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 :

Pagina oficial : http://pandas.pydata.org/
Un tour de diez minutos con Pandas: http://vimeo.com/59324550

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 [2]:

    
df= pd.DataFrame()

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 [3]:

    
df['Pastor']=np.random.randint(100, size=7)
df['Tripas']=np.random.randint(100, size=7)
df['Chorizo']=np.random.randint(100, size=7)

df.index=['Lunes','Martes','Miercoles','Jueves','Viernes','Sabado','Domingo']
df

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 [4]:

    
df.describe()

pero talvez solo queramos estadisticas de Pastor, entonces seria:



In [5]:

    
df['Pastor'].describe()









    Out[5]:





count     7.000000
mean     50.571429
std      32.613173
min       7.000000
25%      23.000000
50%      63.000000
75%      75.500000
max      87.000000
Name: Pastor, dtype: float64

o talvez solo nos interese del Lunes:

Ojo! Tenemos que usar .ix para seleccionar un renglon



In [6]:

    
df.ix['Lunes']









    Out[6]:





Pastor     65
Tripas     76
Chorizo    96
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 [8]:

    
df.boxplot()
plt.title("Boxplot")
plt.show()

Combinando columnas

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



In [9]:

    
df['Tacos Total']=df['Pastor']+df['Tripas']
df









    Out[9]:






  
    
      
      Pastor
      Tripas
      Chorizo
      Tacos Total
    
  
  
    
      Lunes
      65
      76
      96
      141
    
    
      Martes
      26
      33
      80
      59
    
    
      Miercoles
      87
      47
      83
      134
    
    
      Jueves
      86
      91
      27
      177
    
    
      Viernes
      7
      7
      51
      14
    
    
      Sabado
      20
      13
      42
      33
    
    
      Domingo
      63
      78
      2
      141

Borrando columnas

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



In [10]:

    
df=df.drop("Tripas",axis=1)
df









    Out[10]:






  
    
      
      Pastor
      Chorizo
      Tacos Total
    
  
  
    
      Lunes
      65
      96
      141
    
    
      Martes
      26
      80
      59
    
    
      Miercoles
      87
      83
      134
    
    
      Jueves
      86
      27
      177
    
    
      Viernes
      7
      51
      14
    
    
      Sabado
      20
      42
      33
    
    
      Domingo
      63
      2
      141

Exportando a otro formato

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



In [11]:

    
df.to_csv("Tacos.csv")

Leyendo un DataFrame de otro formato

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



In [13]:

    
df=pd.read_csv("Tacos.csv")

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..)

	Pastor	Tripas	Chorizo
Lunes	65	76	96
Martes	26	33	80
Miercoles	87	47	83
Jueves	86	91	27
Viernes	7	7	51
Sabado	20	13	42
Domingo	63	78	2

	Pastor	Tripas	Chorizo
count	7.000000	7.000000	7.000000
mean	50.571429	49.285714	54.428571
std	32.613173	33.300222	33.827292
min	7.000000	7.000000	2.000000
25%	23.000000	23.000000	34.500000
50%	63.000000	47.000000	51.000000
75%	75.500000	77.000000	81.500000
max	87.000000	91.000000	96.000000