Computing">
rgncWI4IUtCSOqAp - CC - 2S7UvchCP9-6U-Guia de Los Comandos Mas Utilizados en Phyton
rgncWI4IUtCSOqAp - CC - 2S7UvchCP9-6U-Guia de Los Comandos Mas Utilizados en Phyton
rgncWI4IUtCSOqAp - CC - 2S7UvchCP9-6U-Guia de Los Comandos Mas Utilizados en Phyton
1
Importación de Bibliotecas
import pandas as pd
import numpy as np
2
Lectura de Datos
df = pd.read_csv('filename.csv')
3
Exploración de Datos
Una vez que los datos se han cargado en Python, es posible explorarlos
utilizando varias funciones:
df.head()
df.tail()
df.describe()
df.info()
4
Selección y Filtrado de Datos
df['column_name']
df[['column_name1', 'column_name2']]
df[df['column_name'] > value]
5
Manipulación de Datos
df.rename(columns={'old_name': 'new_name'})
df.drop('column_name', axis=1)
df['column_name'].fillna(value)
6
Agrupación y Agregación de Datos
df.groupby('column_name').sum()
df.groupby('column_name').mean()
7
Operaciones con Series de Tiempo
pd.to_datetime(df['column_name'])
df.resample('D').mean()
# Re-muestreo a nivel de día y calcular la media.
Escritura de Datos
df.to_csv('new_filename.csv', index=False)
8
Recomendaciones
Siempre es recomendable explorar los datos antes de empezar a
procesarlos. Esto incluye entender las características de los datos,
identificar cualquier valor nulo o perdido y comprender la distribución
de los datos.
Al unir datos, tenga cuidado con los valores duplicados o perdidos que
podrían introducirse en los datos.
9
Espero que esta guía le sirva como punto de partida para el
procesamiento de datos en Python. Recuerde que Python es una
herramienta poderosa y flexible, y hay muchas más funciones y técnicas
disponibles para el procesamiento de datos que las que se han discutido
aquí.
10