Resultado de búsqueda
10 de abr. de 2024 · pandas documentation # Date: Apr 10, 2024 Version: 2.2.2. Download documentation: Zipped HTML. Previous versions: Documentation of previous pandas versions is available at pandas.pydata.org. Useful links : Binary Installers | Source Repository | Issues & Ideas | Q&A Support | Mailing List.
- Getting started
pandas supports the integration with many file formats or...
- User Guide
The User Guide covers all of pandas by topic area. Each of...
- Development
Step 3: build and install pandas; Contributing to the...
- Release notes
This is the list of changes to pandas between each release....
- Tutorials
Web scraping with pandas is fun! Here we combine dataframes....
- Reshaping and Pivot Tables
Reshaping and pivot tables#. pandas provides methods for...
- GroupBy
Grouper (*args, **kwargs). A Grouper allows the user to...
- 10 Minutes to Pandas
Basic data structures in pandas#. Pandas provides two types...
- Getting started
DataFrame. pandas.DataFrame # class pandas.DataFrame(data=None, index=None, columns=None, dtype=None, copy=None) [source] # Two-dimensional, size-mutable, potentially heterogeneous tabular data. Data structure also contains labeled axes (rows and columns). Arithmetic operations align on both row and column labels.
- Tipos de Datos de Pandas
- La Clase de Objetos Series
- Creación de Series
- Atributos de Una Serie
- Acceso A Los Elementos de Una Serie
- Resumen descriptivo de Una Serie
- Aplicar Operaciones A Una Serie
- Aplicar Funciones A Una Serie
- Filtrar Una Serie
- Ordenar Una Serie
Pandas dispone de tres estructuras de datos diferentes: 1. Series: Estructura de una dimensión. 2. DataFrame: Estructura de dos dimensiones (tablas). 3. Panel: Estructura de tres dimensiones (cubos). Estas estructuras se construyen a partir de arrays de la librería NumPy, añadiendo nuevas funcionalidades.
Son estructuras similares a los arrays de una dimensión. Son homogéneas, es decir, sus elementos tienen que ser del mismo tipo, y su tamaño es inmutable, es decir, no se puede cambiar, aunque si su contenido. Dispone de un índice que asocia un nombre a cada elemento del la serie, a través de la cuál se accede al elemento. Ejemplo. La siguiente seri...
Creación de una serie a partir de una lista
1. Series(data=lista, index=indices, dtype=tipo) : Devuelve un objeto de tipo Series con los datos de la lista lista, las filas especificados en la lista indices y el tipo de datos indicado en tipo. Si no se pasa la lista de índices se utilizan como índices los enteros del 0 al n−1, done nes el tamaño de la serie. Si no se pasa el tipo de dato se infiere.
Creación de una serie a partir de un diccionario
1. Series(data=diccionario, index=indices): Devuelve un objeto de tipo Series con los valores del diccionario diccionario y las filas especificados en la lista indices. Si no se pasa la lista de índices se utilizan como índices las claves del diccionario.
Existen varias propiedades o métodos para ver las características de una serie. 1. s.size : Devuelve el número de elementos de la serie s. 2. s.index : Devuelve una lista con los nombres de las filas del DataFrame s. 3. s.dtype : Devuelve el tipo de datos de los elementos de la serie s.
El acceso a los elementos de un objeto del tipo Series puede ser a través de posiciones o través de índices (nombres).
Las siguientes funciones permiten resumir varios aspectos de una serie: 1. s.count() : Devuelve el número de elementos que no son nulos ni NaN en la serie s. 2. s.sum() : Devuelve la suma de los datos de la serie s cuando los datos son de un tipo numérico, o la concatenación de ellos cuando son del tipo cadena str. 3. s.cumsum() : Devuelve una seri...
Los operadores binarios (+, *, /, etc.) pueden utilizarse con una serie, y devuelven otra serie con el resultado de aplicar la operación a cada elemento de la serie.
También es posible aplicar una función a cada elemento de la serie mediante el siguiente método: 1. s.apply(f) : Devuelve una serie con el resultado de aplicar la función f a cada uno de los elementos de la serie s.
Para filtrar una serie y quedarse con los valores que cumplen una determinada condición se utiliza el siguiente método: 1. s[condicion] : Devuelve una serie con los elementos de la serie s que se corresponden con el valor True de la lista booleana condicion. condiciondebe ser una lista de valores booleanos de la misma longitud que la serie.
Para ordenar una serie se utilizan los siguientes métodos: 1. s.sort_values(ascending=booleano) : Devuelve la serie que resulta de ordenar los valores la serie s. Si argumento del parámetro ascending es True el orden es creciente y si es Falsedecreciente. 2. df.sort_index(ascending=booleano) : Devuelve la serie que resulta de ordenar el índice de l...
Es una de las herramientas más populares utilizadas por los científicos de datos y analistas para trabajar con datos estructurados y realizar tareas de manipulación, limpieza y análisis de datos de manera eficiente. Pandas se basa en NumPy, otra biblioteca popular de Python para la manipulación de matrices numéricas.
18 de may. de 2021 · Consulta los documentos enlazados aquí para obtener información más detallada. Dupliquemos algunas filas y eliminémoslas de nuestro dataset (conjunto de datos): Eliminar los valores duplicados en Pandas. Cómo eliminar filas con valores específicos de la columna.
19 Dic. 4:52 pm. m de lecture. Data Science. Pandas es una biblioteca del lenguaje de programación Python, dedicada por completo a la Data Science. Descubre para qué sirve esta herramienta y por qué es esencial para los Data Scientists.
