Saltar al contenido principal
Intermedio⏱ 2 horas
Prerequisitos: Diccionarios y Sets · Funciones · Pathlib
Módulo 09: Ciencia de Datos BásicaLección 1 de 1
100% completado

Pandas Básico

🗺️ Mapa de la Lección

⏱ 2 horas🟡 Intermedio

🎯 Qué aprenderás

  • Crear y manipular DataFrames
  • Leer y escribir archivos CSV, Excel
  • Filtrar y seleccionar datos
  • Agrupar y agregar datos
  • Realizar operaciones básicas de análisis

🌍 Para qué te sirve

  • Analizar ventas y métricas de negocio
  • Procesar logs y datos de servidores
  • Limpiar y transformar datos antes de análisis
  • Generar reportes automáticos
  • Preparar datos para machine learning
  • Análisis exploratorio de datos (EDA)

🎯 ¿Por qué aprender Pandas?​

Trabajas con datos en Excel o CSV. Necesitas filtrar, agrupar, calcular promedios, unir tablas. Podrías hacerlo manualmente, pero eso es lento y propenso a errores.

Pandas es esencial porque:

  • Potente: maneja millones de filas fácilmente
  • Flexible: filtra, agrupa, transforma datos con pocas líneas
  • Integración: funciona con CSV, Excel, bases de datos, APIs
  • Eficiente: optimizado para velocidad con datos grandes
  • Estándar de la industria: usado en ciencia de datos, análisis, machine learning

Sin Pandas, analizar datos grandes sería muy lento y difícil.

🌍 Casos reales donde se usa​

Pandas está en prácticamente todos los proyectos de análisis de datos:

  • Analizar ventas: Métricas de negocio y reportes
  • Procesar logs: Datos de servidores y aplicaciones
  • Limpiar datos: Transformar datos antes de análisis
  • Generar reportes: Automatizar reportes y visualizaciones
  • Preparar datos: Para machine learning y análisis avanzado
  • Análisis exploratorio: EDA (Exploratory Data Analysis)

Ejemplo real: Un analista de datos usa Pandas para procesar 100,000 registros de ventas, calcular promedios por región, identificar tendencias, y generar reportes automáticos en segundos.

💡 Concepto base​

Pandas es como Excel pero programático. Puedes manipular, analizar y transformar datos tabulares con código Python.

Lo genial de Python: Pandas trabaja con DataFrames (tablas) y Series (columnas), haciendo que trabajar con datos sea muy intuitivo.

import pandas as pd

# Crear un DataFrame
datos = {
    'producto': ['Chilaquiles', 'Tacos', 'Quesadillas'],
    'precio': [85.50, 45.00, 60.00],
    'ventas': [120, 200, 80]
}

df = pd.DataFrame(datos)
print(df)
print(f"\nPromedio de precios: ${df['precio'].mean():.2f}")
Resultado esperado:
     producto  precio  ventas
0  Chilaquiles    85.5     120
1       Tacos    45.0     200
2  Quesadillas    60.0      80

Promedio de precios: $63.50
🌮 Analogía culinaria

Pandas es como tener un asistente de cocina súper organizado que puede manejar miles de recetas (filas de datos) a la vez. En lugar de revisar manualmente cada receta en tu libro de cocina para encontrar cuántas veces usaste chiles, Pandas puede buscar, filtrar, agrupar y analizar todas las recetas instantáneamente. Es como tener un sistema de inventario inteligente que puede decirte "cuántos platos usan queso", "cuál es el promedio de tiempo de preparación", o "qué ingredientes son más comunes", todo en segundos.

Para principiantes

Antes de continuar: Asegúrate de entender Diccionarios y Sets, Funciones y Pathlib.

Concepto clave: Pandas trabaja con DataFrames (tablas) y Series (columnas). Es como trabajar con Excel pero con código. Si sabes usar Excel, Pandas será familiar.

Conceptos Básicos​

DataFrame: La Estructura Principal​

Un DataFrame es como una tabla de Excel: tiene filas (registros) y columnas (atributos). Es la estructura principal de Pandas.

import pandas as pd

# Crear un DataFrame desde un archivo CSV
df = pd.read_csv('datos.csv')
# df ahora contiene todos los datos del CSV como una tabla

# Ver las primeras 5 filas (útil para explorar datos)
print(df.head())
# Salida: Muestra las primeras 5 filas con todas las columnas

# Ver información del DataFrame (tipos, memoria, etc.)
print(df.info())
# Salida: Lista columnas, tipos de datos, valores no nulos, uso de memoria

¿Qué está pasando?

  • pd.read_csv() lee el archivo CSV y lo convierte en un DataFrame
  • df.head() muestra una muestra de los datos (útil para verificar que se cargaron bien)
  • df.info() te da un resumen técnico del DataFrame

Acceder a Columnas y Filas​

Columnas (Series): Cada columna es una "Series" (lista con nombre)

# Acceder a una columna por nombre
columna = df['nombre_columna']  # Devuelve una Series
print(columna)  # Muestra todos los valores de esa columna

# También puedes usar notación de punto (si el nombre no tiene espacios)
columna = df.nombre_columna  # Equivalente a df['nombre_columna']

Filas: Puedes acceder a filas específicas

# Acceder a una fila por índice (posición)
fila = df.iloc[0]  # Primera fila (índice 0)
print(fila)  # Muestra todos los valores de esa fila como una Series

¿Cuándo usar cada uno?

  • Columnas: Cuando quieres analizar un atributo específico (ej: todas las edades)
  • Filas: Cuando quieres ver un registro completo (ej: todos los datos de una persona)

Operaciones Básicas de Exploración​

Antes de analizar, explora tus datos:

# Ver dimensiones (cuántas filas y columnas)
print(df.shape)  # (1000, 5) = 1000 filas, 5 columnas

# Ver nombres de todas las columnas
print(df.columns)
# Salida: Index(['nombre', 'edad', 'ciudad', 'salario', 'departamento'], dtype='object')

# Ver tipos de datos de cada columna
print(df.dtypes)
# Salida: nombre: object, edad: int64, ciudad: object, salario: float64, ...

¿Por qué esto es útil?

  • shape: Sabes cuántos datos tienes
  • columns: Verificas que las columnas se cargaron correctamente
  • dtypes: Entiendes qué tipo de datos tienes (importante para operaciones matemáticas)

Ejemplo Práctico​

# Leer un archivo CSV
df = pd.read_csv('datos.csv')

# Mostrar las primeras 5 filas
print("Primeras 5 filas:")
print(df.head())

# Mostrar información básica
print("\nInformación del DataFrame:")
print(df.info())

Consejos​

  1. Siempre verifica los datos después de cargarlos
  2. Usa head() para ver una muestra de los datos
  3. Usa info() para entender la estructura de los datos

Recursos Adicionales​

Documentación Oficial​

Bibliografía Recomendada​

  • Python for Data Analysis (Wes McKinney) - Creador de Pandas, guía completa
  • Pandas in Action (Boris Paskhaver) - Guía práctica de Pandas
  • Effective Pandas (Matt Harrison) - Mejores prácticas con Pandas
  • Data Science from Scratch (Joel Grus) - Fundamentos de ciencia de datos
  • Python Data Science Handbook (Jake VanderPlas) - Guía completa de herramientas de datos

Conceptos Relacionados​

Siguiente paso​

Este es solo una introducción básica a Pandas. Para profundizar, consulta la documentación oficial o continúa con otros temas del curso como Herramientas Profesionales