El DataFrame de pandas
En esta lección vas a crear un DataFrame de pandas a partir de un diccionario y ver los datos en forma de tabla con filas y columnas.
Introducción
El problema
Los datos reales vienen en tablas: estudiantes con nombres y notas, ventas con fechas e importes. Las listas de listas pierden los nombres de las columnas, y los arrays de NumPy quieren un solo tipo por array. pandas te da una tabla con columnas con nombre y de tipos distintos.
Imagínalo así
Un DataFrame es como una hoja de cálculo dentro de Python. Cada columna tiene un nombre y guarda un tipo de valor, cada fila es un registro, y los números de fila de la izquierda te permiten señalar cualquier fila.
pd.DataFrame({...})📊 Crea una hoja"name": [...]🏷️ Una columna llamada name0, 1, 2🔢 Las etiquetas de fila de la izquierda (el índice)students["score"]📈 Elige una columna enteraUn DataFrame de pandas es una tabla de dos dimensiones con columnas con nombre, que pueden guardar tipos de datos distintos, y filas con etiqueta llamadas índice.
Puntos clave
pd.DataFrame({...})convierte un diccionario en una tabla: cada clave pasa a ser una columna.- Cada lista guarda los valores de una columna; todas las listas deben tener la misma longitud.
- Las etiquetas de fila 0, 1 y 2 forman el índice, que se crea automáticamente.
nameguarda texto yscoreguarda números en la misma tabla.
¿Cuándo se usa?
- Trabajar con cualquier tabla: archivos CSV y Excel, resultados de bases de datos, datos de encuestas.
- Limpiar, filtrar, agrupar y resumir datos.
- Preparar datos para gráficos y machine learning.
Cuándo no hace falta
- Un puñado de valores: una lista o un diccionario es más sencillo.
- Cuadrículas solo numéricas para cálculos pesados: los arrays de NumPy son más ligeros y rápidos.
Código de ejemplo
import pandas as pd
students = pd.DataFrame({
"name": ["Ada", "Lin", "Sam"],
"score": [95, 88, 91],
})
print(students)
Resultado de la ejecución
name score
0 Ada 95
1 Lin 88
2 Sam 91
Explicación del código
El DataFrame se crea a partir de un diccionario en el que cada clave pasa a ser el nombre de una columna y la lista asociada, los datos de esa columna. Las listas deben tener la misma longitud. Al mostrarlo, pandas añade automáticamente a la izquierda de cada fila un índice que empieza en 0.
Cambia los valores y ejecuta el programa en el compilador Python online de CodeUtility sin instalar Python.
Ejercicios de práctica
Prueba a modificar el código siguiendo las ideas de abajo. Cambiar el código y ver el resultado te ayudará a entender la lección mucho mejor que solo leerla.
- Añade filas, columnas y algunos valores faltantes a los datos de ejemplo.
- Combina filtrado, ordenación y groupby para obtener un pequeño informe.
- Lee un archivo de datos real, comprueba el tipo de cada columna y trata los valores no válidos.
Errores comunes
Columnas de longitudes distintas
Cada columna debe tener un valor por fila.
pd.DataFrame({"name": ["Ada", "Lin"], "score": [95]}) # ValueError
pd.DataFrame({"name": ["Ada", "Lin"], "score": [95, 88]})
¿Terminaste esta lección?
Márcala como aprendida para seguir tu progreso.
Practica con un reto
Usa lo que cubre esta lección para resolver un problema real. Cada reto se ejecuta en el navegador, con pruebas al instante y una revisión de IA.
Todos los retos