Pandas¶

PanDas = Panel Data Sets Para trabajar con datos multidimensionales habituales en estadística, econometría, ...
Permite manipular tablas de datos (DataFrame)
Las tablas pueden tener diferentes tipos de datos a diferencia de las matrices de NumPy

In [1]:

import pandas as pd

Crear un DataFrame¶

In [2]:

fbk = ['Facebook', 2740, True, 2006]
twt = ['Twitter', 339, False, 2006]
ig = ['Instagram', 1221, True, 2010]
yt = ['YouTube', 2291, False, 2005]
lkn = ['LinkedIn', 727, False, 2003]
wsp = ['WhatsApp', 2000, True, 2009]
tik = ['TikTok', 689, False, 2016]
tel = ['Telegram', 500, False, 2013]

In [3]:

rrss = [fbk,twt,ig,yt,lkn,wsp,tik,tel]    # redes sociales 2021
rrss

Out[3]:

[['Facebook', 2740, True, 2006],
 ['Twitter', 339, False, 2006],
 ['Instagram', 1221, True, 2010],
 ['YouTube', 2291, False, 2005],
 ['LinkedIn', 727, False, 2003],
 ['WhatsApp', 2000, True, 2009],
 ['TikTok', 689, False, 2016],
 ['Telegram', 500, False, 2013]]

In [4]:

df_rrss = pd.DataFrame(rrss, columns = ['Nombre', 'Usuarios', 'es_FBK', 'Año'])
df_rrss

Out[4]:

	Nombre	Usuarios	es_FBK	Año
0	Facebook	2740	True	2006
1	Twitter	339	False	2006
2	Instagram	1221	True	2010
3	YouTube	2291	False	2005
4	LinkedIn	727	False	2003
5	WhatsApp	2000	True	2009
6	TikTok	689	False	2016
7	Telegram	500	False	2013

In [5]:

df_rrss.head()         # muestra solo los primeros registros de la tabla

Out[5]:

	Nombre	Usuarios	es_FBK	Año
0	Facebook	2740	True	2006
1	Twitter	339	False	2006
2	Instagram	1221	True	2010
3	YouTube	2291	False	2005
4	LinkedIn	727	False	2003

Crear un DataFrame vacío¶

In [6]:

df_vacio = pd.DataFrame(columns = ['Nombre', 'Usuarios', 'es_FBK', 'Año'])
df_vacio

Out[6]:

	Nombre	Usuarios	es_FBK	Año

In [7]:

df_vacio = df_vacio.append({'Nombre':'Facebook',
                          'Usuarios':2740,
                          'es_FBK':True,
                          'Año':2006}, ignore_index = True)

df_vacio

<ipython-input-7-178c31760d6e>:1: FutureWarning: The frame.append method is deprecated and will be removed from pandas in a future version. Use pandas.concat instead.
  df_vacio = df_vacio.append({'Nombre':'Facebook',

Out[7]:

	Nombre	Usuarios	es_FBK	Año
0	Facebook	2740	True	2006

En lugar de meter los datos de forma manual lo habitual es pasarle un archivo csv o Excel.

Seleccionar elementos¶

Seleccionar un elemento¶

In [8]:

# seleccionar un elemento por etiquetas
df_rrss.loc[1, 'Nombre']                    # loc de localizador

Out[8]:

'Twitter'

In [9]:

# seleccionar un elemento por número
df_rrss.iloc[1, 0]                           # iloc de localizador por integer

Out[9]:

'Twitter'

Seleccionar filas o columnas¶

In [10]:

# seleccionar por columna
df_rrss['Nombre']

Out[10]:

0     Facebook
1      Twitter
2    Instagram
3      YouTube
4     LinkedIn
5     WhatsApp
6       TikTok
7     Telegram
Name: Nombre, dtype: object

In [11]:

# seleccionar una fila
df_rrss.iloc[2]

Out[11]:

Nombre      Instagram
Usuarios         1221
es_FBK           True
Año              2010
Name: 2, dtype: object

Seleccionar según un filtro¶

In [12]:

# seleccionar por condición booleana
df_rrss['Usuarios'] > 2000         # Obtenemos un vector de True False

Out[12]:

0     True
1    False
2    False
3     True
4    False
5    False
6    False
7    False
Name: Usuarios, dtype: bool

In [13]:

df_rrss[df_rrss['Usuarios'] > 2000]  # Convertimos el vector de True False en valores

Out[13]:

	Nombre	Usuarios	es_FBK	Año
0	Facebook	2740	True	2006
3	YouTube	2291	False	2005

Ordenar columnas¶

De forma ascendente (de menor a mayor)¶

In [14]:

# ordenando por el nombre
df_rrss.sort_values('Nombre', ascending = True)  # el df_rrss no altera su orden

Out[14]:

	Nombre	Usuarios	es_FBK	Año
0	Facebook	2740	True	2006
2	Instagram	1221	True	2010
4	LinkedIn	727	False	2003
7	Telegram	500	False	2013
6	TikTok	689	False	2016
1	Twitter	339	False	2006
5	WhatsApp	2000	True	2009
3	YouTube	2291	False	2005

De forma descendente (de mayor a menor)¶

In [15]:

# por la cantidad de usuarios
df_rrss.sort_values('Usuarios', ascending = False)

Out[15]:

	Nombre	Usuarios	es_FBK	Año
0	Facebook	2740	True	2006
3	YouTube	2291	False	2005
5	WhatsApp	2000	True	2009
2	Instagram	1221	True	2010
4	LinkedIn	727	False	2003
6	TikTok	689	False	2016
7	Telegram	500	False	2013
1	Twitter	339	False	2006

Ordenar por dos columnas¶

In [16]:

# ordenamos primero por el año y luego por el número de usuarios
df_rrss.sort_values(['Año', 'Usuarios'], ascending = [True, False])

Out[16]:

	Nombre	Usuarios	es_FBK	Año
4	LinkedIn	727	False	2003
3	YouTube	2291	False	2005
0	Facebook	2740	True	2006
1	Twitter	339	False	2006
5	WhatsApp	2000	True	2009
2	Instagram	1221	True	2010
7	Telegram	500	False	2013
6	TikTok	689	False	2016