Descubre la librerías Pandas y NumPy en Python

En este tutorial, exploraremos el análisis de datos utilizando dos poderosas bibliotecas de Python: Pandas y NumPy. Estas herramientas son ampliamente utilizadas en el campo de la ciencia de datos y proporcionan funcionalidades avanzadas para el manejo, manipulación y análisis de datos.

A lo largo de este tutorial, aprenderás cómo utilizar Pandas y NumPy para realizar tareas comunes de análisis de datos de manera eficiente y efectiva.

¿Qué es Pandas en Python?

Pandas es una biblioteca de Python de código abierto que proporciona estructuras de datos de alto rendimiento y fáciles de usar, así como herramientas de análisis de datos. Se basa en la biblioteca NumPy y permite trabajar con datos estructurados en forma de tablas, llamadas DataFrames. Los DataFrames en Pandas son altamente eficientes y ofrecen una amplia gama de funciones para la manipulación y análisis de datos, incluyendo la carga de datos desde diferentes fuentes, filtrado, ordenación, agrupación, cálculos estadísticos y mucho más.

¿Qué es NumPy en Python?

NumPy, abreviatura de "Numerical Python", es otra librería fundamental en Python para el procesamiento numérico y científico de datos. Proporciona un objeto de matriz multidimensional, conocido como ndarray, que permite almacenar y manipular eficientemente grandes conjuntos de datos numéricos. NumPy también ofrece un conjunto de funciones matemáticas y operaciones vectorizadas que pueden aplicarse a los elementos de las matrices de manera rápida y eficiente. Esta biblioteca es ampliamente utilizada en el análisis numérico, el álgebra lineal, la estadística y otros campos relacionados.

Diferencias entre Pandas y NumPy

Aunque Pandas se basa en NumPy, hay diferencias clave entre estas dos bibliotecas.

• NumPy se centra en el procesamiento eficiente de arreglos numéricos, mientras que Pandas está diseñado para el análisis de datos tabulares y heterogéneos.
• NumPy proporciona una estructura de datos llamada ndarray, que es eficiente para realizar cálculos numéricos en grandes conjuntos de datos.
• Pandas ofrece el objeto DataFrame, que permite trabajar con datos tabulares enriquecidos con etiquetas de fila y columna, facilitando las operaciones de manipulación y análisis.

Instalación de Pandas y NumPy en Python

Antes de comenzar, debemos asegurarnos de tener instaladas las bibliotecas Pandas y NumPy en nuestro entorno de Python. La forma más común de instalar estas bibliotecas es a través de la herramienta de gestión de paquetes pip. A continuación, se muestra el comando que debes ejecutar en tu terminal para instalar las bibliotecas:

pip install pandas numpy

import pandas as pd
import numpy as np

pd

np

import pandas as pd
import numpy as np

data.csv

data = pd.read_csv('data.csv')

data

serie = pd.Series([1, 3, 5, np.nan, 6, 8])

data = pd.DataFrame({'Columna1': [1, 2, 3, 4],
                     'Columna2': ['A', 'B', 'C', 'D']})

data_csv = pd.read_csv('archivo.csv')

data_excel = pd.read_excel('archivo.xlsx')

import sqlite3
conexion = sqlite3.connect('basedatos.db')
query = "SELECT * FROM tabla"
data_sql = pd.read_sql(query, conexion)

print(data.head())

print(data.info())

print(data.describe())

print(data['Columna1'].value_counts())

import matplotlib.pyplot as plt
import seaborn as sns

plt.hist(data['Columna1'])
plt.show()

sns.scatterplot(x='Columna1', y='Columna2', data=data)
plt.show()

Descubre la formación a tu medida

Rellena el formulario para obtener más información sobre los cursos.

Nombre *

Email corporativo *

Consulta

Usaremos los datos personales recopilados a través de este formulario en línea para informarte de las últimas novedades sobre nuestros cursos. Para obtener más información, consulta nuestra política de privacidad.

Solicita información

array1D = np.array([1, 2, 3, 4, 5])

array2D = np.array([[1, 2, 3], [4, 5, 6]])

array1 = np.array([1, 2, 3])
array2 = np.array([4, 5, 6])
suma = array1 + array2 

array = np.array([1, 2, 3])
multiplicacion = 2 * array

array = np.array([0, np.pi/2, np.pi])
seno = np.sin(array)

array = np.array([1, 2, 3, 4, 5, 6])
array_reshaped = array.reshape((2, 3))

array = np.array([[1, 2, 3], [4, 5, 6]])
array_flattened = array.flatten()

array = np.array([1, 2, 3, 4, 5, 6])
array_resized = array.resize((2, 3))

data = pd.DataFrame({'Columna1': [1, 2, 3], 'Columna2': [4, 5, 6]})
array = data.to_numpy()

array = np.array([[1, 2, 3], [4, 5, 6]])
data = pd.DataFrame(array, columns=['Columna1', 'Columna2'])

data = pd.DataFrame({'Columna1': [1, 2, 3], 'Columna2': [4, 5, 6]})
data['Columna1'] = np.square(data['Columna1'])

data = pd.DataFrame({'Columna1': [1, 2, 3], 'Columna2': [4, 5, 6]})
data['Suma'] = np.add(data['Columna1'], data['Columna2'])

data = pd.DataFrame({'Columna1': [1, 2, 3], 'Columna2': [4, 5, 6]})
data.to_csv('resultados.csv', index=False) # Guardar un DataFrame en un archivo CSV


data = pd.DataFrame({'Columna1': [1, 2, 3], 'Columna2': [4, 5, 6]})
data.to_excel('resultados.xlsx', index=False) # Guardar un DataFrame en un archivo Excel