Agrupar datos con groupby en pandas
En esta lección vas a agrupar las filas de un DataFrame según una columna y calcular la media de cada grupo con groupby().
Introducción
El problema
¿Cuál es la nota media por equipo? ¿Y las ventas totales por mes? Si respondes a esto recorriendo las filas y llevando un diccionario de totales, es fácil equivocarse. groupby hace la división y el resumen por ti.
Imagínalo así
groupby es como repartir recibos en sobres según la tienda, sumar cada sobre y escribir los totales en una sola hoja de resumen. Divide en sobres, calcula por sobre, combina los resultados.
groupby("team")✉️ Un sobre por equipo["score"]🧾 Mira la nota de cada recibo.mean()🧮 Calcula la media de cada sobre.reset_index()📄 Escribe los resultados en una sola hojagroupby divide las filas de un DataFrame en grupos según una o más columnas, aplica un cálculo a cada grupo y combina los resultados.
Puntos clave
results.groupby("team")divide las filas en el equipo A y el equipo B.["score"].mean()calcula la media de las notas dentro de cada equipo.- Aquí los dos equipos tienen una media de 85.0.
reset_index()vuelve a convertir las etiquetas de equipo en una columna normal.
¿Cuándo se usa?
- Resúmenes por categoría: media por clase, total por mes, conteo por país.
- Comparar grupos uno al lado del otro.
- Construir informes y variables (features) para el análisis.
Cuándo no hace falta
- Un resumen con categorías tanto en filas como en columnas: una tabla dinámica se lee mejor.
- Un solo número global: llama a
.mean()directamente sobre la columna.
Código de ejemplo
import pandas as pd
results = pd.DataFrame({
"team": ["A", "A", "B", "B"],
"score": [80, 90, 70, 100],
})
averages = results.groupby("team")["score"].mean().reset_index()
print(averages)
Resultado de la ejecución
team score
0 A 85.0
1 B 85.0
Explicación del código
La instrucción results.groupby("team") reparte las filas en los grupos A y B. Después, ["score"].mean() calcula la nota media de cada grupo, 85.0 en ambos casos. El resultado usa al principio el nombre del equipo como índice, por eso reset_index() vuelve a convertir team en una columna normal del DataFrame.
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
Olvidar elegir una columna
Sin una columna, mean() se aplica a todas las columnas, lo que falla o sorprende con las columnas de texto.
results.groupby("team").mean()
results.groupby("team")["score"].mean()
¿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.
- Tournament Standings Rank teams from match records. Intermedio
- Clasificador Naive Bayes Predice una clase a partir de variables categóricas con el teorema de Bayes y el suavizado de Laplace. Intermedio