Lección 3 de 16 · Lectura y práctica

Selección y filtrado de datos avanzado

Tipo de lección: VideoSelección y filtrado de datos avanzado Esta leccion pertenece al curso Data Science con Python y Pandas y esta pensada para que avances con criterio profesional, no solo con teoria. Primero entiende el.

Del concepto a la práctica

Taller de esta lección

El filtrado avanzado combina condiciones que deben expresar una pregunta precisa. En Pandas, cada comparación produce una máscara booleana; los paréntesis hacen explícito el orden y & representa “y”. Para “o” se usa |, nunca and sobre Series.

Ejemplo resuelto

python

import pandas as pd

df = pd.DataFrame({'region': ['Norte', 'Sur', 'Norte', 'Centro'], 'importe': [120, 80, 210, 160]})
f = df[(df['region'].isin(['Norte', 'Centro'])) & (df['importe'] >= 150)]
print(f['importe'].tolist())

La salida es [210, 160], porque ambas filas cumplen las dos condiciones.

Pruébalo

Define una lista de regiones permitidas.
Construye una máscara para importes dentro de un rango.
Combina las máscaras con paréntesis.
Cuenta las filas resultantes y revisa sus valores.

Error frecuente: escribir df['importe'] >= 150 & df['importe'] < 250 sin paréntesis. Corrígelo agrupando cada comparación para evitar una evaluación ambigua.

Ejercicio: con importes [90, 150, 230, 280] y regiones [Norte, Sur, Norte, Centro], filtra Norte o Centro y rango 100–250 inclusive.

Comprueba tu resultado

El resultado esperado contiene solo el registro Norte de 230.

Flujo de datos: dos formatos de la misma fecha se normalizan y un vacío queda marcado antes de comprobar tipos, duplicados y unidades. — **Antes del gráfico, revisa los datos**
Antes de analizar, comprueba los tipos, valores vacíos, duplicados y unidades. Decide cómo tratar cada problema según el contexto y conserva la trazabilidad del cambio. Un gráfico solo es útil si los datos de entrada son coherentes.
Ver la infografía en tamaño completo ↗

Tipo de lección: Video