Please enable JavaScript.
Coggle requires JavaScript to display documents.
Procesamiento de Datos en Pandas Operaciones Avanzadas (Semana 14) -…
Procesamiento de Datos en Pandas Operaciones Avanzadas (Semana 14)
Ordenación y Extremos
Ordenación de Datos
.sort_values()
Por una columna
df.sort_values(by='Edad', ascending=False)
Por múltiples columnas
df.sort_values(by=['Sección', 'Sueldo'], ascending=[True, False])
Modificación directa
El parámetro inplace=True modifica la estructura original sin reasignar variables
Selección de Extremos
.nlargest(n, 'columna')
Extrae las $n$ filas con los valores más altos
.nsmallest(n, 'columna')
Extrae las $n$ filas con los valores más bajos
Ventaja de rendimiento
Es mucho más eficiente que realizar un ordenamiento global completo con .sort_values().head()
Tipos de Variables en Pandas
Datos Categóricos
Cualitativos
Nominales
Categorías sin orden lógico
ej. País, Color
Ordinales
Categorías con escala o jerarquía implícita
ej. Nivel Educativo
Representación
Almacenados como tipo object o explícitamente category.
Datos No Categóricos
Numéricos / Cuantitativos
Discretos
Valores enteros contables
ej. Número de hijos
Continuos
Valores reales medibles infinitos
ej. Sueldo, Altura
Representación
Almacenados como tipos int64 y float64
Exploración Categórica y Filtrado
Valores Únicos
.unique()
Retorna un array con todas las categorías existentes sin repeticiones.
Frecuencias
.value_counts()
Cuenta la frecuencia absoluta de apariciones de cada valor en orden descendente.
Filtrado Múltiple
Filtra filas evaluando si pertenecen a una lista de opciones
df[df['País'].isin(['EC', 'CO'])]
Agrupación de Datos
.groupby()
Proceso Split-Apply-Combine
Split
Segmenta las filas del DataFrame según los valores únicos de la columna categórica
Apply
Aplica funciones de cálculo (suma, promedio, conteo) sobre cada subgrupo de forma aislada
Combine
Ensambla los resultados en un nuevo DataFrame donde la categoría agrupada pasa a ser el índice
Agregación Simple
df.groupby('Categoría').mean()
Agregación Múltiple
Permite calcular varias métricas a la vez mediante el método .agg()
Ejemplo
df.groupby('Sucursal')['Ventas'].agg(['sum', 'mean'])
Transformación Flexible
.apply()
Propósito
Aplica funciones personalizadas o expresiones lambda elemento a elemento o a lo largo de un eje
Control de Ejes
axis=0
Aplica la función verticalmente a cada columna
Comportamiento por defecto
axis=1
Aplica la función horizontalmente a cada fila
Casos de Uso
Transformaciones avanzadas con lógica condicional (if-else) o funciones a la medida