Business Intelligence

Práctica 1: Introducción a Python y Pandas.

Autores: Manuel Jesús Gómez Moratilla, José Antonio Ruipérez Valiente y Mariano Albaladejo González

0. Introducción a los Notebooks¶

https://colab.research.google.com

  • Alternativa freemium de Google a Jupyter Notebook/Lab.
  • Basado en la arquitectura de Jupyter.
  • Se ejecuta en la Google Cloud Platform:
    • No hay necesidad de instalar nada en la máquina.
    • Almacenamiento de los notebooks en la nube, mecanismos de sincronización de ficheros.
  • Los notebooks desarrollados en otras herramientas se pueden publicar en Colab.

Antes de comenzar con la práctica, vamos a detenernos a analizar el entorno de ejecución en el que nos encontramos y el funcionamiento de los propios notebooks. Como podemos comprobar, el notebook o cuaderno está divido en distintas celdas, cada una de las cuales puede contener o bien texto, o bien código.

Si se está usando Google Colab para la ejecución del cuaderno, vemos que en la parte superior izquierda tenemos dos opciones para añadir celdas (una para celdas de código y otra para celdas de texto). Podéis interactuar con estos botones y ver el resultado de añadir los distintos tipos de celdas.

In [5]:
# Esta es una celda de código

En las celdas de código aparece un icono a la izquierda con un botón para su ejecución. Si lo pulsamos, se ejecutará el código asociado a la celda correspondiente.

In [6]:
print("Hola mundo")

Hola mundo

Otras utilidades del notebook¶

  • Entorno de ejecución -> Reiniciar sesión: Reinicia el notebook.
  • Archivo -> Guardar / Ctrl + S: Guarda el estado del notebook. Aunque el notebook tiene autoguardado, este no es de fiar :)
  • Entorno de ejecución -> Desconectarse y eliminar entorno: Cierra el notebook y desconecta la sesión.
  • Archivo -> Cambiar nombre / Click sobre el nombre del notebook: Renombra el notebook.
  • Insertar -> Insertar celda de código: Añade una celda vacía de código a continuación.
  • Insertar -> Insertar celda de texto: Añade una celda vacía de texto a continuación.
  • Editar -> Eliminar celdas seleccionadas / Keyboard(Ctrl + M D): Elimina la(s) celda(s) seleccionada(s).

0.2 ¿Qué es Markdown?¶

  • Markdown es un lenguaje de marcado ligero creado por John Gruber y Aaron Swartz.

  • No existe un estándar definido para Markdown. Existen diversas implementaciones de Markdown en distintas plataformas que varían ligeramente:

    • Jupyter
    • Github
    • Colab
    • ...

  • Markdown es el lenguaje utilizado normalmente para escribir celdas de texto

  • Para ver el contenido tal cual de una celda en Markdown: Doble click
  • Para ver el contenido interpretado como texto en Markdown: Ctrl + Enter / Shift + Enter

Markdown básico¶

Cabeceras¶

# Cabecera 1:

Cabecera 1¶

## Cabecera 2:

Cabecera 2¶

### Cabecera 3:

Cabecera 3¶

Estilos en Markdown Resultado
**Texto en negrita** Texto en negrita
*Texto en itálica* o _Texto en itálica_ Texto en itálica
~~Texto tachado~~ Texto tachado
`Texto monoespaciado` Texto monoespaciado
[Link a GitHub](www.github.com) Link a GitHub
![Una figura](https://www.google.com/images/rss.png) Una figura

Indentaciones¶

> Un nivel de indentación

Indentación 1

>> Dos niveles de indentación

Indentación 2

>>> Tres niveles de indentación

Indentación 3

Listas¶

* Elemento 1
* Elemento 2
* Elemento 3

  • Elemento 1
  • Elemento 2
  • Elemento 3

Y anidar listas:

  1. Elemento 1
    • Elemento 1.1
    • Elemento 1.2
  2. Elemento 2
    • Elemento 2.1
    • Elemento 2.2

Tablas¶

Cabecera primera columna | Cabecera segunda columna | ... | Cabecera N columna
---|---|---|---
Fila 1 columna 1 | Fila 1 columna 2 | ... | Fila 1 columna N
Fila 2 columna 1 | Fila 2 columna 2 | ... | Fila 2 columna N
... | ... | ... | ...
Fila M columna 1 | Fila M columna 2 | ... | Fila M columna N

Cabecera primera columna Cabecera segunda columna ... Cabecera columna N
Fila 1 columna 1 Fila 1 columna 2 ... Fila 1 columna N
Fila 2 columna 1 Fila 2 columna 2 ... Fila 2 columna N
... ... ... ...
Fila M columna 1 Fila M columna 2 ... Fila M columna N

Bloques de código¶

Python¶

```python
def myFunction(arg1, arg2):
  return arg1 + arg2
```


def myFunction(arg1, arg2):
  return arg1 + arg2

Instalación de paquetes con pip¶

  • pip es un gestor de paquetes utilizado para instalar y administrar paquetes de software escritos en Python.
  • Su desarrollador (PyPA) mantiene un repositorio con un índice que se puede consultar para buscar paquetes de utilidad.
  • Muchos paquetes de software pueden ser encontrados en el Python Package Index (PyPI): https://pypi.org/
  • pip viene instalado por defecto desde las versiones Python 2.7.9 (en la serie para Python2) y Python 3.4 (en la serie para Python3).

(pip debería haberse instalado automáticamente con Python en el sistema)

  • Para comprobar si pip está instalado en la máquina:
    • pip --version
    • Si pip no está instalado en la máquina: https://pip.pypa.io/en/stable/installation/
In [ ]:
! pip --version

pip 23.1.2 from /usr/local/lib/python3.10/dist-packages/pip (python 3.10)

Para descargar cualquier paquete de software:

  • pip install [options] <package>

  • El entorno Jupyter Notebook no incluye todas las librerías posibles.

  • Es necesario utilizar instrucciones pip install cuando sea necesario.
  • Es común comenzar un notebook con una serie de instrucciones pip install para descargar las dependencias que hagan falta más adelante.

En los notebook de Colab lo hacemos de la siguiente manera:

In [ ]:
! pip install numpy

Requirement already satisfied: numpy in /usr/local/lib/python3.10/dist-packages (1.23.5)
  • Para consultar todas las posibles opciones de pip:
    • pip --help
  • Para consultar la ayuda de una opción específicamente:
    • pip [command] --help
  • Opciones más comúnes:
    • pip uninstall: Elimina un paquete.
    • pip list: Muestra todos los paquetes junto con su versión actual.
    • pip install --upgrade: Actualiza una librería.

1. Introducción a Python¶

En este primera práctica vamos a hacer un repaso general del lenguaje de programación Python.

La práctica constará de una sola sesión (entregable): repasaremos las principales funcionalidades del lenguaje de programación Python, y ampliaremos esto viendo las primeras funcionalidades de Pandas. Además se propondrán una serie de ejercicios para ir familiarizándonos tanto con el lenguaje como con la librería Pandas.

Python básico¶

Las reglas básicas para escribir expresiones simples en Python son:

  • No se pueden dejar espacios o tabuladores antes de las expresiones, ya que la indentación es también parte del lenguaje (se verá después en la parte de sentencias de control). Por ahora todas las instrucciones comenzarán al principio de la línea.
  • El carácter # indica que el resto de la línea es un comentario
  • Las expresiones finalizan al final de la línea
    • Excepto cuando hay un paréntesis, llave o corchete abiertos:
1+2
+3  # continuación ilegal de la suma
(1+2
             + 3) # OK, incluso con espacios

Tipos de datos en Python¶

Algunos ejemplos de tipos de datos básicos son:

  • Int: numero entero, por ejemplo, 1, 2, 3, 4.
  • String: una cadena de texto, como “Programming” o “Python”.
  • Float: un número decimal, como 10.2, 23.5 o 2.0.
  • Boolean: valor booleano. Contiene dos valores: False (Falso) y True (Verdadero). Estos valores también se suelen representar mediante el 0 y el 1, respectivamente.

Veamos ejemplos funcionales usando estos tipos de datos:

In [10]:
#Asignamos a la variable "a" el numero 12.5
#Asignamos a la variable "b" el numero 13.5
#Asignamos a la variable "c" el numero 22.2

a = 12.5
b = 12.5
c = 22.2
In [11]:
# Operaciones basicas

print(a + b)
print(a - b)

25.0
0.0
In [12]:
# Comparaciones de mayor y menor entre variables

a > b
Out[12]:
False
In [13]:
a >= b
Out[13]:
True
In [14]:
# ¿Son iguales?

c == a
Out[14]:
False
In [15]:
# Cadenas de texto - Strings
cadena1 = 'Mi primera cadena de texto'
cadena2 = "Mi primera cadena de Texto"
In [16]:
cadena1 == cadena2
Out[16]:
False
In [17]:
# Para comprobar el tipo de una variable
type("hola")
Out[17]:
str
In [18]:
type(c)
Out[18]:
float

Condicionales¶

Representan una condición que debe cumplirse para que el código a continuación se ejecute.

In [19]:
if (cadena1 == cadena2):

    print("Son iguales")

else:

    print("No son iguales")

No son iguales

*Ejercicio 1: crea una variable de tipo entero con valor -16 y otra variable de tipo float con valor -16.0.¶

A continuación, escribe una estructura condicional que compruebe si la primera variable es igual que la segunda. En caso afirmativo, suma 2 al contenido de la primera variable e imprímela por pantalla.¶

Respuesta 1:

In [ ]:
# Resuelve aquí

if:

else:

Operaciones básicas con cadenas de texto¶

Ahora vamos a ver algunas funcionalidades básicas de las que Python pone a nuestro alcance para el manejo de strings:

In [22]:
string1 = "esto es una cadena de texto"
string2 = "esto es otra cadena de texto"
In [23]:
# Subcadenas - puesto que cada string puede ser visto como una lista de caracteres individuales, podemos dividir
# nuestra cadena de forma sencilla tratándola como una lista de elementos:

# Accedemos a las posiciones 0-3

string1[0:3]
Out[23]:
'est'
In [24]:
string2[0:16]
Out[24]:
'esto es otra cad'
In [25]:
# Podemos transformar la cadena a mayúsculas:

string1.upper()
Out[25]:
'ESTO ES UNA CADENA DE TEXTO'
In [26]:
# Comprobar si empieza por otra cadena
string2.startswith('eto')
Out[26]:
False
In [27]:
string2.startswith('esto')
Out[27]:
True
In [28]:
# Comprobar si una cadena está contenida en otra

print("otra" in string1)
print("otra" in string2)

False
True

*Ejercicio 2: crea una variable de tipo string con valor "esta es mi primera practica", otra variable de tipo string con valor "esta es mi primera practica en la asignatura de BI" y escribe una estructura condicional que compruebe si la primera cadena empieza por la segunda.¶

Respuesta 2:

In [ ]:
# Resuelve aquí

if  :

else:
In [29]:
# Partir una cadena con respecto a un patrón
string1 = "esto es una cadena de texto"
string1.split(" ")
Out[29]:
['esto', 'es', 'una', 'cadena', 'de', 'texto']
In [31]:
# Reemplazar el contenido de una cadena
string2 = string1.replace("una cadena de texto", "un string")
string2
Out[31]:
'esto es un string'

Estructuras compuestas¶

Las estructuras de datos en Python se pueden entender como un tipo de dato compuesto, ya que en una sola variable podemos almacenar una estructura completa con información, cada una con distintas características y funcionalidades. En Python existen distintas estructuras de datos, como las listas, matrices o diccionarios.

Empecemos viendo las listas:

In [32]:
# Crear una lista vacía

lista1 = list()
lista1 = []
lista1
Out[32]:
[]
In [33]:
lista1.append(a)
lista1
Out[33]:
[12.5]
In [34]:
#Crear una lista con elementos predefinidos
lista2 = [b, c]
lista2
Out[34]:
[12.5, 22.2]
In [35]:
lista1.extend(lista2)
lista1
Out[35]:
[12.5, 12.5, 22.2]
In [37]:
# Comprobar la longitud de una lista
len(lista1)
Out[37]:
3
In [38]:
# Una lista puede tener distintos tipos de datos

lista1.append("cadena")
lista1.append(True)
lista1
Out[38]:
[12.5, 12.5, 22.2, 'cadena', True]
In [39]:
# Eliminar elementos de una lista

lista1.remove('cadena')
lista1
Out[39]:
[12.5, 12.5, 22.2, True]
In [40]:
lista1.remove(12.5)
lista1
Out[40]:
[12.5, 22.2, True]
In [41]:
# También podemos vaciar la lista con clear:

lista1.clear()
lista1
Out[41]:
[]

Conjuntos:¶

Un conjunto, por definición es "una colección no ordenada de objetos únicos". Python permite el uso de conjuntos de manera sencilla, y su funcionamiento es similar al de las listas, con ciertas diferencias:

In [42]:
# Conjunto vacío

conjunto = set()
In [44]:
# Añadimos elementos con add

conjunto.add(1)
conjunto.add(2)
conjunto.add("hola")
conjunto.add(1)
conjunto
Out[44]:
{1, 2, 'hola'}

Como vemos, si intentamos introducir un elemento que ya existe en el conjunto, la operación no tiene efecto.

In [45]:
# Para eliminar un elemento:

conjunto.discard(1)
conjunto
Out[45]:
{2, 'hola'}

Diccionarios:¶

Los diccionarios son estructuras que contienen asociaciones clave- valor. Es decir, para cada clave que definamos en el diccionario, habrá asociado un valor. Es un tipo de datos muy potente, ya que este valor asociado puede ser cualquier tipo de dato, un entero, una cadena de texto o incluso otro diccionario.

In [46]:
# Para definir un diccionario vacío
diccionario = dict()
diccionario = {}

diccionario
Out[46]:
{}
In [48]:
# Para definir un diccionario con pares existentes:

diccionario = {'clave1': 'valor1', 'clave2': 12}
diccionario
Out[48]:
{'clave1': 'valor1', 'clave2': 12}
In [49]:
# Para añadir una nueva entrada al diccionario o modificar una ya existente:

diccionario['clave3'] = 'valor3'
diccionario['clave2'] = 'valor2'
diccionario
Out[49]:
{'clave1': 'valor1', 'clave2': 'valor2', 'clave3': 'valor3'}
In [50]:
# Para acceder al valor de una clave en concreto:

diccionario['clave2']
Out[50]:
'valor2'
In [51]:
# También podemos obtener una estructura iterable con el conjunto de claves
print(diccionario.keys())

# y de valores

print(diccionario.values())

dict_keys(['clave1', 'clave2', 'clave3'])
dict_values(['valor1', 'valor2', 'valor3'])
In [52]:
# Y podemos crear una lista y/o conjunto a partir de estas estructuras
list(diccionario.keys()) # y lo mismo con set()
Out[52]:
['clave1', 'clave2', 'clave3']
In [53]:
# Por último, podemos eliminar elementos de la siguiente manera:

diccionario.pop('clave2')
Out[53]:
'valor2'
In [54]:
diccionario
Out[54]:
{'clave1': 'valor1', 'clave3': 'valor3'}

*Ejercicio 3: crea un diccionario que contenga dos pares clave-valor: las claves deben ser de tipo string y los valores de tipo lista (cada lista debe contener dos enteros), y obtén un conjunto a partir de las claves de dicho diccionario.¶

Respuesta 3:

In [ ]:
# Resuelve aquí:

Bucles para recorrer estructuras iterativas:¶

Bucle for:¶

for elemento in estructura:

   .......
   .......
In [55]:
# Recorrer una lista
lista1 = [12.5, 12.5, 22.2, 'cadena']

for elemento in lista1:

    print(type(elemento))

<class 'float'>
<class 'float'>
<class 'float'>
<class 'str'>

El bucle iterativo for puede utilizarse en cualquier estructura iterable de Python, como Series o matrices.

*Ejercicio 4: crea una lista con cuatro cadenas de texto distintas, y para cada cadena, imprime las 6 primeras posiciones.¶

Respuesta 4:

In [ ]:
# Resuelve aquí

for cadena in :
    print()

Bucle while¶

El bucle while se utiliza en Python para ejecutar un fragmento de código mientras que una determinada condición sea cierta. Por ejemplo, vamos a imprimir por pantalla el valor de una variable i definida basado en el valor de dicha variable:

In [56]:
i = 10
while (i > 0) :
    print("El valor de la variable es: " + str(i))
    i -= 1

El valor de la variable es: 10
El valor de la variable es: 9
El valor de la variable es: 8
El valor de la variable es: 7
El valor de la variable es: 6
El valor de la variable es: 5
El valor de la variable es: 4
El valor de la variable es: 3
El valor de la variable es: 2
El valor de la variable es: 1

Vemos en el código que en cada pasada del bucle, restamos 1 a la variable i. Como esta había sido definida con valor 10, y la condición para continuar es que i sea mayor que 0, el bucle se ejecutará 10 veces hasta que la condición deje de cumplirse.

También podemos parar el bucle con break aunque la condición sea cierta:

In [57]:
i = 10
while (i > 0) :
    print("El valor de la variable es: " + str(i))
    i -= 1
    if (i == 5):
        break

El valor de la variable es: 10
El valor de la variable es: 9
El valor de la variable es: 8
El valor de la variable es: 7
El valor de la variable es: 6

Por último, el bucle while permite el uso de la sentencia continue para parar la iteración actual, pero sin parar el bucle:

In [59]:
i = 10
while (i > 0) :
    if (i == 5):
        break
    i -= 1
    if (i == 7):
        continue

    print("El valor de la variable es: " + str(i))

El valor de la variable es: 9
El valor de la variable es: 8
El valor de la variable es: 6
El valor de la variable es: 5

*Ejercicio 5: usando el diccionario del ejercicio 3, recorre sus claves e imprime dos lineas: la primera línea incluirá el valor asociado a cada una de las claves; la segunda línea incluirá la longitud de cada una de las claves (listas) + 3. Debes hacer un bucle accediendo a estos valores en el diccionario (puedes hacer uso de for):¶

Respuesta 5:

In [ ]:
# Resuelve aquí

Uso e importación de módulos en Python¶

En Python, un módulo es un archivo (normalmente en extensión .py o .pyd) que contiene definiciones de variables, funciones, clases, excepciones, y cualquier otro tipo de objeto definible en el lenguaje. Los módulos puede importarse de manera que estas funciones, clases... sean accesibles desde otro módulo o script de Python. Para importar cualquier módulo o paquete, utilizaremos las palabras reservadas from e import:

  • Para importar un módulo completo utilizaremos import modulo.

  • Para seleccionar las funciones, variables... en concreto que queremos importar, utilizaremos from modulo import funcion

In [ ]:
# Para cargar el módulo de Numpy
import numpy

Sin embargo, en muchas ocasiones el nombre del módulo no será intuitivo de usar, o simplemente nos gustaría llamarlo de otra manera. Para ello existen los alias, que nos permiten cambiar el nombre del módulo o paquete para su posterior uso en nuestro código:

In [ ]:
import numpy as np

A partir de ahora, podremos usar el alias np para llamar a cualquier función del módulo Numpy

2. Pandas.¶

En esta segunda sesión (la segunda de la práctica 1) vamos a hacer una introducción a la exploración de datos y el pre-procesamiento de estos utilizando Pandas en Python. Pandas es una biblioteca de código abierto que proporciona estructuras de datos de alto rendimiento y herramientas de análisis de datos para el lenguaje de programación Python.

Durante esta sesión, nos centraremos en utilizar las funcionalidades proporcionadas por Pandas para preparar nuestros datos para futuros análisis. Esto incluirá la manipulación de datos, el filtrado de datos y otras operaciones útiles que nos permitirán comprender mejor nuestro conjunto de datos y extraer información relevante de él.

Esta sesión 2 sí es entregable.¶

Pandas nos da una forma muy sencilla de leer datos desde ficheros almacenados en el sistema.¶

Para comenzar, vamos a leer los datos en formato CSV. CSV son las siglas de Comma-Separated Values, valores separados por coma, y es una manera muy común de almacenar datos. Además, otros delimitadores pueden ser usados en lugar de la coma para separar los valores, por ejemplo, \t o ;.

La primera línea del archivo normalmente incluye los nombres de las distintas columnas o campos del fichero. Veamos un ejemplo de las tres primeras líneas del fichero CSV que vamos a usar:

First Name,Gender,Start Date,Last Login Time,Salary,Bonus %,Senior Management,Team
Douglas,Male,8/6/1993,12:42 PM,97308,6.945,true,Marketing
Maria,Female,4/23/1993,11:17 AM,130590,11.858,false,Finance

Como podemos comprobar, cada campo está separado por comas, teniendo en la primera línea los nombres que definirán las columnas de nuestro conjunto de datos. En nuestro caso, utilizaremos la función de Pandas read_csv() para leer el fichero directamente del sistema. Está función transformará el fichero directamente a un DataFrame. Pero antes de leer dicho fichero, ¿qué es un DataFrame?

Un DataFrame es una estructura de datos con dos dimensiones (filas y columnas) en la cual se puede guardar datos de distintos tipos, como cadenas de texto, enteros, o incluso estructuras complejas como listas o diccionarios. Es similar a una hoja de cálculo de Excel o a un data.frame de R. Un DataFrame siempre tiene un índice (con inicio en 0). El índice refiere a la posición de un elemento en la estructura de datos.

Ahora sí, procedemos a leer los datos. La función read_csv() tiene múltiples parámetros para leer todo tipo de ficheros, como el parámetro sep, que nos permite indicar el delimitador del fichero:

Como primer argumento, le tendremos que pasar la ruta en la cual se encuentra el fichero .csv que queremos leer

Por ejemplo /Users/alumno/fichero.csv

El resultado será un dataframe con distintas columnas.

Primero, nos descargamos el fichero de datos al entorno de ejecución de Google Colab:

In [1]:
%%bash
FILE=employees.csv
wget -O $FILE https://umubox.um.es/index.php/s/PeublREeVAOxiAd/download

--2025-02-07 17:04:06--  https://umubox.um.es/index.php/s/PeublREeVAOxiAd/download
Resolving umubox.um.es (umubox.um.es)... 155.54.212.96, 2001:720:1710:212::1:b
Connecting to umubox.um.es (umubox.um.es)|155.54.212.96|:443... connected.
HTTP request sent, awaiting response... 200 OK
Length: 59175 (58K) [text/csv]
Saving to: ‘employees.csv’

     0K .......... .......... .......... .......... .......... 86%  315K 0s
    50K .......                                               100%  121K=0.2s

2025-02-07 17:04:07 (260 KB/s) - ‘employees.csv’ saved [59175/59175]

Lo primero será importar Pandas:

In [2]:
# Para cargar el módulo de Pandas
import pandas
# o bien
import pandas as pd
In [4]:
# Le indicamos la ruta del fichero, y que estará separado por comas.
dataFrame = pd.read_csv("employees.csv", sep = ",")
dataFrame
Out[4]:
First Name Gender Start Date Last Login Time Salary Bonus % Senior Management Team
0 Douglas Male 8/6/1993 12:42 PM 97308 6.945 True Marketing
1 Thomas Male 3/31/1996 6:53 AM 61933 4.170 True NaN
2 Maria Female 4/23/1993 11:17 AM 130590 11.858 False Finance
3 Jerry Male 3/4/2005 1:00 PM 138705 9.340 True Finance
4 Larry Male 1/24/1998 4:47 PM 101004 1.389 True Client Services
... ... ... ... ... ... ... ... ...
995 Henry NaN 11/23/2014 6:09 AM 132483 16.655 False Distribution
996 Phillip Male 1/31/1984 6:30 AM 42392 19.675 False Finance
997 Russell Male 5/20/2013 12:39 PM 96914 1.421 False Product
998 Larry Male 4/20/2013 4:45 PM 60500 11.985 False Business Development
999 Albert Male 5/15/2012 6:24 PM 129949 10.169 True Sales

1000 rows × 8 columns

Además, esta función también nos da la opción de no leer las n primeras filas del fichero:

In [ ]:
dataFrame = pd.read_csv("employees.csv", sep = ",", skiprows = 900, header=None)
dataFrame
Out[ ]:
0 1 2 3 4 5 6 7
0 Walter Male 5/21/1992 12:39 AM 144701 16.323 True Marketing
1 Christina Female 6/23/2002 3:18 PM 35477 18.178 False Human Resources
2 Patricia Female 10/10/1995 4:52 PM 119266 6.911 False Distribution
3 NaN Male 5/23/2001 7:52 PM 103877 6.322 NaN Distribution
4 Heather Female 7/29/1983 10:48 AM 47605 14.955 True Human Resources
... ... ... ... ... ... ... ... ...
96 Henry NaN 11/23/2014 6:09 AM 132483 16.655 False Distribution
97 Phillip Male 1/31/1984 6:30 AM 42392 19.675 False Finance
98 Russell Male 5/20/2013 12:39 PM 96914 1.421 False Product
99 Larry Male 4/20/2013 4:45 PM 60500 11.985 False Business Development
100 Albert Male 5/15/2012 6:24 PM 129949 10.169 True Sales

101 rows × 8 columns

Si no existiesen las cabeceras de cada columna o quisiésemos usar otras distintas a las del conjunto de datos original, podemos asignarlas manualmente:

In [5]:
names = ["First Name","Gender","Start Date","Last Login Time","Salary", "Bonus %","Senior Management","Team"]
dataFrame = pd.read_csv("employees.csv", sep = ",", skiprows = 900, header=None, names=names)
dataFrame
Out[5]:
First Name Gender Start Date Last Login Time Salary Bonus % Senior Management Team
0 Walter Male 5/21/1992 12:39 AM 144701 16.323 True Marketing
1 Christina Female 6/23/2002 3:18 PM 35477 18.178 False Human Resources
2 Patricia Female 10/10/1995 4:52 PM 119266 6.911 False Distribution
3 NaN Male 5/23/2001 7:52 PM 103877 6.322 NaN Distribution
4 Heather Female 7/29/1983 10:48 AM 47605 14.955 True Human Resources
... ... ... ... ... ... ... ... ...
96 Henry NaN 11/23/2014 6:09 AM 132483 16.655 False Distribution
97 Phillip Male 1/31/1984 6:30 AM 42392 19.675 False Finance
98 Russell Male 5/20/2013 12:39 PM 96914 1.421 False Product
99 Larry Male 4/20/2013 4:45 PM 60500 11.985 False Business Development
100 Albert Male 5/15/2012 6:24 PM 129949 10.169 True Sales

101 rows × 8 columns

E incluso podemos leer solo las columnas que elijamos:

In [6]:
dataFrame = pd.read_csv("employees.csv", sep = ",", usecols = ['First Name','Gender'])
dataFrame
Out[6]:
First Name Gender
0 Douglas Male
1 Thomas Male
2 Maria Female
3 Jerry Male
4 Larry Male
... ... ...
995 Henry NaN
996 Phillip Male
997 Russell Male
998 Larry Male
999 Albert Male

1000 rows × 2 columns

Creación de DataFrames¶

Además de obtener un DataFrame a partir de un fichero de disco, también existen otras formas de crear DataFrames.

Por ejemplo, podemos crear un DataFrame a partir de un diccionario:

In [8]:
datos = {'nombre':['María', 'Luis', 'Carmen', 'Antonio'],
  'apellidos': ['López Martínez', 'Tortosa Riquelme', 'Galindo Pérez', 'Guillén Gómez'],
  'edad':[21, 21, 22, 21],
  'grado':['GICD', 'GICD', 'GICD', 'Comunicación audiovisual'],
  'correo':['maria@um.es', 'luis@um.es', 'carmen@um.es', 'antonio@um.es']
  }
df = pd.DataFrame(datos)
df
Out[8]:
nombre apellidos edad grado correo
0 María López Martínez 21 GICD maria@um.es
1 Luis Tortosa Riquelme 21 GICD luis@um.es
2 Carmen Galindo Pérez 22 GICD carmen@um.es
3 Antonio Guillén Gómez 21 Comunicación audiovisual antonio@um.es

 Para la creación mediante diccionarios, los valores asociados a las claves deben ser listas del mismo tamaño.¶

También podemos crear el mismo DataFrame haciendo uso de una lista de listas. En este caso, cada lista no representa todos los valores de una misma columna, si no los valores de una fila. Además, tendremos que indicarle el nombre de las columnas:

In [9]:
datos = [['María', 'López Martínez', 21, 'GICD', 'maria@um.es'],
         ['Luis', 'Tortosa Riquelme', 21, 'GICD', 'luis@um.es'],
         ['Carmen', 'Galindo Pérez', 22, 'GICD', 'carmen@um.es'],
         ['Antonio', 'Guillén Gómez', 21, 'Comunicación audiovisual', 'antonio@um.es']]
df = pd.DataFrame(datos, columns=['nombre', 'apellidos', 'edad', 'grado', 'email'])
df
Out[9]:
nombre apellidos edad grado email
0 María López Martínez 21 GICD maria@um.es
1 Luis Tortosa Riquelme 21 GICD luis@um.es
2 Carmen Galindo Pérez 22 GICD carmen@um.es
3 Antonio Guillén Gómez 21 Comunicación audiovisual antonio@um.es

Por último, también se pueden crear dichas estructuras a partir de listas de diccionarios:

In [10]:
datos = [
    {'nombre': 'María', 'apellidos': 'López Martínez', 'edad': 21, 'grado': 'GICD', 'email': 'maria@um.es'},
    {'nombre': 'Luis', 'apellidos': 'Tortosa Riquelme', 'edad': 21, 'grado': 'GICD', 'email': 'luis@um.es'},
    {'nombre': 'Carmen', 'apellidos': 'Galindo Pérez', 'edad': 22, 'grado': 'GICD', 'email': 'carmen@um.es'},
    {'nombre': 'Antonio', 'apellidos': 'Guillén Gómez', 'edad': 21, 'grado': 'Comunicación audiovisual', 'email': 'antonio@um.es'},
    {'nombre': 'Manuel','grado': 'Comunicación audiovisual'}
]

df = pd.DataFrame(datos)
df
Out[10]:
nombre apellidos edad grado email
0 María López Martínez 21.0 GICD maria@um.es
1 Luis Tortosa Riquelme 21.0 GICD luis@um.es
2 Carmen Galindo Pérez 22.0 GICD carmen@um.es
3 Antonio Guillén Gómez 21.0 Comunicación audiovisual antonio@um.es
4 Manuel NaN NaN Comunicación audiovisual NaN

En este caso, cada diccionario representa una fila de la tabla, con las claves como nombre de columna. Como vemos, si introducimos una fila que tiene valores faltantes en ciertas columnas, se rellena con NaN.

Añadir columnas a un DataFrame¶

Podemos añadir columnas a un DataFrame existente de forma similar a como añadir un par clave-valor a un diccionario:

In [11]:
# Nueva columna
df['Nota media'] = [5.6, 6.4, 6.9, 8.3, 5.9]
df
Out[11]:
nombre apellidos edad grado email Nota media
0 María López Martínez 21.0 GICD maria@um.es 5.6
1 Luis Tortosa Riquelme 21.0 GICD luis@um.es 6.4
2 Carmen Galindo Pérez 22.0 GICD carmen@um.es 6.9
3 Antonio Guillén Gómez 21.0 Comunicación audiovisual antonio@um.es 8.3
4 Manuel NaN NaN Comunicación audiovisual NaN 5.9

Operaciones sobre columnas¶

Ya que los datos de una misma columna son del mismo tipo, podemos aplicar operaciones de forma sencilla a todos los elementos:

In [12]:
# Volvemos a leer nuestro DataFrame completo
dataFrame = pd.read_csv("employees.csv", sep = ",")
dataFrame.head()
Out[12]:
First Name Gender Start Date Last Login Time Salary Bonus % Senior Management Team
0 Douglas Male 8/6/1993 12:42 PM 97308 6.945 True Marketing
1 Thomas Male 3/31/1996 6:53 AM 61933 4.170 True NaN
2 Maria Female 4/23/1993 11:17 AM 130590 11.858 False Finance
3 Jerry Male 3/4/2005 1:00 PM 138705 9.340 True Finance
4 Larry Male 1/24/1998 4:47 PM 101004 1.389 True Client Services
In [13]:
# Operacion de comparación
dataFrame['Salary'] > 100000
Out[13]:
Salary
0 False
1 False
2 True
3 True
4 True
... ...
995 True
996 False
997 False
998 False
999 True

1000 rows × 1 columns


Además de operaciones simples, podemos aplicar funciones completas a columnas utilizando el método apply(funcion):

In [14]:
def calculoAleatorio(numero):
  return round(numero * 2 / 3 + 200, 2)

calculoAleatorio(2)
Out[14]:
201.33
In [ ]:
# Aplicamos la función a todos los valores de la columna salary
dataFrame['Salary'].apply(calculoAleatorio)
Out[ ]:
Salary
0 65072.00
1 41488.67
2 87260.00
3 92670.00
4 67536.00
... ...
995 88522.00
996 28461.33
997 64809.33
998 40533.33
999 86832.67

1000 rows × 1 columns


*Ejercicio 1: Utilizando el DataFrame que hemos leído a través del CSV, multiplica el bonus de las empleadas por 1.5. Para ello, tendrás que:¶

1) Recorrer cada fila del DataFrame y comprobar si es un empleado o empleada mediante una estructura condicional.¶

2) En caso afirmativo, multiplicar por 1.5 el valor de la columna Bonus.¶

Respuesta 1:

In [ ]:
# Responde aquí
for _, row in dataFrame.iterrows():
  print(row['Bonus %'])

6.945
4.17
17.787
9.34
1.389
10.125
15.018
17.397000000000002
27.7845
11.286
22.698
18.9555
17.492
5.831
21.8145
1.884
7.369
6.414
28.623
2.8409999999999997
4.934
13.645
18.816
5.042
13.873
18.576
7.757
5.218
13.464
7.008
13.644
12.752
6.417
24.27
19.096
25.012500000000003
18.8985
14.3355
8.361
7.797
2.665
11.308
23.7525
7.810499999999999
11.223
13.886
6.796
13.5
6.083
3.055
20.745
14.009
1.695
17.578
13.4985
26.479499999999998
16.084
15.107
2.2215000000000003
16.9185
4.271
5.5485
29.121000000000002
18.04
18.771
12.428
4.008
14.6025
14.33
4.382
6.617
16.194
3.833
7.0634999999999994
17.029
7.6770000000000005
11.029499999999999
1.26
8.9475
7.485
15.602
14.822
8.379
6.539
11.2665
3.887
17.29
12.414
9.2325
17.9325
11.583
8.309
18.759
1.601
7.03
21.249000000000002
2.6055
10.62
25.441499999999998
12.447
22.4925
11.849
12.159
13.398
19.305
12.8505
3.046
16.565
12.396
11.449
24.2025
12.681000000000001
4.023
5.5665
10.2165
6.2490000000000006
18.988
9.494
14.3355
12.299
15.402
18.74
20.838
22.261499999999998
3.6014999999999997
21.339000000000002
25.768499999999996
5.83
16.439
13.101
9.3285
26.2755
10.763
3.3525
3.9749999999999996
13.249500000000001
19.687
15.12
9.045
15.790499999999998
2.781
14.727
8.5305
8.689
12.452
19.6185
6.2250000000000005
3.996
14.837
12.866999999999999
19.934
15.295
12.1005
10.489
8.038499999999999
26.5425
1.563
21.6645
13.134
14.316
25.4865
11.451
14.422
19.135
27.295499999999997
13.5915
10.521
17.984
7.017
8.182500000000001
28.53
17.495
14.102999999999998
5.9385
6.185
1.451
10.166
14.085
26.472
29.014499999999998
5.025
1.952
18.276
2.518
9.177
13.263000000000002
2.7375
6.46
15.931
1.215
13.6935
9.978
16.475
6.664499999999999
13.494
12.757
19.127
4.5465
14.46
16.736
8.525
11.9295
5.084
4.176
4.935
8.012
12.598499999999998
2.6505
4.903
16.9425
13.722
29.418
2.7315
23.046
5.324999999999999
5.699999999999999
2.462
1.015
10.628
7.768
8.34
3.845
3.067
15.866
3.4665
15.266
14.106
11.226
17.445
1.679
8.999
25.527
15.3945
22.128
18.273
5.464499999999999
3.936
14.0625
5.128
17.612
19.107
5.961
18.428
5.413
8.866
17.138
12.045
3.742
4.366
29.325000000000003
8.94
6.513
4.232
10.391
7.995
7.661999999999999
7.125
15.517
12.659
15.585
3.7365000000000004
20.5155
5.5845
14.603
19.826999999999998
3.45
21.0945
16.044
8.715
27.7755
9.554
12.062
18.225
1.113
5.46
27.683999999999997
17.994
19.062
19.476
1.7085
9.635
6.147
12.345
1.612
6.5055
3.4559999999999995
10.985
14.9985
18.099
9.582
13.657
26.1945
27.426
9.653
28.731
3.873
3.18
7.664
4.542
28.541999999999998
3.592
13.023
5.027
3.657
18.702
5.5995
17.44
4.4055
3.2940000000000005
15.794
2.158
13.448
1.923
20.1855
6.338
15.858
16.448999999999998
12.51
1.841
27.3645
21.534
11.2605
14.372
4.5615
9.0465
17.885
12.075
5.097
5.319
14.987
7.887
25.903499999999998
18.645
11.241
1.844
19.93
12.182
4.035
10.717
16.443
2.846
11.58
15.3705
4.99
3.914
6.96
5.778
21.334500000000002
19.897
13.084500000000002
3.95
16.1265
4.844
3.095
2.673
18.1815
8.502
7.843
4.45
11.736
28.338
6.117000000000001
9.555
13.865
3.595
1.113
16.231
10.957
13.122
18.726
3.291
5.14
19.717
12.072
4.7565
4.805
4.664
10.574
9.669
6.8055
5.66
10.894
18.273
2.362
15.723
13.3425
25.045499999999997
19.894
16.968
10.413
13.443
14.983500000000001
4.03
6.976
7.5375000000000005
10.641
29.0775
13.835
11.1375
11.698500000000001
18.241
13.953
14.272
19.642
8.86
11.346
26.307000000000002
9.55
1.62
19.276
6.191
11.699
21.9135
5.861
11.9
12.699
5.966
9.047
3.9960000000000004
4.68
19.334
18.021
16.261
26.154
14.637
3.567
3.56
8.037
7.869
8.445
29.133000000000003
7.077
12.993
10.698
21.3405
10.069
17.796
16.794
6.22
2.826
11.343
2.8289999999999997
3.7769999999999997
27.738
7.008
1.496
23.775
11.204
17.066
5.4975000000000005
19.691
19.49
1.965
6.507
10.429
27.0435
6.662
24.936
15.843
5.574
21.372
13.946
7.996
3.269
18.641
6.282
5.461
12.332999999999998
16.044
9.078
11.466
22.0395
8.047
8.457
11.364
11.9055
12.691500000000001
9.705
18.357
18.787
23.9505
1.6275
3.38
4.6485
11.119
2.9775
2.021
23.877
19.944
29.596500000000002
11.191500000000001
6.525
18.845
13.266
10.875
2.117
5.437
7.123
6.822
14.764
16.689
9.765
2.6445
4.887
15.741
13.248
6.499
18.654
15.592
9.33
17.07
8.13
29.5425
19.624
18.115
10.458
23.9685
5.9955
27.0045
3.178
8.411
17.971
22.287
22.539
14.509
9.54
13.044
1.022
7.175
7.252
21.892500000000002
15.231
15.419999999999998
13.773
12.292
12.307500000000001
4.905
20.208
3.491
3.459
7.23
11.7765
21.1155
3.5490000000000004
13.32
9.048
3.672
15.549
4.9665
4.779
16.304
19.122
17.857499999999998
20.7795
6.007
27.6765
6.639
27.1725
19.9425
9.765
2.097
12.857999999999999
18.863
14.842
7.563
25.994999999999997
12.986
18.9075
28.713
10.1595
2.1465
18.623
16.69
8.1525
11.1315
5.809
14.879
11.393
2.157
1.187
18.089
15.118
10.2
20.259
18.266
4.131
11.3775
13.4175
3.6285
14.4855
20.019
11.712
15.221
6.966
2.075
5.268
6.752
12.441
17.259
16.387500000000003
15.749
9.862
15.704
12.49
15.427
3.213
15.384
12.74
25.911
15.91
10.084
12.525
7.099
11.378
11.513
6.083
19.3935
2.1765
1.268
28.596
8.4
18.824
13.4985
14.401500000000002
12.2
13.0515
4.3950000000000005
24.954
1.702
29.2695
2.617
1.869
10.317
9.75
19.289
13.047
4.386
18.396
2.1495
19.391
5.6339999999999995
7.804500000000001
15.108
9.77
28.368
10.162
29.67
5.32
15.857
21.096
17.6235
26.0565
1.017
25.383000000000003
11.411
13.613
25.662
17.0505
20.386499999999998
4.785
6.662
4.225
6.9885
19.299
12.463
3.645
7.776
14.771
17.105
11.879
22.173000000000002
5.9399999999999995
10.982
16.248
1.932
19.186500000000002
14.7015
23.655
4.012499999999999
5.0175
14.301
17.398
7.901999999999999
6.611
15.7275
19.387
18.704
8.992
17.821
17.263
13.926
5.541
8.162
4.173
19.989
7.718999999999999
11.593
9.801
8.218
10.385
7.927
11.712
10.464
9.769
11.211
15.193
18.473
11.758500000000002
1.197
12.048
17.095
24.828
15.745
14.776500000000002
12.922
13.132
13.806
11.518
7.969
13.001
28.027499999999996
11.626
5.197
11.416
20.205000000000002
1.876
13.0
12.942
28.6665
18.892
28.011
19.158
1.432
3.655
2.0999999999999996
10.2555
17.573999999999998
14.618
12.737
14.737
3.533
23.9115
2.844
13.813
5.19
14.625
1.5404999999999998
16.559
29.439
9.712
16.379
5.0535000000000005
18.338
5.478
3.045
5.9955
10.615
7.783
7.617
16.3425
4.02
15.009
3.947
4.5285
15.343
11.479
9.699
28.153499999999998
14.49
9.849
19.767000000000003
12.026
27.027
10.736
16.3005
9.09
18.784
6.7695
5.266
26.6985
16.843
9.127
17.68
13.592
5.1795
13.4115
3.87
4.135
16.353
9.4395
11.058
19.601
9.564
20.5605
15.428999999999998
3.319
19.2015
29.775000000000002
17.952
2.712
11.517
17.499
20.4345
28.612499999999997
10.664
15.081
9.121500000000001
3.1334999999999997
5.1885
19.754
7.227
10.227
5.478
29.6505
4.8315
4.0
6.101999999999999
6.1245
15.072
17.862
5.182
18.381
10.899000000000001
9.494
3.2204999999999995
5.89
5.665
7.487
11.796
2.097
19.908
7.588
19.467
9.331
2.071
2.28
20.238
15.804
9.153
25.210499999999996
7.386000000000001
29.2515
28.896
13.4475
8.738
17.523
15.574
4.707
2.88
9.192
6.002
16.158
26.014499999999998
17.085
10.411
2.277
12.211
11.9145
9.634
28.8585
14.66
18.855
18.536
6.842
6.01
24.459000000000003
21.3735
7.737
20.485500000000002
7.986
18.751
2.469
28.998
4.299
5.2875
13.818
8.219
13.823
12.096
28.698
8.382
9.477
14.344
27.0225
27.795
9.16
14.837
15.407
17.901
2.3280000000000003
7.1
8.475
2.709
5.681
11.4675
16.968
3.942
10.146
22.8165
16.323
27.267000000000003
10.366499999999998
6.322
22.4325
9.24
6.544500000000001
26.500500000000002
15.1215
4.9245
6.466
13.3185
15.528
1.02
9.252
7.908
6.716
11.544
6.339
19.475
8.957
14.741999999999999
18.9
3.412
4.38
14.436
29.082
29.232
16.014
2.673
1.6185
3.579
3.771
3.0149999999999997
5.6985
3.787
18.134999999999998
15.084
18.424
2.657
2.147
8.611
15.653
9.8055
2.728
1.905
17.426
25.411499999999997
5.329
16.572
8.226
16.2495
14.493000000000002
17.860500000000002
14.077
1.148
16.764
12.1725
15.901
14.4465
5.85
18.093
3.05
16.923
26.910000000000004
12.391
27.5895
9.146
19.572
17.5065
25.962
23.0955
5.368
11.159
11.105
16.455
18.7005
6.2925
8.9235
11.178
13.198
13.293
19.28
12.958499999999999
11.738
19.56
1.909
26.9985
15.4965
16.813499999999998
3.794
16.473
16.5765
11.625
28.56
4.479
16.655
19.675
1.421
11.985
10.169

Filtrar DataFrames¶

La operación básica de filtrado es seleccionar aquellos valores que cumplen una condición. Para ello se puede comparar la columna con el valor deseado y obtener una lista de valores verdaderos o falsos. Por ejemplo, en el caso de los salarios que son mayores a 100000:

In [15]:
dataFrame['Salary'] > 100000
Out[15]:
Salary
0 False
1 False
2 True
3 True
4 True
... ...
995 True
996 False
997 False
998 False
999 True

1000 rows × 1 columns


Ahora, para obtener un nuevo DataFrame solamente con estas personas seleccionadas, tenemos que usar el resultado anterior como filtro. Lo podemos hacer de la siguiente manera:

In [18]:
# Nos quedamos solo con las columnas cuyo salario sea mayor de 100.000
dataFrame[dataFrame['Salary'] > 100000]
Out[18]:
First Name Gender Start Date Last Login Time Salary Bonus % Senior Management Team
2 Maria Female 4/23/1993 11:17 AM 130590 11.858 False Finance
3 Jerry Male 3/4/2005 1:00 PM 138705 9.340 True Finance
4 Larry Male 1/24/1998 4:47 PM 101004 1.389 True Client Services
5 Dennis Male 4/18/1987 1:35 AM 115163 10.125 False Legal
9 Frances Female 8/8/2002 6:51 AM 139852 7.524 True Business Development
... ... ... ... ... ... ... ... ...
990 Robin Female 7/24/1987 1:35 PM 100765 10.982 True Client Services
991 Rose Female 8/25/2002 5:12 AM 134505 11.051 True Marketing
992 Anthony Male 10/16/2011 8:35 AM 112769 11.625 True Finance
995 Henry NaN 11/23/2014 6:09 AM 132483 16.655 False Distribution
999 Albert Male 5/15/2012 6:24 PM 129949 10.169 True Sales

409 rows × 8 columns

También podemos filtrar usando más de una condición. Para ello, tendremos que especificar el operador entre ambas condiciones:

  • & (AND) Ambas condiciones deben cumplirse para que la fila sea seleccionada.
  • | (OR) Cada fila será seleccionada siempre y cuando se cumpla al menos una de las condiciones.
In [20]:
dataFrame[(dataFrame['Salary'] > 100000) & (dataFrame['Gender'] == 'Female')]
Out[20]:
First Name Gender Start Date Last Login Time Salary Bonus % Senior Management Team
2 Maria Female 4/23/1993 11:17 AM 130590 11.858 False Finance
9 Frances Female 8/8/2002 6:51 AM 139852 7.524 True Business Development
11 Julie Female 10/26/1997 3:19 PM 102508 12.637 True Legal
18 Diana Female 10/23/1981 10:27 AM 132940 19.082 False Client Services
30 Christina Female 8/6/2002 1:19 PM 118780 9.096 True Engineering
... ... ... ... ... ... ... ... ...
976 Denise Female 10/19/1992 5:42 AM 137954 4.195 True Legal
977 Sarah Female 12/4/1995 9:16 AM 124566 5.949 False Product
987 Gloria Female 12/8/2014 5:08 AM 136709 10.331 True Finance
990 Robin Female 7/24/1987 1:35 PM 100765 10.982 True Client Services
991 Rose Female 8/25/2002 5:12 AM 134505 11.051 True Marketing

176 rows × 8 columns

*Ejercicio 2: filtra el dataframe de manera que solo muestre las filas de personas cuyo género sea masculino y que pertenezca al equipo de Marketing.¶

Respuesta 2:

In [ ]:
# Resuelve aquí:

Agrupación usando groupby()¶

Podemos realizar agregaciones por columnas de forma sencilla usando la funcion groupby():

In [25]:
dataFrame.groupby('Gender')
Out[25]:
<pandas.core.groupby.generic.DataFrameGroupBy object at 0x7c4e78fd8250>

Calculamos la suma acumulativa sobre el objeto creado:

In [28]:
# Suma acumulativa con sum()
dataFrame.groupby("Gender").sum(numeric_only=True)
Out[28]:
Salary Bonus %
Gender
Female 38800311 4306.127
Male 38660604 4392.570

Si quisiéramos realizar la agrupación por más de una columna, bastaría con pasar como argumento una lista con las columnas en cuestión.

In [29]:
dataFrame.groupby(['Gender', 'Team']).sum(numeric_only=True)
Out[29]:
Salary Bonus %
Gender Team
Female Business Development 4633453 512.124
Client Services 4148644 489.447
Distribution 3009142 366.786
Engineering 3973686 434.270
Finance 4056952 399.035
Human Resources 3462528 382.966
Legal 3086873 321.179
Marketing 3802970 413.884
Product 3878219 443.055
Sales 3502768 397.958
Male Business Development 3562870 426.471
Client Services 3911957 454.915
Distribution 3285163 306.140
Engineering 3936330 427.703
Finance 3915817 442.369
Human Resources 4111593 443.417
Legal 2948913 421.216
Marketing 3529377 416.435
Product 3558313 383.191
Sales 3634670 397.737
In [31]:
# Media con mean()
dataFrame.groupby('Team').mean(numeric_only=True)
Out[31]:
Salary Bonus %
Team
Business Development 91866.316832 10.572376
Client Services 88224.424528 10.495104
Distribution 88500.466667 9.615644
Engineering 94269.195652 10.462989
Finance 92219.480392 10.186873
Human Resources 90944.527473 9.993879
Legal 89303.613636 10.322830
Marketing 90435.591837 10.353449
Product 88665.505263 9.791484
Sales 92173.436170 10.116915

Tenemos más funciones a nuestra disposición para aplicar múltiples operadores a nuestras agregaciones:

  • count() Número total de elementos

  • first(), last() Primer y último elemento

  • mean(), median() Media y mediana

  • min(), max() Mínimo y máximo

  • std(), var() Desviación estándar y varianza

  • prod() Producto de todos los elementos

  • sum() Suma de todos los elementos

*Ejercicio 3:¶

1) Filtra el DataFrame original para quedarte solo con las filas cuyo empleado pertenezca al departamento de "Finance" y guarda el resultado en una variable.¶

2) Usando esta nueva variable (el DataFrame filtrado), obtén la media de los elementos utilizando la agregación y mean().¶

Respuesta 3:

In [ ]:
# Resuelve aquí:
In [ ]:
# Resuelve aquí:

Con la función describe() obtenemos una serie de agregaciones para cada columna númerica, incluyendo la media o el valor máximo, entre otras:

In [32]:
dataFrame.describe()
Out[32]:
Salary Bonus %
count 1000.000000 1000.000000
mean 90662.181000 10.207555
std 32923.693342 5.528481
min 35013.000000 1.015000
25% 62613.000000 5.401750
50% 90428.000000 9.838500
75% 118740.250000 14.838000
max 149908.000000 19.944000

Podemos seleccionar los datos de cualquier columna por separado usando df[id_columna]¶

In [33]:
# Seleccionamos la columna Gender y lo asignamos a una variable
genero = dataFrame['Gender']
genero
Out[33]:
Gender
0 Male
1 Male
2 Female
3 Male
4 Male
... ...
995 NaN
996 Male
997 Male
998 Male
999 Male

1000 rows × 1 columns


In [34]:
list(genero)
Out[34]:
['Male',
 'Male',
 'Female',
 'Male',
 'Male',
 'Male',
 'Female',
 'Female',
 'Female',
 'Female',
 'Female',
 'Female',
 'Male',
 'Male',
 'Female',
 'Female',
 'Male',
 'Male',
 'Female',
 'Female',
 nan,
 'Male',
 nan,
 'Male',
 'Male',
 'Male',
 'Male',
 nan,
 'Male',
 'Male',
 'Female',
 nan,
 'Male',
 'Female',
 'Male',
 'Female',
 'Female',
 'Female',
 'Female',
 'Male',
 'Male',
 nan,
 'Female',
 'Female',
 'Female',
 'Male',
 'Male',
 'Female',
 'Male',
 nan,
 'Female',
 nan,
 'Male',
 nan,
 'Female',
 'Female',
 'Male',
 'Male',
 'Female',
 'Female',
 nan,
 'Female',
 'Female',
 'Male',
 nan,
 'Male',
 'Female',
 'Female',
 'Male',
 nan,
 nan,
 'Male',
 'Male',
 'Female',
 'Male',
 'Female',
 'Female',
 'Male',
 'Female',
 'Female',
 nan,
 'Male',
 'Male',
 'Male',
 'Female',
 'Male',
 nan,
 'Female',
 'Female',
 'Female',
 nan,
 nan,
 'Female',
 nan,
 'Male',
 'Female',
 'Female',
 nan,
 'Female',
 'Male',
 'Female',
 'Male',
 'Male',
 'Female',
 'Male',
 'Female',
 'Male',
 'Male',
 nan,
 'Male',
 'Female',
 'Female',
 'Male',
 'Female',
 'Female',
 'Female',
 'Male',
 'Male',
 'Female',
 'Male',
 'Male',
 nan,
 'Female',
 'Female',
 'Female',
 'Female',
 'Female',
 'Male',
 'Male',
 'Male',
 'Female',
 'Female',
 'Male',
 'Female',
 'Female',
 'Female',
 'Male',
 'Male',
 'Female',
 'Female',
 'Female',
 'Male',
 'Female',
 nan,
 nan,
 'Female',
 'Female',
 'Male',
 nan,
 'Female',
 'Male',
 nan,
 'Female',
 nan,
 'Female',
 'Female',
 'Male',
 'Female',
 'Female',
 nan,
 'Female',
 nan,
 'Male',
 'Male',
 'Female',
 'Female',
 'Female',
 'Male',
 nan,
 'Female',
 'Female',
 'Male',
 'Female',
 'Female',
 nan,
 'Male',
 'Male',
 'Male',
 'Female',
 'Female',
 'Male',
 'Male',
 'Female',
 nan,
 'Male',
 'Female',
 'Female',
 'Male',
 'Male',
 'Male',
 'Female',
 'Female',
 nan,
 'Female',
 'Female',
 'Male',
 'Male',
 'Female',
 'Female',
 'Male',
 'Male',
 'Female',
 'Male',
 'Female',
 'Male',
 'Male',
 'Female',
 'Female',
 'Male',
 'Female',
 'Female',
 'Female',
 'Female',
 'Female',
 'Female',
 'Female',
 'Male',
 'Male',
 nan,
 'Male',
 'Female',
 'Male',
 'Male',
 'Male',
 'Female',
 'Male',
 'Female',
 'Male',
 'Male',
 'Male',
 nan,
 'Female',
 'Female',
 'Female',
 'Female',
 'Female',
 'Female',
 'Female',
 'Male',
 nan,
 nan,
 'Male',
 'Male',
 'Male',
 'Male',
 'Male',
 nan,
 nan,
 'Male',
 'Female',
 nan,
 nan,
 'Male',
 nan,
 'Male',
 'Female',
 'Female',
 'Male',
 'Male',
 'Male',
 'Female',
 'Female',
 'Female',
 nan,
 'Female',
 'Male',
 'Female',
 'Male',
 'Female',
 'Female',
 'Male',
 nan,
 'Male',
 'Male',
 'Male',
 'Female',
 'Female',
 nan,
 'Female',
 'Female',
 'Male',
 'Male',
 nan,
 'Male',
 'Female',
 'Female',
 'Male',
 'Female',
 nan,
 'Female',
 'Male',
 'Female',
 'Female',
 'Male',
 'Female',
 'Male',
 nan,
 'Male',
 nan,
 'Female',
 'Male',
 'Male',
 'Male',
 nan,
 'Male',
 'Female',
 'Male',
 'Female',
 'Female',
 'Male',
 'Male',
 nan,
 'Male',
 'Female',
 'Male',
 nan,
 'Female',
 'Female',
 'Male',
 'Female',
 'Female',
 'Female',
 'Male',
 'Female',
 'Female',
 'Male',
 'Male',
 'Male',
 'Male',
 'Male',
 'Male',
 'Female',
 'Male',
 'Female',
 'Male',
 'Male',
 'Male',
 'Male',
 'Male',
 'Male',
 'Male',
 'Male',
 'Female',
 'Male',
 'Male',
 'Male',
 'Male',
 'Female',
 'Male',
 'Female',
 nan,
 'Female',
 'Male',
 'Male',
 'Female',
 'Female',
 'Female',
 'Male',
 'Male',
 'Female',
 'Female',
 'Female',
 'Male',
 nan,
 'Male',
 nan,
 nan,
 'Male',
 'Female',
 'Female',
 'Female',
 'Male',
 'Male',
 'Male',
 'Female',
 nan,
 'Male',
 'Male',
 'Male',
 'Female',
 nan,
 'Male',
 'Female',
 'Male',
 'Male',
 'Female',
 'Female',
 'Male',
 'Female',
 nan,
 nan,
 'Female',
 'Male',
 nan,
 'Female',
 'Female',
 'Female',
 'Male',
 'Female',
 'Female',
 nan,
 'Female',
 nan,
 'Male',
 nan,
 'Female',
 'Female',
 nan,
 'Male',
 'Male',
 'Male',
 'Male',
 'Female',
 'Male',
 'Male',
 nan,
 'Male',
 nan,
 'Female',
 'Female',
 'Male',
 'Male',
 'Male',
 'Female',
 nan,
 'Female',
 'Male',
 'Male',
 'Male',
 'Female',
 'Female',
 'Male',
 nan,
 'Female',
 'Female',
 'Male',
 'Female',
 'Female',
 'Male',
 'Male',
 'Male',
 'Female',
 'Female',
 'Female',
 'Male',
 'Male',
 'Female',
 'Male',
 'Male',
 'Female',
 'Male',
 nan,
 'Male',
 'Female',
 'Male',
 'Female',
 nan,
 'Female',
 'Male',
 nan,
 'Female',
 'Male',
 'Male',
 'Male',
 'Male',
 'Female',
 'Male',
 'Female',
 'Female',
 'Male',
 'Male',
 'Female',
 'Male',
 'Male',
 'Male',
 'Female',
 'Female',
 'Male',
 'Male',
 'Male',
 'Female',
 'Female',
 nan,
 'Female',
 'Male',
 'Female',
 'Male',
 'Female',
 'Male',
 'Female',
 'Female',
 nan,
 'Male',
 'Male',
 'Female',
 'Male',
 'Male',
 'Male',
 'Female',
 nan,
 'Female',
 'Male',
 'Female',
 'Male',
 'Female',
 'Male',
 'Male',
 'Male',
 'Male',
 'Female',
 'Male',
 'Male',
 'Female',
 'Male',
 nan,
 'Male',
 'Female',
 'Female',
 'Female',
 'Male',
 'Male',
 nan,
 'Female',
 'Female',
 nan,
 'Male',
 'Female',
 nan,
 nan,
 'Male',
 'Female',
 'Female',
 'Female',
 'Male',
 nan,
 'Female',
 'Male',
 'Female',
 'Male',
 'Male',
 'Female',
 'Female',
 'Female',
 'Female',
 'Male',
 nan,
 'Male',
 'Female',
 'Female',
 'Female',
 'Male',
 'Male',
 'Female',
 'Female',
 nan,
 'Female',
 'Male',
 'Female',
 'Female',
 'Female',
 'Male',
 'Female',
 nan,
 'Male',
 'Male',
 'Female',
 'Male',
 'Female',
 'Female',
 'Female',
 'Female',
 'Male',
 'Male',
 'Female',
 'Female',
 'Male',
 'Male',
 'Male',
 'Female',
 'Male',
 'Male',
 'Male',
 'Male',
 'Female',
 'Male',
 'Female',
 'Female',
 'Female',
 'Female',
 'Female',
 'Female',
 'Female',
 'Male',
 'Female',
 'Male',
 'Female',
 'Male',
 'Female',
 'Female',
 'Female',
 nan,
 nan,
 nan,
 nan,
 'Male',
 'Female',
 'Female',
 'Male',
 'Female',
 'Male',
 'Male',
 nan,
 nan,
 nan,
 'Male',
 'Male',
 'Female',
 'Female',
 'Male',
 'Female',
 'Male',
 'Male',
 'Female',
 'Female',
 'Male',
 'Female',
 'Female',
 'Female',
 nan,
 'Female',
 'Male',
 nan,
 'Female',
 'Female',
 'Male',
 'Male',
 'Female',
 'Male',
 'Female',
 nan,
 'Female',
 'Female',
 nan,
 'Male',
 'Female',
 nan,
 'Female',
 'Male',
 'Male',
 'Female',
 'Female',
 'Female',
 'Male',
 'Female',
 'Male',
 'Male',
 'Female',
 'Female',
 'Female',
 nan,
 nan,
 'Male',
 'Female',
 'Female',
 'Male',
 'Male',
 nan,
 nan,
 'Male',
 nan,
 'Female',
 'Female',
 'Male',
 'Male',
 'Male',
 'Female',
 'Female',
 'Female',
 'Female',
 'Female',
 'Male',
 'Male',
 'Female',
 nan,
 'Female',
 'Male',
 nan,
 'Male',
 'Male',
 nan,
 'Male',
 'Female',
 'Male',
 'Female',
 'Female',
 'Female',
 'Male',
 'Male',
 nan,
 nan,
 'Male',
 nan,
 'Female',
 nan,
 'Male',
 'Male',
 'Male',
 'Female',
 'Male',
 'Male',
 'Male',
 'Female',
 nan,
 'Female',
 'Male',
 'Male',
 'Male',
 nan,
 'Male',
 'Male',
 'Female',
 'Male',
 'Male',
 nan,
 'Female',
 'Male',
 'Male',
 'Male',
 'Female',
 'Male',
 'Female',
 'Female',
 'Male',
 'Male',
 'Female',
 'Female',
 'Female',
 'Male',
 'Male',
 'Male',
 nan,
 'Female',
 'Male',
 'Male',
 nan,
 'Male',
 'Female',
 'Male',
 'Female',
 nan,
 nan,
 'Female',
 'Male',
 'Male',
 'Female',
 'Female',
 'Male',
 'Male',
 nan,
 'Female',
 'Male',
 'Female',
 'Male',
 'Female',
 'Male',
 nan,
 'Male',
 'Female',
 'Female',
 nan,
 'Female',
 'Male',
 'Female',
 'Male',
 'Female',
 'Female',
 'Male',
 'Female',
 'Male',
 'Female',
 'Male',
 'Male',
 'Male',
 nan,
 'Female',
 'Female',
 'Female',
 'Male',
 nan,
 'Female',
 'Male',
 'Male',
 nan,
 'Female',
 'Female',
 nan,
 'Female',
 'Female',
 'Male',
 'Male',
 'Male',
 'Male',
 'Female',
 'Female',
 'Male',
 'Male',
 'Female',
 'Female',
 'Female',
 'Male',
 'Male',
 'Female',
 'Male',
 'Female',
 'Female',
 nan,
 'Female',
 'Female',
 'Female',
 'Male',
 'Male',
 'Female',
 'Female',
 'Male',
 'Female',
 nan,
 nan,
 nan,
 'Female',
 'Male',
 'Male',
 'Male',
 'Male',
 'Male',
 nan,
 'Male',
 'Female',
 'Male',
 'Male',
 'Female',
 'Female',
 'Female',
 'Female',
 'Female',
 nan,
 'Female',
 'Male',
 nan,
 'Male',
 'Male',
 'Male',
 'Male',
 'Female',
 'Female',
 'Male',
 nan,
 nan,
 'Female',
 'Male',
 'Female',
 'Male',
 'Male',
 'Male',
 'Male',
 'Male',
 'Female',
 'Female',
 'Male',
 'Female',
 'Male',
 nan,
 'Male',
 'Female',
 'Male',
 'Female',
 'Female',
 nan,
 'Male',
 'Female',
 'Female',
 nan,
 'Female',
 nan,
 'Female',
 'Female',
 'Male',
 'Male',
 'Male',
 'Female',
 'Female',
 'Male',
 'Male',
 'Male',
 'Male',
 'Female',
 nan,
 'Male',
 nan,
 'Female',
 'Male',
 'Female',
 'Female',
 'Male',
 'Female',
 'Female',
 'Female',
 'Female',
 'Female',
 'Female',
 'Male',
 'Female',
 'Male',
 'Male',
 'Female',
 'Female',
 'Male',
 'Female',
 'Male',
 'Male',
 'Male',
 'Female',
 'Male',
 'Male',
 nan,
 'Female',
 'Female',
 'Female',
 'Male',
 'Male',
 'Female',
 'Female',
 'Male',
 'Female',
 'Female',
 'Male',
 'Female',
 'Female',
 nan,
 nan,
 nan,
 'Male',
 'Male',
 'Female',
 'Male',
 'Male',
 nan,
 'Female',
 'Male',
 'Female',
 'Male',
 'Female',
 'Female',
 'Female',
 'Male',
 'Male',
 'Female',
 'Female',
 'Male',
 'Female',
 'Male',
 'Male',
 nan,
 'Male',
 'Female',
 'Male',
 'Female',
 'Male',
 'Male',
 'Female',
 'Female',
 'Female',
 'Male',
 nan,
 'Male',
 'Male',
 'Female',
 'Female',
 'Female',
 'Male',
 'Male',
 'Female',
 'Male',
 'Female',
 'Male',
 'Female',
 nan,
 'Female',
 'Female',
 'Female',
 nan,
 'Female',
 'Female',
 'Male',
 'Female',
 'Male',
 nan,
 'Male',
 'Male',
 'Male',
 'Male']

Podemos ver los valores únicos que existen en cada columno haciendo uso de los set (conjuntos). Recordemos que los conjuntos se manejan de manera similar a las listas, pero en estos no existen los valores repetidos:

In [35]:
set(genero)
Out[35]:
{'Female', 'Male', nan}
In [36]:
# Para eliminar los valores nulos en una columna, podemos hacer uso de dropna():
generoSinNulos = genero.dropna()
generoSinNulos
Out[36]:
Gender
0 Male
1 Male
2 Female
3 Male
4 Male
... ...
994 Male
996 Male
997 Male
998 Male
999 Male

855 rows × 1 columns


In [37]:
set(generoSinNulos)
Out[37]:
{'Female', 'Male'}
In [40]:
# Borra todas las filas con valores nulos del dataframe
# La opción inplace indica si queremos que se aplique en el dataframe existente antes o no
dataFrameSinNulos = dataFrame.dropna(inplace=False)
dataFrame
Out[40]:
First Name Gender Start Date Last Login Time Salary Bonus % Senior Management Team
0 Douglas Male 8/6/1993 12:42 PM 97308 6.945 True Marketing
2 Maria Female 4/23/1993 11:17 AM 130590 11.858 False Finance
3 Jerry Male 3/4/2005 1:00 PM 138705 9.340 True Finance
4 Larry Male 1/24/1998 4:47 PM 101004 1.389 True Client Services
5 Dennis Male 4/18/1987 1:35 AM 115163 10.125 False Legal
... ... ... ... ... ... ... ... ...
994 George Male 6/21/2013 5:47 PM 98874 4.479 True Marketing
996 Phillip Male 1/31/1984 6:30 AM 42392 19.675 False Finance
997 Russell Male 5/20/2013 12:39 PM 96914 1.421 False Product
998 Larry Male 4/20/2013 4:45 PM 60500 11.985 False Business Development
999 Albert Male 5/15/2012 6:24 PM 129949 10.169 True Sales

764 rows × 8 columns

In [41]:
dataFrameSinNulos
Out[41]:
First Name Gender Start Date Last Login Time Salary Bonus % Senior Management Team
0 Douglas Male 8/6/1993 12:42 PM 97308 6.945 True Marketing
2 Maria Female 4/23/1993 11:17 AM 130590 11.858 False Finance
3 Jerry Male 3/4/2005 1:00 PM 138705 9.340 True Finance
4 Larry Male 1/24/1998 4:47 PM 101004 1.389 True Client Services
5 Dennis Male 4/18/1987 1:35 AM 115163 10.125 False Legal
... ... ... ... ... ... ... ... ...
994 George Male 6/21/2013 5:47 PM 98874 4.479 True Marketing
996 Phillip Male 1/31/1984 6:30 AM 42392 19.675 False Finance
997 Russell Male 5/20/2013 12:39 PM 96914 1.421 False Product
998 Larry Male 4/20/2013 4:45 PM 60500 11.985 False Business Development
999 Albert Male 5/15/2012 6:24 PM 129949 10.169 True Sales

764 rows × 8 columns

Concatenación con pd.concat()¶

Primero, vamos a crear dos sub-dataframes a partir del ya existente, seleccionando las 20 primeras filas para el primer sub-conjunto y las 20 siguientes para el segundo:

In [42]:
# Primeras 20 filas
datos1 = dataFrame[0:20]
# Siguientes 20 filas
datos2 = dataFrame[20:40]
datos3 = dataFrame[60:70]

A la funcion pd.concat() tenemos que pasarle como argumento una lista que contenga los distintos DataFrames que queremos unir:

In [43]:
listadf = [datos1, datos2]
pd.concat(listadf)

# o más sencillo

pd.concat([datos1, datos2, datos3])
Out[43]:
First Name Gender Start Date Last Login Time Salary Bonus % Senior Management Team
0 Douglas Male 8/6/1993 12:42 PM 97308 6.945 True Marketing
2 Maria Female 4/23/1993 11:17 AM 130590 11.858 False Finance
3 Jerry Male 3/4/2005 1:00 PM 138705 9.340 True Finance
4 Larry Male 1/24/1998 4:47 PM 101004 1.389 True Client Services
5 Dennis Male 4/18/1987 1:35 AM 115163 10.125 False Legal
6 Ruby Female 8/17/1987 4:20 PM 65476 10.012 True Product
8 Angela Female 11/22/2005 6:29 AM 95570 18.523 True Engineering
9 Frances Female 8/8/2002 6:51 AM 139852 7.524 True Business Development
11 Julie Female 10/26/1997 3:19 PM 102508 12.637 True Legal
12 Brandon Male 12/1/1980 1:08 AM 112807 17.492 True Human Resources
13 Gary Male 1/27/2008 11:40 PM 109831 5.831 False Sales
14 Kimberly Female 1/14/1999 7:13 AM 41426 14.543 True Finance
15 Lillian Female 6/5/2016 6:09 AM 59414 1.256 False Product
16 Jeremy Male 9/21/2010 5:56 AM 90370 7.369 False Human Resources
17 Shawn Male 12/7/1986 7:45 PM 111737 6.414 False Product
18 Diana Female 10/23/1981 10:27 AM 132940 19.082 False Client Services
19 Donna Female 7/22/2010 3:48 AM 81014 1.894 False Product
21 Matthew Male 9/5/1995 2:12 AM 100612 13.645 False Marketing
24 John Male 7/1/1992 10:08 PM 97950 13.873 False Client Services
26 Craig Male 2/27/2000 7:45 AM 37598 7.757 True Marketing
28 Terry Male 11/27/1981 6:30 PM 124008 13.464 True Client Services
29 Benjamin Male 1/26/2005 10:06 PM 79529 7.008 True Legal
30 Christina Female 8/6/2002 1:19 PM 118780 9.096 True Engineering
33 Jean Female 12/18/1993 9:07 AM 119082 16.180 False Business Development
34 Jerry Male 1/10/2004 12:56 PM 95734 19.096 False Client Services
35 Theresa Female 10/10/2006 1:12 AM 85182 16.675 False Sales
36 Rachel Female 2/16/2009 8:47 PM 142032 12.599 False Business Development
37 Linda Female 10/19/1981 8:49 PM 57427 9.557 True Client Services
38 Stephanie Female 9/13/1986 1:52 AM 36844 5.574 True Business Development
40 Michael Male 10/10/2008 11:25 AM 99283 2.665 True Distribution
42 Beverly Female 9/9/1998 8:26 PM 121918 15.835 False Legal
43 Marilyn Female 12/7/1980 3:16 AM 73524 5.207 True Marketing
44 Cynthia Female 11/16/1988 6:54 PM 145146 7.482 True Product
45 Roger Male 4/17/1980 11:32 AM 88010 13.886 True Sales
46 Bruce Male 11/28/2009 10:47 PM 114796 6.796 False Finance
47 Kathy Female 6/22/2005 4:51 AM 66820 9.000 True Client Services
48 Clarence Male 3/26/1996 5:57 AM 93581 6.083 True Business Development
50 Nancy Female 9/23/2000 8:05 AM 94976 13.830 True Engineering
52 Todd Male 2/18/1990 2:41 AM 49339 1.695 True Human Resources
54 Sara Female 8/15/2007 9:23 AM 83677 8.999 False Engineering
81 Christopher Male 3/30/2008 10:52 AM 47369 14.822 False Legal
82 Steven Male 3/30/1980 9:20 PM 35095 8.379 True Client Services
83 Shawn Male 9/23/2005 2:55 AM 148115 6.539 True Finance
84 Doris Female 8/20/2004 5:51 AM 83072 7.511 False Finance
85 Jeremy Male 2/1/2008 8:50 AM 100238 3.887 True Client Services
87 Annie Female 1/30/1993 2:05 AM 144887 8.276 True Sales
88 Donna Female 11/27/1991 1:59 PM 64088 6.155 True Legal
89 Janice Female 3/12/2016 12:40 AM 51082 11.955 False Legal
92 Linda Female 5/25/2000 5:45 PM 119009 12.506 True Business Development
94 Harry Male 8/26/1981 3:16 PM 130620 7.030 False Legal

Otra forma de concatenar usando append:¶

In [49]:
# Deprecated en versión 1.4.0
datos1.concat(datos2)

---------------------------------------------------------------------------
AttributeError                            Traceback (most recent call last)
<ipython-input-49-cb6596813235> in <cell line: 0>()
----> 1 datos1.concat(datos2)

/usr/local/lib/python3.11/dist-packages/pandas/core/generic.py in __getattr__(self, name)
   6297         ):
   6298             return self[name]
-> 6299         return object.__getattribute__(self, name)
   6300 
   6301     @final

AttributeError: 'DataFrame' object has no attribute 'concat'

DataFrames en formatos largo y ancho¶

In [46]:
datos = {'nombre':['María', 'Luis', 'Carmen', 'Antonio'],
  'apellidos': ['López Martínez', 'Tortosa Riquelme', 'Galindo Pérez', 'Guillén Gómez'],
  'edad':[21, 21, 22, 21],
  'Business Intelligence': [8.1, 6.84, 5.2, 9.5],
  'Web de Datos': [4.2, 7.5, 8.2, 1.3],
  'Investigación y Ciencia Abierta': [6.1, 4.32, 2.41, 10]
  }
df = pd.DataFrame(datos)
df
Out[46]:
nombre apellidos edad Business Intelligence Web de Datos Investigación y Ciencia Abierta
0 María López Martínez 21 8.10 4.2 6.10
1 Luis Tortosa Riquelme 21 6.84 7.5 4.32
2 Carmen Galindo Pérez 22 5.20 8.2 2.41
3 Antonio Guillén Gómez 21 9.50 1.3 10.00

Si queremos pasar este DataFrame en formato ancho a formato largo (columnas a filas), podemos utilizar la función melt:

In [47]:
dfLargo = df.melt(id_vars=['nombre', 'apellidos', 'edad'], var_name='asignatura', value_name='nota')
dfLargo
Out[47]:
nombre apellidos edad asignatura nota
0 María López Martínez 21 Business Intelligence 8.10
1 Luis Tortosa Riquelme 21 Business Intelligence 6.84
2 Carmen Galindo Pérez 22 Business Intelligence 5.20
3 Antonio Guillén Gómez 21 Business Intelligence 9.50
4 María López Martínez 21 Web de Datos 4.20
5 Luis Tortosa Riquelme 21 Web de Datos 7.50
6 Carmen Galindo Pérez 22 Web de Datos 8.20
7 Antonio Guillén Gómez 21 Web de Datos 1.30
8 María López Martínez 21 Investigación y Ciencia Abierta 6.10
9 Luis Tortosa Riquelme 21 Investigación y Ciencia Abierta 4.32
10 Carmen Galindo Pérez 22 Investigación y Ciencia Abierta 2.41
11 Antonio Guillén Gómez 21 Investigación y Ciencia Abierta 10.00

Para pasar de formato largo a ancho, se utiliza el método pivot:

In [48]:
dfLargo.pivot(index=['nombre', 'apellidos', 'edad'], columns='asignatura', values='nota')
Out[48]:
asignatura Business Intelligence Investigación y Ciencia Abierta Web de Datos
nombre apellidos edad
Antonio Guillén Gómez 21 9.50 10.00 1.3
Carmen Galindo Pérez 22 5.20 2.41 8.2
Luis Tortosa Riquelme 21 6.84 4.32 7.5
María López Martínez 21 8.10 6.10 4.2

*Ejercicio 4: Crea dos DataFrames. Uno de ellos usando un diccionario, y el otro usando una lista de listas. Después, concatena ambos DataFrames con la función concat.¶

Respuesta 4:

In [ ]:
# Responde aquí
In [ ]:
# Responde aquí