Python es un lenguaje sólido con una lista cada vez mayor de bibliotecas para ampliar sus capacidades. Entre las bibliotecas que ofrece Python se encuentran argparse, multiprocessing y subprocess, solo por nombrar algunas.
En esta publicación, vamos a discutir los marcos de datos de panda y qué son. Discutiremos los conceptos detrás del marco de datos, la sintaxis y cómo crear un objeto de marco de datos. También verá algunos ejemplos de cómo crear un marco de datos con diferentes tipos de datos.
Sin más preámbulos, profundicemos en los conceptos básicos de la creación de marcos de datos de pandas.
¿Qué es un marco de datos panda?
El marco de datos de Pandas es una tabla de datos indexada con filas y columnas de información. El propósito del marco de datos es ayudar a la visualización de datos de una manera más fácil para los programadores. Los marcos de datos se utilizan en muchas industrias, pero nada más que la gestión de grandes datos, ya que simplifica el proceso de trabajar con grandes conjuntos de datos.
Panda Library fue creada en 2008 por Wes McKinney, una necesidad de una herramienta de análisis de datos cuantitativos para trabajar con datos. Desde sus inicios, se ha convertido rápidamente en una de las herramientas de gestión de datos más populares disponibles a través de las bibliotecas de desarrollo de Python.
Ahora que hemos cubierto la historia de los pandas, echemos un vistazo a cómo se puede usar para crear y administrar conjuntos de datos. Nos centraremos en subconjuntos de datos más pequeños para explicar cómo se pueden usar en aplicaciones más grandes para las necesidades de datos.
Creación de un marco de datos de Panda
En los pandas, una parte integral de su uso es la necesidad de una visualización clara. La visualización de datos ayuda a acelerar el desarrollo y facilita el trabajo con datos al eliminar la molestia de los datos no estructurados. Sin embargo, incluso los datos bien estructurados pueden ser difíciles de trabajar sin tablas que ayuden a visualizarlos. El siguiente video muestra algunos ejemplos de cómo crear tablas de marcos de datos en pandas.
Ponte encima de los pandas, con sus tablas y visualización fácil de usar, la gestión de datos se ha convertido en una tarea mucho más satisfactoria. Además, los pasos necesarios para crear la tabla son fáciles de seguir. Como todo en Python, debe comenzar importando la biblioteca pandas en un archivo que usará para su código panda.
# Import pandas library
import pandas as pd
El siguiente ejemplo muestra cómo crear un marco de datos de pandas utilizando una lista de listas.
Pandas Dataframe: Lista de listas
# initialize list of lists
data = [ ['Charlie', 46], ['Deandra', 46 ], ['Frank', 59] ]# Create the pandas DataFrame
df = pd.DataFrame(data, columns = ['name', 'age'])
Este código crea una tabla de marco de datos compuesta por tres conjuntos de datos, uno para cada una de las tres personas. La primera línea de código crea un conjunto de datos creado a partir de la lista de listas. Los conjuntos de datos contienen dos piezas de información para cada entrada: nombre y edad. La segunda línea de código crea un marco de datos con dos columnas, una para los apellidos y otra para la edad. Cada línea en el marco de datos contendrá información sobre cada entrada.
Esto es útil y facilita el trabajo incluso con conjuntos de datos pequeños. Pero, ¿y si sus datos no están en forma de listas? ¿Se pueden crear marcos de datos con otros tipos de datos? La respuesta corta es sí; puede aceptar muchos tipos diferentes de datos. Veamos cómo crear una tabla de marco de datos con una lista dictada.
Pandas Dataframe: Listas de diccionarios
Dado que las entradas se envían con una clave para cada entrada, el comportamiento predeterminado de los marcos de datos es usar la clave para asignar columnas a la tabla. Como resultado, la estructura de declaración de un marco de datos es más limpia.
data = {
'Name':[ 'Charlie', 'Deandra', 'Frank' ],
'Age':[ 46, 46, 59 ]
}
# Create DataFrame
df = pd.DataFrame(data)
El proceso no es muy diferente. Sin embargo, no es necesario nombrar explícitamente las columnas que usan esta estructura de datos. Como resultado, este código crea la misma tabla y estructura que en el ejemplo de código anterior.
Pandas Dataframe: nombres de índice explícitos
Finalmente, una de las cosas más importantes que debe saber sobre cómo hacer tablas de marcos de datos es crear índices de fila explícitos. Esto se puede hacer tanto estática como dinámicamente según sea necesario.
# initialize data of lists.
data = {
'Name':[ 'Charlie', 'Deandra', 'Frank' ],
'Age':[ 46, 46, 59 ]
}
# Creates pandas DataFrame.
df = pd.DataFrame(data,
index =[ 'Bartender', 'Investor', 'Janitor' ])
De hecho, con estos ejemplos, incluso podría usar nombres como índices de fila, lo que haría que los datos presentados fueran mucho más fáciles de leer. Para crear índices dinámicos, solo necesita pasar una lista de nombres de índice. Luego, si esa lista se genera dinámicamente en función de la entrada del usuario, puede almacenar esa lista en una variable y usarla para declarar índices.
id_names = [ 'Bartender', 'Investor', 'Janitor' ]
df = pd.DataFrame(data,
index = id_names)
Esto es útil porque los datos tienden a cambiar, lo que permite que los índices cambien y crezcan con los datos.
Uso de marcos de datos de Pandas en un flujo de trabajo
En esta publicación, aprendiste mucho sobre los conceptos básicos del dataframing. Ha aprendido qué son, cómo se usan y ha visto algunos ejemplos de marcos de datos con diferentes tipos de datos.
Con esta información en la mano, comience a explorar más los marcos de datos y aprenda más sobre cómo funcionan. Sus próximos pasos pueden incluir aprender a usar otros tipos de datos para completar marcos de datos o practicar con conjuntos de datos más grandes y complejos.








