Indexación y Selección¶

Indexación pandas Series¶

La indexación y selección de objetos Series de Pandas es una de las funcionalidades más importantes de la biblioteca, y permite acceder a los elementos individuales de una serie, así como seleccionar subconjuntos de elementos según diferentes criterios.

Para acceder a los elementos hay 2 formas de hacerlo.

1. Por etiquetas o método .loc

2. Por posición o el método .iloc

In [1]:

import pandas as pd

data = {'manzanas': 10, 'naranjas': 5, 'plátanos': 7, 'peras': 3}
frutas = pd.Series(data)
frutas

import pandas as pd data = {'manzanas': 10, 'naranjas': 5, 'plátanos': 7, 'peras': 3} frutas = pd.Series(data) frutas

Out[1]:

manzanas    10
naranjas     5
plátanos     7
peras        3
dtype: int64

Indexación de etiquetas¶

Podemos acceder a los elementos de la serie utilizando las etiquetas del índice de la serie. Podemos acceder a los elementos por su etiqueta de la siguiente manera:

In [2]:

# acceder por indice 'manzana' - sin '.loc'
print(frutas['manzanas']) # 10

# acceder por indice 'manzana' - sin '.loc' print(frutas['manzanas']) # 10

10

In [3]:

# acceder por indice 'manzana' - con '.loc'
print(frutas.loc['manzanas']) # 10

# acceder por indice 'manzana' - con '.loc' print(frutas.loc['manzanas']) # 10

10

Indexación de posición¶

Podemos acceder a los elementos de la serie utilizando la posición en la serie. Podemos acceder a los elementos por su posición de la siguiente manera:

In [4]:

# acceder por la posicion 0 - sin '.loc'
print(frutas[0]) # 10

# acceder por la posicion 0 - sin '.loc' print(frutas[0]) # 10

10

C:\Users\franc\AppData\Local\Temp\ipykernel_17048\1885408761.py:2: FutureWarning: Series.__getitem__ treating keys as positions is deprecated. In a future version, integer keys will always be treated as labels (consistent with DataFrame behavior). To access a value by position, use `ser.iloc[pos]`
  print(frutas[0]) # 10

In [5]:

# acceder por la posicion 0 - con '.iloc'
print(frutas.iloc[0]) # 10

# acceder por la posicion 0 - con '.iloc' print(frutas.iloc[0]) # 10

10

Nota: De aquí en más utilizaremos .loc e .iloc para acceder a los elementos de un Dataframe, para ser explícito en la forma de acceder a los datos.

Selección de múltiples elementos¶

Podemos seleccionar múltiples elementos de la serie de varias maneras. Por ejemplo, podemos seleccionar los elementos por etiquetas de índice utilizando una lista de etiquetas:

In [6]:

# seleccionar por indices 'manzanas' y 'naranjas'
print(frutas.loc[['manzanas', 'naranjas']])

# seleccionar por indices 'manzanas' y 'naranjas' print(frutas.loc[['manzanas', 'naranjas']])

manzanas    10
naranjas     5
dtype: int64

También podemos seleccionar los elementos por su posición utilizando la función iloc():

In [7]:

# acceder por posicion 0 y 2
print(frutas.iloc[[0, 2]])

# acceder por posicion 0 y 2 print(frutas.iloc[[0, 2]])

manzanas    10
plátanos     7
dtype: int64

Selección de rangos¶

Podemos seleccionar rangos de elementos de la serie de varias maneras. Podemos seleccionar un rango de elementos utilizando etiquetas de índice:

In [8]:

# rango de indices
print(frutas.loc['manzanas':'plátanos'])

# rango de indices print(frutas.loc['manzanas':'plátanos'])

manzanas    10
naranjas     5
plátanos     7
dtype: int64

También podemos seleccionar un rango de elementos utilizando la función iloc() y especificando las posiciones del rango:

In [9]:

# rango de posiciones
print(frutas.iloc[1:3])

# rango de posiciones print(frutas.iloc[1:3])

naranjas    5
plátanos    7
dtype: int64

Indexación pandas dataframe¶

En Pandas, la indexación y selección de datos en un DataFrame se pueden realizar de varias maneras. Primero, es importante tener en cuenta que un DataFrame consta de filas y columnas etiquetadas. La selección de datos se puede hacer utilizando estas etiquetas o mediante la posición de las filas y columnas.

Aquí hay algunas formas comunes de indexación y selección de datos en un DataFrame de Pandas:

Selección de columnas¶

Podemos seleccionar una o varias columnas de un DataFrame de la siguiente manera:

In [10]:

# Crear un DataFrame de ejemplo
data = {
    'nombre': ['Juan', 'Ana', 'Pedro'], 
    'edad': [28, 23, 35], 
    'ciudad': ['Madrid', 'Barcelona', 'Valencia'],
    
}
df = pd.DataFrame(data,index = ['a','b','c'])
df

# Crear un DataFrame de ejemplo data = { 'nombre': ['Juan', 'Ana', 'Pedro'], 'edad': [28, 23, 35], 'ciudad': ['Madrid', 'Barcelona', 'Valencia'], } df = pd.DataFrame(data,index = ['a','b','c']) df

Out[10]:

	nombre	edad	ciudad
a	Juan	28	Madrid
b	Ana	23	Barcelona
c	Pedro	35	Valencia

In [11]:

# Selección de una columna
nombre_columna = df['nombre']
nombre_columna

# Selección de una columna nombre_columna = df['nombre'] nombre_columna

Out[11]:

a     Juan
b      Ana
c    Pedro
Name: nombre, dtype: object

In [12]:

# Selección de varias columnas
varias_columnas = df[['nombre', 'edad']]
varias_columnas

# Selección de varias columnas varias_columnas = df[['nombre', 'edad']] varias_columnas

Out[12]:

	nombre	edad
a	Juan	28
b	Ana	23
c	Pedro	35

Selección de filas¶

Podemos seleccionar una o varias filas de un DataFrame utilizando el índice de la fila o utilizando la función iloc():

In [13]:

# Selección de una fila por etiqueta
fila = df.loc['a']
fila

# Selección de una fila por etiqueta fila = df.loc['a'] fila

Out[13]:

nombre      Juan
edad          28
ciudad    Madrid
Name: a, dtype: object

In [14]:

# Selección de varias filas por etiqueta
varias_filas = df.loc['a':'b']
varias_filas

# Selección de varias filas por etiqueta varias_filas = df.loc['a':'b'] varias_filas

Out[14]:

	nombre	edad	ciudad
a	Juan	28	Madrid
b	Ana	23	Barcelona

In [15]:

# Selección de una fila por posición
fila_posicion = df.iloc[0]
fila_posicion

# Selección de una fila por posición fila_posicion = df.iloc[0] fila_posicion

Out[15]:

nombre      Juan
edad          28
ciudad    Madrid
Name: a, dtype: object

In [16]:

# Selección de varias filas por posición
varias_filas_posicion = df.iloc[0:2]
varias_filas_posicion

# Selección de varias filas por posición varias_filas_posicion = df.iloc[0:2] varias_filas_posicion

Out[16]:

	nombre	edad	ciudad
a	Juan	28	Madrid
b	Ana	23	Barcelona

Selección de filas y columnas¶

Podemos seleccionar un subconjunto de filas y columnas de un DataFrame utilizando etiquetas o posición de fila y columna:

In [17]:

# Selección de filas y columnas por etiqueta
subconjunto = df.loc['a':'b', ['nombre', 'edad']]
subconjunto

# Selección de filas y columnas por etiqueta subconjunto = df.loc['a':'b', ['nombre', 'edad']] subconjunto

Out[17]:

	nombre	edad
a	Juan	28
b	Ana	23

In [18]:

# Selección de filas y columnas por posición
subconjunto_posicion = df.iloc[0:2, 0:2]
subconjunto_posicion

# Selección de filas y columnas por posición subconjunto_posicion = df.iloc[0:2, 0:2] subconjunto_posicion

Out[18]:

	nombre	edad
a	Juan	28
b	Ana	23

Diferencia de loc e iloc¶

loc e iloc son dos atributos que se utilizan para la selección de datos en un DataFrame o una Serie. Ambos atributos permiten la selección de filas y columnas específicas en un DataFrame, pero utilizan diferentes métodos para hacerlo.

• loc: este atributo permite la selección de datos mediante etiquetas de filas y columnas. Se utiliza para acceder a las filas y columnas utilizando etiquetas explícitas. Por ejemplo, data.loc[3, 'columna'] seleccionaría el valor en la fila 3 y la columna 'columna'.

• iloc : este atributo permite la selección de datos mediante índices enteros de filas y columnas. Se utiliza para acceder a las filas y columnas utilizando índices enteros implícitos. Por ejemplo, df.iloc[3, 1] seleccionaría el valor en la cuarta fila y la segunda columna.

La principal diferencia entre loc e iloc es el tipo de indexación utilizado. loc se utiliza para indexar los datos mediante etiquetas, mientras que iloc se utiliza para indexar los datos mediante la posición en la matriz de datos.

Además, loc es inclusivo en el sentido de que el límite superior se incluye en la selección, mientras que iloc es exclusivo en el límite superior y no incluye el valor correspondiente. Es decir, loc incluye la última fila/columna seleccionada, mientras que iloc no lo hace.

Por ejemplo, si tenemos un DataFrame con índice de etiquetas de A a E y un índice numérico de 0 a 4, la selección utilizando loc incluiría la última fila y columna seleccionada, mientras que la selección utilizando iloc no lo haría:

In [19]:

df = pd.DataFrame({
    'col_1': [1, 2, 3, 4, 5], 
    'col_2': [6, 7, 8, 9, 10], 
    'col_3': [11, 12, 13, 14, 15]},
    index=['A', 'B', 'C', 'D', 'E']
)

df

df = pd.DataFrame({ 'col_1': [1, 2, 3, 4, 5], 'col_2': [6, 7, 8, 9, 10], 'col_3': [11, 12, 13, 14, 15]}, index=['A', 'B', 'C', 'D', 'E'] ) df

Out[19]:

	col_1	col_2	col_3
A	1	6	11
B	2	7	12
C	3	8	13
D	4	9	14
E	5	10	15

In [20]:

# Selección utilizando loc
df.loc['B':'D', ['col_1','col_2']]

# Selección utilizando loc df.loc['B':'D', ['col_1','col_2']]

Out[20]:

	col_1	col_2
B	2	7
C	3	8
D	4	9

In [21]:

# Selección utilizando iloc
df.iloc[1:4, 0:2]

# Selección utilizando iloc df.iloc[1:4, 0:2]

Out[21]:

	col_1	col_2
B	2	7
C	3	8
D	4	9

En resumen, la principal diferencia entre loc e iloc es el tipo de indexación utilizado y cómo se maneja el límite superior en la selección. loc se utiliza para indexar los datos mediante etiquetas explícitas, mientras que iloc se utiliza para indexar los datos mediante posiciones implícitas.