las filas con índices 1 y 3

Output:

     Nombre
0     Alice
1       Bob
2   Charlie
3     David
4       Eva

    Nombre  Edad  Salario
1      Bob    27    60000
3   David    32    70000

7. set_index()

Este método se utiliza para establecer una columna como el índice del DataFrame.

# Establecer la columna 'Nombre' como índice
df_indexed = df.set_index('Nombre')
print(df_indexed)

Output:

         Edad  Salario
Nombre               
Alice      24    50000
Bob        27    60000
Charlie    22    55000
David      32    70000
Eva        29    65000

Resumen

Estos métodos son fundamentales para rebanar y extraer datos de un DataFrame en Pandas. Proporcionan formas flexibles y potentes para acceder y manipular datos, permitiendo un análisis más profundo y significativo.