Created
July 9, 2019 19:26
-
-
Save harpiechoise/f8d6763173bdb3cb06dc1681f2e18ce9 to your computer and use it in GitHub Desktop.
This file contains bidirectional Unicode text that may be interpreted or compiled differently than what appears below. To review, open the file in an editor that reveals hidden Unicode characters.
Learn more about bidirectional Unicode characters
import pandas as pd # Seudonimo de pandas | |
# Tipo de dato Serie | |
# Series | |
a = pd.Series([1, 2, 3]) # Objeto Series | |
print(type(a)) # <class 'pandas.core.series.Series'> | |
print(a) | |
# 0 1 | |
# 1 2 | |
# 2 3 | |
# dtype: int64 | |
b = pd.Series([[1, 2, 3], [1, 2, 3]]) # No es como Numpy | |
print(b) | |
# 0 [1, 2, 3] | |
# 1 [1, 2, 3] | |
# dtype: object | |
# Cualquier Tupla puede ser convertida a una serie | |
b = ('AA', '2012', 100, 10.2) # Definimos una Tupla | |
b = pd.Series(b) # La convertimos en una serie | |
print(b) | |
# 0 AA | |
# 1 2012 | |
# 2 100 | |
# 3 10.2 | |
# dtype: object | |
# Diccionario | |
b = {'A': 2, 'B': 6, 'C': 7} # Defino el Diccionario | |
b = pd.Series(b) # Lo convierto a Serie | |
print(b) | |
# A 2 | |
# B 6 | |
# C 7 | |
# dtype: int64 | |
# Definir Indices Personalizados | |
b = [1, 10, 5] | |
b = pd.Series(b, index=['X', 'Y', 'Z']) # Definir un Array con Indices | |
print(b) | |
print(b['X']) # 1 | |
# Utilidades de definir un Array con indices | |
# Hacer un Reporte | |
b = ['Tesla', 'Model S', 59100] | |
b = pd.Series(b, index=['Marca', 'Modelo', 'Precio']) | |
print(b) | |
# Marca Tesla | |
# Modelo Model S | |
# Precio 59100 | |
# dtype: object | |
# Advertencia | |
b = {'I': 1, 'A': 2, 'C': 3} | |
b = pd.Series(b, index=['S', 'I', 'J']) # Esto causa errores | |
print(b) | |
# S NaN | |
# I 1.0 | |
# J NaN | |
# dtype: float64 | |
# Indexacion de similar a numpy | |
b = {'Nombre': 'La nada', 'Fecha': 0, 'Valor': 0} | |
b = pd.Series(b) | |
print(b[['Nombre', 'Valor']]) | |
# Estructura 2 Dataframe | |
# Desde un Diccionario | |
data = {'Nombre': ['Franco', 'Francisco', 'Lorena'], | |
'Pedido': ['Panqueques', 'Bebida', 'Papas'], | |
'Mesa': [5, 3, 4]} | |
df = pd.DataFrame(data) | |
print(type(df)) # <class 'pandas.core.frame.DataFrame'> | |
print(df) | |
# Nombre Pedido Mesa | |
# 0 Franco Panqueques 5 | |
# 1 Francisco Bebida 3 | |
# 2 Lorena Papas 4 | |
# Crear una columna | |
df['Algo'] = 'Por Definir' | |
print(df) | |
# Nombre Pedido Mesa Algo | |
# 0 Franco Panqueques 5 Por Definir | |
# 1 Francisco Bebida 3 Por Definir | |
# 2 Lorena Papas 4 Por Definir | |
# Modificar el indice | |
df.index = ['uno', 'dos', 'tres'] | |
print(df) | |
# Nombre Pedido Mesa Algo | |
# uno Franco Panqueques 5 Por Definir | |
# dos Francisco Bebida 3 Por Definir | |
# tres Lorena Papas 4 Por Definir | |
# Selecionar una Columna | |
df['Nombre'] | |
# 0 Franco | |
# 1 Francisco | |
# 2 Lorena | |
# Name: Nombre, dtype: object | |
# Seleccionar multiples Columnas | |
df[['Nombre', 'Mesa']] | |
# Nombre Mesa | |
# 0 Franco 5 | |
# 1 Francisco 3 | |
# 2 Lorena 4 | |
# Seleccionar una fila con el nombre de las columnas | |
df.ix[0] | |
# Nombre Franco | |
# Pedido Panqueques | |
# Mesa 5 | |
# Name: 0, dtype: object | |
# Acediendo a un elemento especifico de una fila del | |
# Dataframe | |
df.ix[0, 'Pedido'] | |
# 'Panqueques' | |
# Borrar una Columna | |
print(df.drop(['Mesa'], axis=1)) |
Sign up for free
to join this conversation on GitHub.
Already have an account?
Sign in to comment