Pandas: Analisis de datos

Pandas es la libreria esencial para manipulacion y analisis de datos. Proporciona estructuras de datos flexibles y herramientas para trabajar con datos tabulares.

Estructuras de datos

import pandas as pd
import numpy as np

# Series: array 1D con indice
s = pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])
# a    1
# b    2
# c    3
# d    4

# DataFrame: tabla 2D (lo mas usado)
df = pd.DataFrame({
    'nombre': ['Ana', 'Luis', 'Maria'],
    'edad': [25, 30, 28],
    'ciudad': ['Madrid', 'Barcelona', 'Valencia']
})

Cargando datos

# CSV (mas comun)
df = pd.read_csv('datos.csv')

# Excel
df = pd.read_excel('datos.xlsx', sheet_name='Hoja1')

# JSON
df = pd.read_json('datos.json')

# Desde URL
df = pd.read_csv('https://example.com/data.csv')

# SQL
from sqlalchemy import create_engine
engine = create_engine('sqlite:///database.db')
df = pd.read_sql('SELECT * FROM tabla', engine)

Exploracion inicial

# Primeras/ultimas filas
df.head()      # primeras 5
df.tail(10)    # ultimas 10

# Info general
df.shape       # (filas, columnas)
df.info()      # tipos de datos, nulos
df.describe()  # estadisticas

# Columnas y tipos
df.columns     # nombres de columnas
df.dtypes      # tipos de cada columna

# Valores unicos
df['columna'].unique()
df['columna'].value_counts()

Seleccion de datos

# Seleccionar columna
df['nombre']           # Series
df[['nombre', 'edad']] # DataFrame

# Seleccionar filas por indice
df.iloc[0]       # primera fila
df.iloc[0:3]     # filas 0, 1, 2
df.iloc[0, 1]    # fila 0, columna 1

# Seleccionar por label
df.loc[0, 'nombre']    # valor especifico
df.loc[:, 'nombre']    # toda la columna