Volver al Inicio

Anterior Siguiente

27 de Febrero del 2023 | Jhonatan Montilla

Pandas es una librería de Python especializada en el manejo y análisis de estructuras de datos. En este artículo encontrarás la guía más completa de sus funciones para la manipulación de datos.

Indice

1. Describe	7. Groupby	13. Fillna	19. Value Counts	25. Pivot Table	31. Rolling
2. Info	8. Select Types	14. Interpolate	20. Unique	26. Loc & iLoc	32. Transpose
3. Apply	9. Pandas Filter	15. Drop NA	21. Rank	27. Assing
4. Nunique	10. Pandas Charts	16. Drop	22. Query	28. Cut
5. Sort Values	11. Sample	17. Replace	23. Melt	29. Isin
6. Rename	12. Isnull, Isna	18. Drop Duplicates	24. Crosstab	30. Value Count

import pandas as pd
import numpy as np
import seaborn as sns

df = sns.load_dataset('penguins')
df.head()

	species	island	bill_length_mm	bill_depth_mm	flipper_length_mm	body_mass_g	sex
0	Adelie	Torgersen	39.1	18.7	181.0	3750.0	Male
1	Adelie	Torgersen	39.5	17.4	186.0	3800.0	Female
2	Adelie	Torgersen	40.3	18.0	195.0	3250.0	Female
3	Adelie	Torgersen	NaN	NaN	NaN	NaN	NaN
4	Adelie	Torgersen	36.7	19.3	193.0	3450.0	Female

1. describe()

• Esta función se utiliza para obtener las estadísticas de un DataFrame

Sin parámetros se obtienen estadísticas de solo valores numéricos

df.describe()

	bill_length_mm	bill_depth_mm	flipper_length_mm	body_mass_g
count	342.000000	342.000000	342.000000	342.000000
mean	43.921930	17.151170	200.915205	4201.754386
std	5.459584	1.974793	14.061714	801.954536
min	32.100000	13.100000	172.000000	2700.000000
25%	39.225000	15.600000	190.000000	3550.000000
50%	44.450000	17.300000	197.000000	4050.000000
75%	48.500000	18.700000	213.000000	4750.000000
max	59.600000	21.500000	231.000000	6300.000000

• Con este parámetro se obtienen las estadísticas de todas las variables

df.describe(include='all') 

	species	island	bill_length_mm	bill_depth_mm	flipper_length_mm	body_mass_g	sex
count	344	344	342.000000	342.000000	342.000000	342.000000	333
unique	3	3	NaN	NaN	NaN	NaN	2
top	Adelie	Biscoe	NaN	NaN	NaN	NaN	Male
freq	152	168	NaN	NaN	NaN	NaN	168
mean	NaN	NaN	43.921930	17.151170	200.915205	4201.754386	NaN
std	NaN	NaN	5.459584	1.974793	14.061714	801.954536	NaN
min	NaN	NaN	32.100000	13.100000	172.000000	2700.000000	NaN
25%	NaN	NaN	39.225000	15.600000	190.000000	3550.000000	NaN
50%	NaN	NaN	44.450000	17.300000	197.000000	4050.000000	NaN
75%	NaN	NaN	48.500000	18.700000	213.000000	4750.000000	NaN
max	NaN	NaN	59.600000	21.500000	231.000000	6300.000000	NaN

• Con este parámetro se obtienen las estadísticas excluyendo los valores numéricos

df.describe(exclude='number')

	species	island	sex
count	344	344	333
unique	3	3	2
top	Adelie	Biscoe	Male
freq	152	168	168

2. info()

• Esta función se utliza para obtener las propiedades de un DataFrame

df.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 344 entries, 0 to 343
Data columns (total 7 columns):
 #   Column             Non-Null Count  Dtype  
---  ------             --------------  -----  
 0   species            344 non-null    object 
 1   island             344 non-null    object 
 2   bill_length_mm     342 non-null    float64
 3   bill_depth_mm      342 non-null    float64
 4   flipper_length_mm  342 non-null    float64
 5   body_mass_g        342 non-null    float64
 6   sex                333 non-null    object 
dtypes: float64(4), object(3)
memory usage: 18.9+ KB

3. apply()

• Esta función se utiliza para aplicar una función a cada elemento o fila/columna de un DataFrame o Serie.

def apply_function(dataframe,col):

    for i in col:
        dataframe[i] = dataframe[i].apply(lambda x: x/10)
    return dataframe

lis = ['bill_length_mm','bill_depth_mm','flipper_length_mm','body_mass_g']
df_mod = apply_function(df,lis)
df_mod.head()

	species	island	bill_length_mm	bill_depth_mm	flipper_length_mm	body_mass_g	sex
0	Adelie	Torgersen	3.91	1.87	18.1	375.0	Male
1	Adelie	Torgersen	3.95	1.74	18.6	380.0	Female
2	Adelie	Torgersen	4.03	1.80	19.5	325.0	Female
3	Adelie	Torgersen	NaN	NaN	NaN	NaN	NaN
4	Adelie	Torgersen	3.67	1.93	19.3	345.0	Female

4. nunique()

• Esta función se usa para contar el número de valores únicos en una columna de un DataFrame.

def nunique_function(dataframe, col):
    
    for i in col:
        print(f'{i}: {dataframe[i].nunique()}')

lis = ['species','island','sex']
nunique_function(df,lis)

species: 3
island: 3
sex: 2

5. sort_values()

• Esta función se usa para ordenar un DataFrame por una o más columnas en orden ascendente o descendente.

def sort_values_fuction(dataframe,col,order=False):

    dataframe = dataframe.sort_values(col, ascending=order)
    return dataframe

df_mod = sort_values_fuction(df,'body_mass_g',True).head()
df_mod

	species	island	bill_length_mm	bill_depth_mm	flipper_length_mm	body_mass_g	sex
190	Chinstrap	Dream	4.69	1.66	19.2	270.0	Female
64	Adelie	Biscoe	3.64	1.71	18.4	285.0	Female
58	Adelie	Biscoe	3.65	1.66	18.1	285.0	Female
116	Adelie	Torgersen	3.86	1.70	18.8	290.0	Female
98	Adelie	Dream	3.31	1.61	17.8	290.0	Female

• Se ordena por dos columnas

df_mod = sort_values_fuction(df,['flipper_length_mm', 'body_mass_g'],True).head()
df_mod

	species	island	bill_length_mm	bill_depth_mm	flipper_length_mm	body_mass_g	sex
28	Adelie	Biscoe	3.79	1.86	17.2	315.0	Female
20	Adelie	Biscoe	3.78	1.83	17.4	340.0	Female
122	Adelie	Torgersen	4.02	1.70	17.6	345.0	Female
98	Adelie	Dream	3.31	1.61	17.8	290.0	Female
30	Adelie	Dream	3.95	1.67	17.8	325.0	Female

6. rename()

• Esta función se utiliza para cambiar los nombres de una o más columnas de un DataFrame.

def rename_function(dataframe,cols):
    
    dataframe = dataframe.rename(columns=cols)
    return dataframe

cols = {'species':'penguin_species'}
df_mod = rename_function(df,cols)
df_mod.head()

	penguin_species	island	bill_length_mm	bill_depth_mm	flipper_length_mm	body_mass_g	sex
0	Adelie	Torgersen	3.91	1.87	18.1	375.0	Male
1	Adelie	Torgersen	3.95	1.74	18.6	380.0	Female
2	Adelie	Torgersen	4.03	1.80	19.5	325.0	Female
3	Adelie	Torgersen	NaN	NaN	NaN	NaN	NaN
4	Adelie	Torgersen	3.67	1.93	19.3	345.0	Female

• Para varias columnas

cols = {'species':'penguin_species','island':'location'}
df_mod = rename_function(df,cols)
df_mod.head()

	penguin_species	location	bill_length_mm	bill_depth_mm	flipper_length_mm	body_mass_g	sex
0	Adelie	Torgersen	3.91	1.87	18.1	375.0	Male
1	Adelie	Torgersen	3.95	1.74	18.6	380.0	Female
2	Adelie	Torgersen	4.03	1.80	19.5	325.0	Female
3	Adelie	Torgersen	NaN	NaN	NaN	NaN	NaN
4	Adelie	Torgersen	3.67	1.93	19.3	345.0	Female

7. groupby()

• Esta función se usa para agrupar datos en un DataFrame por una o más columnas y luego realizar cálculos en los datos agrupados. Esta es una función poderosa que a menudo se usa para la agregación y el análisis de datos.

def groupby_function(dataframe,col):

    dataframe = round(dataframe.groupby(col).mean(),2)
    return dataframe

df_mod = groupby_function(df,'species')
df_mod

	bill_length_mm	bill_depth_mm	flipper_length_mm	body_mass_g
species
Adelie	3.88	1.83	19.00	370.07
Chinstrap	4.88	1.84	19.58	373.31
Gentoo	4.75	1.50	21.72	507.60

• Para varias columnas

df_mod = groupby_function(df,['species', 'island'])
df_mod

		bill_length_mm	bill_depth_mm	flipper_length_mm	body_mass_g
species	island
Adelie	Biscoe	3.90	1.84	18.88	370.97
	Dream	3.85	1.83	18.97	368.84
	Torgersen	3.90	1.84	19.12	370.64
Chinstrap	Dream	4.88	1.84	19.58	373.31
Gentoo	Biscoe	4.75	1.50	21.72	507.60

8. select_types()

• Esta función se usa para obtener datos de un DataFrame a través de algún tipo de datos.

def select_dtypes_function(dataframe,type):

    dataframe = dataframe.select_dtypes(type)
    return dataframe

df_mod = select_dtypes_function(df,'float64')
df_mod.head()

	bill_length_mm	bill_depth_mm	flipper_length_mm	body_mass_g
0	3.91	1.87	18.1	375.0
1	3.95	1.74	18.6	380.0
2	4.03	1.80	19.5	325.0
3	NaN	NaN	NaN	NaN
4	3.67	1.93	19.3	345.0

9. pandas_filter

• Este procedimiento se usa para obtener una sección de un DataFrame a través de una condición y un número de muestra.

def pandas_filter_funtion(dataframe,col,value,sample):

    dataframe = dataframe[dataframe[col]>=value].sample(n=sample)
    return dataframe

df_mod = pandas_filter_funtion(df,'bill_length_mm',40,5)
df_mod

	species	island	bill_length_mm	bill_depth_mm	flipper_length_mm	body_mass_g	sex
295	Gentoo	Biscoe	48.6	16.0	230.0	5800.0	Male
168	Chinstrap	Dream	50.3	20.0	197.0	3300.0	Male
247	Gentoo	Biscoe	47.8	15.0	215.0	5650.0	Male
164	Chinstrap	Dream	47.0	17.3	185.0	3700.0	Female
177	Chinstrap	Dream	52.0	19.0	197.0	4150.0	Male

10. pandas_charts

• Este procedimiento se utilza para obtener un gráfico (barra, torta, boxplot) para una variable categórica o numérica con la suma de sus registros

def panda_chart(dataframe,cat_var,chart_type='bar'):
    chart = dataframe[cat_var].value_counts().plot(kind=chart_type)
    return chart
panda_chart(df,'species')

<AxesSubplot:>

panda_chart(df,'species','pie')

<AxesSubplot:ylabel='species'>

• Para datos numéricos

panda_chart(df,'body_mass_g','box')

<AxesSubplot:>

11. sample()

• Esta función se usa para obtener una muestra aleatoria de tamaño determinado de datos en filas y/o columnas de un DataFrame.

def sample_function(dataframe,sample,ax=0):

    dataframe = dataframe.sample(n=sample, axis=ax)
    return dataframe
    
df_mod = sample_function(df, 6) # Elige filas aleatoriamente
df_mod

	species	island	bill_length_mm	bill_depth_mm	flipper_length_mm	body_mass_g	sex
125	Adelie	Torgersen	40.6	19.0	199.0	4000.0	Male
276	Gentoo	Biscoe	43.8	13.9	208.0	4300.0	Female
45	Adelie	Dream	39.6	18.8	190.0	4600.0	Male
83	Adelie	Torgersen	35.1	19.4	193.0	4200.0	Male
133	Adelie	Dream	37.5	18.5	199.0	4475.0	Male
214	Chinstrap	Dream	45.7	17.0	195.0	3650.0	Female

• Se obtienen columnas aleatoriamente

df_mod = sample_function(df,3,1)
df_mod.head()

	bill_depth_mm	body_mass_g	sex
0	18.7	3750.0	Male
1	17.4	3800.0	Female
2	18.0	3250.0	Female
3	NaN	NaN	NaN
4	19.3	3450.0	Female

12. isnull()_&_isna()

• Estas funciones se usan para determinar los valores faltantes en variables dentro de un DataFrame

df.isnull().sum()

species               0
island                0
bill_length_mm        2
bill_depth_mm         2
flipper_length_mm     2
body_mass_g           2
sex                  11
dtype: int64

13. fillna()

• Esta función se usa para rellenar los valores faltantes con un valor definido. Este ejemplo los valores son obtenidos desde un diccionario, los datos faltantes de las variables numéricas son reemplazados por la mediana y los datos de las variables categóricas con una cadena de caracteres establecida.

missing_values = {
    'bill_length_mm':df['bill_length_mm'].median(),
    'bill_depth_mm':df['bill_depth_mm'].median(),
    'flipper_length_mm':df['flipper_length_mm'].median(),
    'body_mass_g':df['body_mass_g'].median(),
    'sex': 'Unknown'
}
df_mod = df.fillna(value=missing_values)
df_mod.head()

	species	island	bill_length_mm	bill_depth_mm	flipper_length_mm	body_mass_g	sex
0	Adelie	Torgersen	39.10	18.7	181.0	3750.0	Male
1	Adelie	Torgersen	39.50	17.4	186.0	3800.0	Female
2	Adelie	Torgersen	40.30	18.0	195.0	3250.0	Female
3	Adelie	Torgersen	44.45	17.3	197.0	4050.0	Unknown
4	Adelie	Torgersen	36.70	19.3	193.0	3450.0	Female

• Método para reenviar datos hacia valores faltantes (propaga la última observación válida hacia la siguiente)

df_mod = df.fillna(method='ffill')
df_mod.head()

	species	island	bill_length_mm	bill_depth_mm	flipper_length_mm	body_mass_g	sex
0	Adelie	Torgersen	39.1	18.7	181.0	3750.0	Male
1	Adelie	Torgersen	39.5	17.4	186.0	3800.0	Female
2	Adelie	Torgersen	40.3	18.0	195.0	3250.0	Female
3	Adelie	Torgersen	40.3	18.0	195.0	3250.0	Female
4	Adelie	Torgersen	36.7	19.3	193.0	3450.0	Female

• Método para reenviar datos hacia valores faltantes (propaga la siguiente observación válida hacia atrás hasta la última)

df_mod = df.fillna(method='bfill')
df_mod.head()

	species	island	bill_length_mm	bill_depth_mm	flipper_length_mm	body_mass_g	sex
0	Adelie	Torgersen	39.1	18.7	181.0	3750.0	Male
1	Adelie	Torgersen	39.5	17.4	186.0	3800.0	Female
2	Adelie	Torgersen	40.3	18.0	195.0	3250.0	Female
3	Adelie	Torgersen	36.7	19.3	193.0	3450.0	Female
4	Adelie	Torgersen	36.7	19.3	193.0	3450.0	Female

14. interpolate()

• Esta función se usa para llenar los valores faltantes usando la interpolación entre los últimos valores válidos. funciona únicamente para variables numéricas

df_mod = df.interpolate()
df_mod.head()

	species	island	bill_length_mm	bill_depth_mm	flipper_length_mm	body_mass_g	sex
0	Adelie	Torgersen	39.1	18.70	181.0	3750.0	Male
1	Adelie	Torgersen	39.5	17.40	186.0	3800.0	Female
2	Adelie	Torgersen	40.3	18.00	195.0	3250.0	Female
3	Adelie	Torgersen	38.5	18.65	194.0	3350.0	NaN
4	Adelie	Torgersen	36.7	19.30	193.0	3450.0	Female

15. dropna()

• Esta función se usa para elimininar los registros completos con valores faltantes (filas completas)

df_mod = df.dropna()
print('Cantidad de registros antes: ',df.shape)
print('Cantidad de registros despues: ',df_mod.shape)

Cantidad de registros antes:  (344, 7)
Cantidad de registros despues:  (333, 7)

• Para eliminar columnas

df_mod = df.dropna(axis=1)
print('Cantidad de registros antes: ',df.shape)
print('Cantidad de registros despues: ',df_mod.shape)

Cantidad de registros antes:  (344, 7)
Cantidad de registros despues:  (344, 2)

• Para eliminar una cantidad de registros definidos según número

df_mod = df.dropna(thresh=5) # Elimina una cantidad definido
print('Cantidad de registros antes: ',df.shape)
print('Cantidad de registros despues: ',df_mod.shape)
# df_mod.head()

Cantidad de registros antes:  (344, 7)
Cantidad de registros despues:  (342, 7)

16. drop()

• Esta función se usa para eliminar una cantidad de registros determinados

• Elimina la primera fila del DataFrame

df_mod = df.drop(0)
df_mod.head()

	species	island	bill_length_mm	bill_depth_mm	flipper_length_mm	body_mass_g	sex
1	Adelie	Torgersen	39.5	17.4	186.0	3800.0	Female
2	Adelie	Torgersen	40.3	18.0	195.0	3250.0	Female
3	Adelie	Torgersen	NaN	NaN	NaN	NaN	NaN
4	Adelie	Torgersen	36.7	19.3	193.0	3450.0	Female
5	Adelie	Torgersen	39.3	20.6	190.0	3650.0	Male

• Elimina las dos primeas filas del DataFrame

df_mod = df.drop([0,1])
df_mod.head()

	species	island	bill_length_mm	bill_depth_mm	flipper_length_mm	body_mass_g	sex
2	Adelie	Torgersen	40.3	18.0	195.0	3250.0	Female
3	Adelie	Torgersen	NaN	NaN	NaN	NaN	NaN
4	Adelie	Torgersen	36.7	19.3	193.0	3450.0	Female
5	Adelie	Torgersen	39.3	20.6	190.0	3650.0	Male
6	Adelie	Torgersen	38.9	17.8	181.0	3625.0	Female

• Elimina las columnas seleccionadas

df_mod = df.drop(['species', 'island'], axis=1)
df_mod.head()

	bill_length_mm	bill_depth_mm	flipper_length_mm	body_mass_g	sex
0	39.1	18.7	181.0	3750.0	Male
1	39.5	17.4	186.0	3800.0	Female
2	40.3	18.0	195.0	3250.0	Female
3	NaN	NaN	NaN	NaN	NaN
4	36.7	19.3	193.0	3450.0	Female

17. replace()

• Esta función se usa para reemplazar un valor por otro en los datos del DataFrame.

def replace_function(dataframe,col,val,rep):

    dataframe[col] = dataframe[col].replace(val,rep)
    return dataframe

df_mod = replace_function(df,'species','Gentoo','Gentil')
df_mod['species'].unique()

array(['Adelie', 'Chinstrap', 'Gentil'], dtype=object)

18. drop_duplicates()

• Esta función se usa para eliminar registros duplicados para una variable determianda permitiendo conservar el primero o el último registro encontrado.

def drop_duplicates_function(dataframe,col,kp='first',iidx=True):

    dataframe = dataframe.drop_duplicates(subset=[col],keep=kp,ignore_index=iidx)
    return dataframe

df_mod = drop_duplicates_function(df,'species')
df_mod

	species	island	bill_length_mm	bill_depth_mm	flipper_length_mm	body_mass_g	sex
0	Adelie	Torgersen	39.1	18.7	181.0	3750.0	Male
1	Chinstrap	Dream	46.5	17.9	192.0	3500.0	Female
2	Gentil	Biscoe	46.1	13.2	211.0	4500.0	Female

19. value_counts()

• Esta función se usa para contar la cantidad de registros correspondiente a cada categoría contenida en una variable determinada.

def value_counts_function(dataframe,col):

    serie = dataframe[col].value_counts()
    return serie

serie = value_counts_function(df,'species')
serie

Adelie       152
Gentil       124
Chinstrap     68
Name: species, dtype: int64

20. unique()

• Esta función se usa para identificar las distintas categorias contenidas en una variable determinada.

def unique_function(dataframe,col):

    array = dataframe[col].unique()
    return array

array = unique_function(df,'species')
array

array(['Adelie', 'Chinstrap', 'Gentil'], dtype=object)

21. rank()

• Esta función se usa para clasificar valores y ordenar el DataFrame en función de estos.

def rank_function(dataframe,new_col,target_col,order=True):

    dataframe[new_col] = dataframe[target_col].rank()
    dataframe = dataframe.sort_values(new_col, ascending=order)
    return dataframe

df_mod = rank_function(df,'rank','body_mass_g')
df_mod.head()

	species	island	bill_length_mm	bill_depth_mm	flipper_length_mm	body_mass_g	sex	rank
190	Chinstrap	Dream	46.9	16.6	192.0	2700.0	Female	1.0
64	Adelie	Biscoe	36.4	17.1	184.0	2850.0	Female	2.5
58	Adelie	Biscoe	36.5	16.6	181.0	2850.0	Female	2.5
116	Adelie	Torgersen	38.6	17.0	188.0	2900.0	Female	5.5
98	Adelie	Dream	33.1	16.1	178.0	2900.0	Female	5.5

22. query()

• Esta función se utiliza para filtrar filas de un DataFrame en función de una cadena de consulta.

def query_function(dataframe,col_value):

    dataframe = dataframe.query(col_value)
    return dataframe

df_mod = query_function(df,'species == "Adelie"')
df_mod.head()

	species	island	bill_length_mm	bill_depth_mm	flipper_length_mm	body_mass_g	sex	rank
0	Adelie	Torgersen	39.1	18.7	181.0	3750.0	Male	123.0
1	Adelie	Torgersen	39.5	17.4	186.0	3800.0	Female	135.5
2	Adelie	Torgersen	40.3	18.0	195.0	3250.0	Female	31.0
3	Adelie	Torgersen	NaN	NaN	NaN	NaN	NaN	NaN
4	Adelie	Torgersen	36.7	19.3	193.0	3450.0	Female	64.5

• Filtra entre un rango específico en una misma o en distintas columnas

df_mod = query_function(df,'body_mass_g > 3000 and flipper_length_mm < 180')
df_mod.head()

	species	island	bill_length_mm	bill_depth_mm	flipper_length_mm	body_mass_g	sex	rank
20	Adelie	Biscoe	37.8	18.3	174.0	3400.0	Female	54.5
28	Adelie	Biscoe	37.9	18.6	172.0	3150.0	Female	19.5
30	Adelie	Dream	39.5	16.7	178.0	3250.0	Female	31.0
31	Adelie	Dream	37.2	18.1	178.0	3900.0	Male	149.5
122	Adelie	Torgersen	40.2	17.0	176.0	3450.0	Female	64.5

23. melt()

• Esta función se utiliza para fusionar dos o más variables en una única

def melt_function(dataframe,col,values):
    dataframe = dataframe.melt(id_vars=[col], value_vars=values)
    return dataframe

df_mod = melt_function(df,'species',['bill_length_mm', 'bill_depth_mm'])
df_mod.head()

	species	variable	value
0	Adelie	bill_length_mm	39.1
1	Adelie	bill_length_mm	39.5
2	Adelie	bill_length_mm	40.3
3	Adelie	bill_length_mm	NaN
4	Adelie	bill_length_mm	36.7

24. crosstab()

• Esta función se utiliza para crear una tabulación cruzada de dos o más columnas en un DataFrame. Es útil para analizar la relación entre dos variables categóricas.

def crosstab_function(dataframe,col1,col2):

    dataframe = pd.crosstab(dataframe[col1], dataframe[col2])
    return dataframe

df_mod = crosstab_function(df,'species','sex')
df_mod

sex	Female	Male
species
Adelie	73	73
Chinstrap	34	34
Gentil	58	61

25. pivot_table()

• Esta función se utiliza para crear una tabla dinámica a partir de un DataFrame. Una tabla dinámica es un resumen de datos agrupados por una o más variables, y es útil para la exploración y el análisis de datos a través de una función de agregación.

def pivot_table_function(dataframe,indx,col,values,agg_funct):

    dataframe = round(dataframe.pivot_table(index=indx, columns=col, values=values,
    aggfunc=agg_funct),2)
    return dataframe

df_mod = pivot_table_function(df,'species','sex','bill_length_mm','mean')
df_mod

sex	Female	Male
species
Adelie	37.26	40.39
Chinstrap	46.57	51.09
Gentil	45.56	49.47

• Agrupada en dos variables

df_mod = pivot_table_function(df,['species','island'],'sex','bill_length_mm','mean')
df_mod

	sex	Female	Male
species	island
Adelie	Biscoe	37.36	40.59
	Dream	36.91	40.07
	Torgersen	37.55	40.59
Chinstrap	Dream	46.57	51.09
Gentil	Biscoe	45.56	49.47

26. iloc()_&_loc()

• Estas funciones se utilizan para seleccionar filas y columnas de un DataFrame por índice o etiqueta. La función iloc se usa para seleccionar filas y columnas mediante la indexación basada en números enteros, mientras que la función loc se usa para seleccionar filas y columnas mediante la indexación basada en etiquetas.

• selecciona el primer elemento en la primera fila

df.iloc[0, 0]

'Adelie'

• Selecciona la primera fila

df.iloc[0]

species                 Adelie
island               Torgersen
bill_length_mm            39.1
bill_depth_mm             18.7
flipper_length_mm        181.0
body_mass_g             3750.0
sex                       Male
rank                     123.0
Name: 0, dtype: object

• Selecciona las primeras dos filas

df.iloc[:2] 

	species	island	bill_length_mm	bill_depth_mm	flipper_length_mm	body_mass_g	sex	rank
0	Adelie	Torgersen	39.1	18.7	181.0	3750.0	Male	123.0
1	Adelie	Torgersen	39.5	17.4	186.0	3800.0	Female	135.5

• Selecciona todas las filas de la primera Columna

df.iloc[:, 0]

0      Adelie
1      Adelie
2      Adelie
3      Adelie
4      Adelie
        ...  
339    Gentil
340    Gentil
341    Gentil
342    Gentil
343    Gentil
Name: species, Length: 344, dtype: object

• Selecciona todas las filas de las dos primeras Columnas

df.iloc[:, :2]

	species	island
0	Adelie	Torgersen
1	Adelie	Torgersen
2	Adelie	Torgersen
3	Adelie	Torgersen
4	Adelie	Torgersen
...	...	...
339	Gentil	Biscoe
340	Gentil	Biscoe
341	Gentil	Biscoe
342	Gentil	Biscoe
343	Gentil	Biscoe

344 rows × 2 columns

• selecciona el elemento en la primera fila y columna de especies

df.loc[0, "species"]

'Adelie'

• Selecciona todas las filas de una variable por su nombre

df.loc[:,'sex']

0        Male
1      Female
2      Female
3         NaN
4      Female
        ...  
339       NaN
340    Female
341      Male
342    Female
343      Male
Name: sex, Length: 344, dtype: object

• Selecciona todas las filas de distintas variables por su nombre

df.loc[:,['species','sex']]

	species	sex
0	Adelie	Male
1	Adelie	Female
2	Adelie	Female
3	Adelie	NaN
4	Adelie	Female
...	...	...
339	Gentil	NaN
340	Gentil	Female
341	Gentil	Male
342	Gentil	Female
343	Gentil	Male

344 rows × 2 columns

27. assign()

• Esta función se usa para agregar una variable en el DataFrame con una operación matemática

df_mod = df.assign(body_mass_100 = df['body_mass_g'] / 100)
df_mod.head()

	species	island	bill_length_mm	bill_depth_mm	flipper_length_mm	body_mass_g	sex	rank	body_mass_100
0	Adelie	Torgersen	39.1	18.7	181.0	3750.0	Male	123.0	37.5
1	Adelie	Torgersen	39.5	17.4	186.0	3800.0	Female	135.5	38.0
2	Adelie	Torgersen	40.3	18.0	195.0	3250.0	Female	31.0	32.5
3	Adelie	Torgersen	NaN	NaN	NaN	NaN	NaN	NaN	NaN
4	Adelie	Torgersen	36.7	19.3	193.0	3450.0	Female	64.5	34.5

28. cut_function()

• Esta función se usa para agrupar datos continuos en intervalos discretos, es útil para la exploración y visualización de datos.

def cut_function(dataframe,interval_col,target_col,min,max,num,lab):

    dataframe[interval_col] = pd.cut(dataframe[target_col],
    bins=np.linspace(min, max, num=num),labels=lab)
    return dataframe

labels = ['Botton','Low','Medium','High','Top']
df_mod = cut_function(df,'body_mass_g_binned','body_mass_g',0,6000,6,labels)
df_mod.head()

	species	island	bill_length_mm	bill_depth_mm	flipper_length_mm	body_mass_g	sex	rank	body_mass_g_binned
0	Adelie	Torgersen	39.1	18.7	181.0	3750.0	Male	123.0	High
1	Adelie	Torgersen	39.5	17.4	186.0	3800.0	Female	135.5	High
2	Adelie	Torgersen	40.3	18.0	195.0	3250.0	Female	31.0	Medium
3	Adelie	Torgersen	NaN	NaN	NaN	NaN	NaN	NaN	NaN
4	Adelie	Torgersen	36.7	19.3	193.0	3450.0	Female	64.5	Medium

29. isin()

• Esta función se utiliza para filtrar DataFrame comparando los valores con una lista de valores.

def isin_function(dataframe,col,lis):

    dataframe = dataframe[dataframe[col].isin(lis)]
    return dataframe

lis = ['Adelie', 'Chinstrap']
df_mod = isin_function(df,'species',lis)
df_mod

	species	island	bill_length_mm	bill_depth_mm	flipper_length_mm	body_mass_g	sex	rank	body_mass_g_binned
0	Adelie	Torgersen	39.1	18.7	181.0	3750.0	Male	123.0	High
1	Adelie	Torgersen	39.5	17.4	186.0	3800.0	Female	135.5	High
2	Adelie	Torgersen	40.3	18.0	195.0	3250.0	Female	31.0	Medium
3	Adelie	Torgersen	NaN	NaN	NaN	NaN	NaN	NaN	NaN
4	Adelie	Torgersen	36.7	19.3	193.0	3450.0	Female	64.5	Medium
...	...	...	...	...	...	...	...	...	...
215	Chinstrap	Dream	55.8	19.8	207.0	4000.0	Male	168.0	High
216	Chinstrap	Dream	43.5	18.1	202.0	3400.0	Female	54.5	Medium
217	Chinstrap	Dream	49.6	18.2	193.0	3775.0	Male	127.5	High
218	Chinstrap	Dream	50.8	19.0	210.0	4100.0	Male	180.0	High
219	Chinstrap	Dream	50.2	18.7	198.0	3775.0	Female	127.5	High

220 rows × 9 columns

30. value_count()

• Esta función se utiliza para contar el número de ocurrencias de cada valor único en una columna de un DataFrame.

def value_counts_function(dataframe,col):

    num = dataframe[col].value_counts()
    return num

value_counts_function(df,'species')

Adelie       152
Gentil       124
Chinstrap     68
Name: species, dtype: int64

31. rolling()

• Esta función se utiliza para crear una ventana móvil de un tamaño determinado en un DataFrame o Serie, lo que permite calcularuna estadística

para cada ventana.

def rolling_function(dataframe,new_col,target_col,num):

    dataframe[new_col] = dataframe[target_col].rolling(window=num).mean()
    return dataframe

df_mod = rolling_function(df,'rolling_mean_bill_length','bill_length_mm',2)
df_mod.head()

	species	island	bill_length_mm	bill_depth_mm	flipper_length_mm	body_mass_g	sex	rank	body_mass_g_binned	rolling_mean_bill_length
0	Adelie	Torgersen	39.1	18.7	181.0	3750.0	Male	123.0	High	NaN
1	Adelie	Torgersen	39.5	17.4	186.0	3800.0	Female	135.5	High	39.3
2	Adelie	Torgersen	40.3	18.0	195.0	3250.0	Female	31.0	Medium	39.9
3	Adelie	Torgersen	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN
4	Adelie	Torgersen	36.7	19.3	193.0	3450.0	Female	64.5	Medium	NaN

32. transpose()

• Esta función se utiliza para transponer un DataFrame

df_mod = df.transpose() # Método abreviado df.T
df_mod.head()

	0	1	2	3	4	5	6	7	8	9	...	334	335	336	337	338	339	340	341	342	343
species	Adelie	Adelie	Adelie	Adelie	Adelie	Adelie	Adelie	Adelie	Adelie	Adelie	...	Gentil	Gentil	Gentil	Gentil	Gentil	Gentil	Gentil	Gentil	Gentil	Gentil
island	Torgersen	Torgersen	Torgersen	Torgersen	Torgersen	Torgersen	Torgersen	Torgersen	Torgersen	Torgersen	...	Biscoe	Biscoe	Biscoe	Biscoe	Biscoe	Biscoe	Biscoe	Biscoe	Biscoe	Biscoe
bill_length_mm	39.1	39.5	40.3	NaN	36.7	39.3	38.9	39.2	34.1	42.0	...	46.2	55.1	44.5	48.8	47.2	NaN	46.8	50.4	45.2	49.9
bill_depth_mm	18.7	17.4	18.0	NaN	19.3	20.6	17.8	19.6	18.1	20.2	...	14.1	16.0	15.7	16.2	13.7	NaN	14.3	15.7	14.8	16.1
flipper_length_mm	181.0	186.0	195.0	NaN	193.0	190.0	181.0	195.0	193.0	190.0	...	217.0	230.0	217.0	222.0	214.0	NaN	215.0	222.0	212.0	213.0

5 rows × 344 columns