Media Chicas - Clase 3 by Ing. Layla Scheli

Consignas

laylascheli — 2021-12-01 21:09:37 UTC

Investigar sobre el uso y aplicacion de la libreria de Pandas en Python, ejemplos y funciones basicas.

https://pandas.pydata.org/

2021-12-01 21:10:20 UTC

Mercedes M.

En "Pandas en 10 minutos" se introducen una serie de operaciones que se pueden realizar con los datos: crear objetos, organizarlos o seleccionarlos (inexación booleana, por posición, por etiqueta, etc.), realizar operaciones (estadísticas, aplicar funciones, histograma, etc), fusionar datos (unir, agrupar), reformular (reshaping), categorizar, plotear.
Dentro de las funcionalidades básicas se utilizan los métodos head() and tail(), operaciones booleanas y de base binaria, equivalencias, operaciones estadísticas...

Introducción a Pandas - Flor Coronel

2021-12-01 21:16:22 UTC

https://pandas.pydata.org/docs/getting_started/index.html#getting-started La librería trabaja con datos tabulares denominados DATAFRAME(como datos almacenados en hojas de cálculo o bases de datos). Sirve para explorar, limpiar y procesar los datos. Pandas admite la integración con muchos formatos de archivo o fuentes de datos listos para usar, pudiendo extraerse las mismas de formatos tales como csv, excel, sql, json, parquet.

Comentario- Flor Velastiqui

2021-12-01 21:19:03 UTC

https://www.youtube.com/watch?v=8ASjvOIyyl8

Luz Ferreira

2021-12-01 21:19:48 UTC

https://darecode.com/blog/analisis-de-datos-libreria-pandas-python/

Mariela Torres

2021-12-01 21:27:46 UTC

Libreria Panda - Melissa Florez

2021-12-01 21:32:56 UTC

Qué es?
- open source BSD-licensed library providing high-performance, easy-to-use data structures and data analysis tools for the Python programming language.
- librería para el análisis de datos que cuenta con las estructuras de datos que necesitamos para limpiar los datos en bruto
Caracteristicas:
-alinea datos para su comparación
-fusionar conjuntos de datos
-gestión de datos perdidos
DataFrame:

Estructura de datos básica de pandas. Es una colección ordenada de columnas con nombres y tipos, parecido a una tabla de base de datos, donde una sola fila representa un único caso y las columnas representan atributos particulares.

Dos keys: Name y Age

import pandas as pd
import numpy as np
 
name_age = {'Name' : ['Ali', 'Bill', 'David', 'Hany', 'Ibtisam'],
'Age' : [32, 55, 20, 43, 30]}
data_frame = pd.DataFrame(name_age)
print data_frame

Series
segunda estructura de datos pandas, es un objeto unidimensional (1D) similar a la columna de una tabla

series = pd.Series(['Ali', 'Bill', 'David', 'Hany', 'Ibtisam'],
index = [1, 2, 3, 4, 5])
print series

Funciones:
-Head y Tail: muestra de los datos, por defecto de elementos a mostrar es 5

print series.head()
print series.tail()

-Add: añadir dos DataFrames:

import pandas as pd
 
dictionary_1 = {'A' : [5, 8, 10, 3, 9],
'B' : [6, 1, 4, 8, 7]}
dictionary_2 = {'A' : [4, 3, 7, 6, 1],
'B' : [9, 10, 10, 1, 2]}
data_frame_1 = pd.DataFrame(dictionary_1)
data_frame_2 = pd.DataFrame(dictionary_2)
data_frame_3 = data_frame_1.add(data_frame_2)
print data_frame_1
print data_frame_2
print data_frame_3