Objetos¶

En un nivel muy básico, los objetos de Pandas se pueden considerar como versiones mejoradas de matrices de NumPy en las que las filas y columnas se identifican con etiquetas en lugar de simples índices enteros.

Tipo de Objetos¶

Pandas Series¶

Un objeto de tipo Series es un array unidimensional etiquetado que puede contener cualquier tipo de dato, como enteros, números decimales, cadenas de texto o incluso objetos de Python. Es una estructura de datos fundamental en Pandas y es similar a un array unidimensional de NumPy, pero con índices etiquetados que permiten una manipulación de datos fácil e intuitiva.

Un objeto de tipo Series de Pandas puede ser creado a partir de una lista, tupla, array de NumPy, o incluso de un diccionario. Por ejemplo, el siguiente código crea un objeto Series a partir de una lista de números enteros:

In [1]:

import pandas as pd

s = pd.Series([1, 2, 3, 4, 5])
s

import pandas as pd s = pd.Series([1, 2, 3, 4, 5]) s

Out[1]:

0    1
1    2
2    3
3    4
4    5
dtype: int64

En la salida, el objeto Series se imprime con los valores de la lista de datos y sus índices correspondientes (del 0 al 4). El tipo de dato del objeto Series es int64, que es un tipo de dato entero de 64 bits. Ahora, podemos acceder con los valores (values) y los atributos de índice (index).

Para acceder a los valores de la serie, ocupamos el comando values:

In [2]:

# valores
s.values

# valores s.values

Out[2]:

array([1, 2, 3, 4, 5], dtype=int64)

Para acceder a los valores del índice, ocupamos el comando index:

In [3]:

# indice
s.index

# indice s.index

Out[3]:

RangeIndex(start=0, stop=5, step=1)

Por otro lado, puedes especificar un índice personalizado para una serie de Pandas utilizando el parámetro index al crear la serie. Por ejemplo:

In [4]:

data = [10, 20, 30, 40, 50]
index = ['a', 'b', 'c', 'd', 'e']
s = pd.Series(data, index=index)
s

data = [10, 20, 30, 40, 50] index = ['a', 'b', 'c', 'd', 'e'] s = pd.Series(data, index=index) s

Out[4]:

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

En este caso, el índice de la serie se ha definido como una lista de cadenas de texto. Al especificar un índice personalizado, se puede utilizar ese índice para seleccionar elementos de la serie en lugar del índice numérico predeterminado.

Pandas Dataframes¶

Un objeto DataFrame es una estructura de datos tabular bidimensional, similar a una hoja de cálculo de Excel o una tabla de una base de datos relacional. Consiste en un conjunto ordenado de columnas, donde cada columna puede ser de un tipo de dato diferente (como enteros, números decimales o cadenas de texto), y un índice que identifica cada una de las filas.

Los datos en un DataFrame se almacenan en una o varias estructuras de tipo Series de Pandas, una para cada columna del DataFrame. Cada serie de columnas tiene su propio nombre, y los nombres de las columnas se utilizan como etiquetas para acceder a los datos de esa columna. El índice de un DataFrame es un objeto de tipo Series que identifica cada una de las filas.

Un objeto DataFrame de Pandas se puede crear a partir de una amplia variedad de fuentes de datos:

• listas
• diccionarios
• arrays de NumPy
• archivos CSV
• bases de datos
• muchas otras

Aquí hay un ejemplo de cómo crear un DataFrame a partir de un diccionario:

In [5]:

data = {'nombre': ['Juan', 'Ana', 'Pedro', 'Maria'],
        'edad': [25, 31, 19, 42],
        'ciudad': ['Madrid', 'Barcelona', 'Valencia', 'Sevilla']}
df = pd.DataFrame(data)

df

data = {'nombre': ['Juan', 'Ana', 'Pedro', 'Maria'], 'edad': [25, 31, 19, 42], 'ciudad': ['Madrid', 'Barcelona', 'Valencia', 'Sevilla']} df = pd.DataFrame(data) df

Out[5]:

	nombre	edad	ciudad
0	Juan	25	Madrid
1	Ana	31	Barcelona
2	Pedro	19	Valencia
3	Maria	42	Sevilla

Este código crea un DataFrame a partir de un diccionario que contiene tres columnas: nombre, edad y ciudad.

Al igual que los objetos Series, los Dataframes tienen índices y valores.

In [6]:

# valores
df.values

# valores df.values

Out[6]:

array([['Juan', 25, 'Madrid'],
       ['Ana', 31, 'Barcelona'],
       ['Pedro', 19, 'Valencia'],
       ['Maria', 42, 'Sevilla']], dtype=object)

In [7]:

# indice
df.index

# indice df.index

Out[7]:

RangeIndex(start=0, stop=4, step=1)

Adicionalmente, los objetos Dataframe tienen el atributo columns, objeto que contiene las etiquetas de las columnas:

In [8]:

# columnas
df.columns

# columnas df.columns

Out[8]:

Index(['nombre', 'edad', 'ciudad'], dtype='object')