Hola Pandas!

Pandas = Manejo de informacion facil!

Que es pandas?

Pandas es un libreria de alto rendimiento, facil de usar para manejar estructuras de datos y analizarlas.

Checate mas en :

Para usar pandas, solo tiene que importar el modulo ..tambien te conviene importar numpy y matplotlib..juega n muy bien con pandas


In [1]:
import pandas as pd
import numpy as np # modulo de computo numerico
import matplotlib.pyplot as plt # modulo de graficas
# esta linea hace que las graficas salgan en el notebook
%matplotlib inline

Y yo para que quiero eso? De que sirve pandas?

Pandas te sirve si quieres:

  • Trabajar con datos de manera facil.
  • Explorar un conjunto de datos de manera rapida, enterder los datos que tienes.
  • Facilmente manipular informacion, por ejemplo sacar estadisticas.
  • Graficas patrones y distribuciones de datos.
  • Trabajar con Exceles, base de datos, sin tener que suar esas herramientas.

Y mucho mas...

El DataFrame en Pandas

Una estructura de datos en Pandas se llama un DataFrame, con el manejamos todos los datos y aplicamos tranformaciones.

Asi creamos un DataFrame vacio:


In [4]:



Out[4]:

No nos sirve nada vacio, entonces agreguemos le informacion!

LLenando informacion con un Dataframe

Situacion:

Suponte que eres un taquero y quieres hacer un dataframe de cuantos tacos vendes en una semana igual y para ver que tacos son mas populares y echarle mas ganas en ellos,

Asumiremos:

  • Que vende tacos de Pastor, Tripa y Chorizo
  • Hay 7 dias en una semana de Lunes a Domingo (obvio)
  • Crearemos el numero de tacos como numeros enteros aleatorios (np.random.randint)

Ojo! Si ponemos la variable de un dataframe al final de una celda no saldra una tabla con los datos, eah!


In [9]:



Out[9]:
Pastor Tripas Chorizo
Lunes 33 34 18
Martes 23 65 49
Miercoles 81 82 14
Jueves 0 52 21
Viernes 80 48 11
Sabado 45 23 12
Domingo 9 42 17

Jugando con el Dataframe!

Estadisticas

Ya con teniendo un dataframe podemos hacer muchas cosas, por ejemplo sacar estadisticas, de medias, desviaciones estandares, cuantos elementos:


In [10]:



Out[10]:
Pastor Tripas Chorizo
count 7.000000 7.000000 7.000000
mean 38.714286 49.428571 20.285714
std 32.128462 19.594703 13.136644
min 0.000000 23.000000 11.000000
25% 16.000000 38.000000 13.000000
50% 33.000000 48.000000 17.000000
75% 62.500000 58.500000 19.500000
max 81.000000 82.000000 49.000000

pero talvez solo queramos estadisticas de Pastor, entonces seria:


In [13]:



Out[13]:
count     7.000000
mean     20.285714
std      13.136644
min      11.000000
25%      13.000000
50%      17.000000
75%      19.500000
max      49.000000
Name: Chorizo, dtype: float64

o talvez solo nos interese del Lunes:

Ojo! Tenemos que usar .ix para seleccionar un renglon


In [14]:



Out[14]:
Pastor     33
Tripas     34
Chorizo    18
Name: Lunes, dtype: int64

Grafica de cajas 'Boxplot'

Un boxplot nos da mucha informacion:

  • Cada caja esta centrada en la mediana
  • Tiene de alto la desviacion estandar entonces nos dice donde se encuentra el 60% de los datos.
  • Tiene los minimos y maximos de cada dato.

In [16]:



Combinando columnas

Que tal si queremos saber cuantos tacos vendimos en total? Pues solamente sumamos las columnas:


In [17]:



Out[17]:
Pastor Tripas Chorizo Tacos Total
Lunes 33 34 18 85
Martes 23 65 49 137
Miercoles 81 82 14 177
Jueves 0 52 21 73
Viernes 80 48 11 139
Sabado 45 23 12 80
Domingo 9 42 17 68

Borrando columnas

Aveces simplemente queremos reducir el numero de datos, entonces podemos usar el drop:


In [18]:



Out[18]:
Pastor Tripas Tacos Total
Lunes 33 34 85
Martes 23 65 137
Miercoles 81 82 177
Jueves 0 52 73
Viernes 80 48 139
Sabado 45 23 80
Domingo 9 42 68

Exportando a otro formato

Aveces queremos guardar nuestros datos (excel, csv, sql database, pickle, json) , por ejemplo a un excel:


In [19]:

Leyendo un DataFrame de otro formato

O alrevez, queremos crear un dataframe apartir de un archivo:


In [20]:

Ejercicios:

  • Inventa un Dataframe de tu propio negocio, que quieres vender? Usa numeros aleatorios.
  • Saca estadisticas de cada columna.
  • Crea una nueva columna que toma en cuenta la otra informacion. (Promedio, etc..)

In [21]:



  File "<ipython-input-21-e58d666df0d6>", line 1
    blah blah blah
            ^
SyntaxError: invalid syntax

In [ ]: