ESCUELA PROFESIONAL DE INGENIERÍA Emisión:

DE TELECOMUNICACIONES 28/05/2020
LABORATORIO DE INFORMÁTICA
Página
EXPERIENCIA: 10
1 / 10
PANDAS

ESCUELA PROFESIONAL DE INGENIERÍA DE TELECOMUNICACIONES

LABORATORIO DE: COMPUTACIÓN 2

EXPERIENCIA N°: 10

TÍTULO DE LA EXPERIENCIA:

PANDAS

Alumno(os): Grupal Indiv. Total

1.Gabriel Omar Curasi Cueva x
2.
3.
4.

Grupo: C
Docente: Ing William Mullisaca
Semestre: 3 Atamari
Fecha de
Hora:
entrega:
 ESCUELA PROFESIONAL DE INGENIERÍA Emisión:
DE TELECOMUNICACIONES 28/05/2020
LABORATORIO DE INFORMÁTICA
Página
EXPERIENCIA: 10
2 / 10
PANDAS
LABORATORIO N° 10

PANDAS

I.- OBJETIVOS:
-. Que el estudiante sea capaz de usar las condicionales en Python.

II.- FUNDAMENTO TEÓRICO:

Pandas es una biblioteca de código abierto de Python que proporciona análisis y manipulación
de datos en la programación en Python.
Es una biblioteca muy prometedora de representación de datos, filtrado y programación
estadística. La pieza más importante en pandas es el DataFrame donde almacena y juega con
los datos.

LEER UN ARCHIVO DE EXCEL

Puedes leer desde un archivo de Excel usando el método read_excel () de pandas. Para esto,
necesitas importar un módulo más llamado xlrd.
Instala xlrd usando pip:
pip install xlrd
 ESCUELA PROFESIONAL DE INGENIERÍA Emisión:
DE TELECOMUNICACIONES 28/05/2020
LABORATORIO DE INFORMÁTICA
Página
EXPERIENCIA: 10
3 / 10
PANDAS
El siguiente ejemplo muestra cómo leer de una hoja de Excel:
1. Creamos una hoja de Excel con los siguientes contenidos:

2. Importa el módulo de pandas.

import pandas

3. Pasaremos el nombre del archivo de Excel y el número de hoja del que necesitamos leer
los datos al método read_excel ().
pandas.read_excel('pandasExcel.xlsx', 'Sheet1')

El fragmento anterior generará el siguiente resultado:

 ESCUELA PROFESIONAL DE INGENIERÍA Emisión:
DE TELECOMUNICACIONES 28/05/2020
LABORATORIO DE INFORMÁTICA
Página
EXPERIENCIA: 10
4 / 10
PANDAS
Si verificas el tipo de salida usando la palabra clave de type, te dará el siguiente resultado:
<class 'pandas.core.frame.DataFrame'>

Este resultado es llamado DataFrame. Esa es la unidad básica de pandas con la que se va a
tratar mas adelante.
El DataFrame es una estructura de 2 dimensiones etiquetada donde podemos almacenar datos
de diferentes tipos. DataFrame es similar a una tabla SQL o una hoja de cálculo de Excel.

IMPORTAR ARCHIVO CSV

Para leer un archivo CSV, puedes usar el método read_csv () de pandas.

Importa el módulo de pandas:
import pandas

Ahora llama al método read_csv () de la siguiente manera:

pandas.read_csv('Book1.csv')

Book1.csv tiene el siguiente contenido:

 ESCUELA PROFESIONAL DE INGENIERÍA Emisión:
DE TELECOMUNICACIONES 28/05/2020
LABORATORIO DE INFORMÁTICA
Página
EXPERIENCIA: 10
5 / 10
PANDAS
El código generará el siguiente DataFrame:

III.- RECOMENDACIONES EN SEGURIDAD

3.1. En condiciones de una emergencia Identifique:

• Vías de acceso y evacuación
• Equipos de respuesta a emergencias
• Señalización de seguridad

3.2. Complete el ATS (Anexo 1) y cumpla las condiciones obligatorias para el uso del
ambiente

IV.- EQUIPOS Y MATERIALES A UTILIZAR:

Cantidad Descripción
1 PC con software Python

V.- PROCEDIMIENTO:

5.1. Escribir un programa que pregunte al usuario por las ventas de un rango de años y muestre
por pantalla una serie con los datos de las ventas indexada por los años, antes y después de
aplicarles un descuento del 10%.

import pandas as pd

inicio = int(input('Introduce el año inicial: '))

 ESCUELA PROFESIONAL DE INGENIERÍA Emisión:
DE TELECOMUNICACIONES 28/05/2020
LABORATORIO DE INFORMÁTICA
Página
EXPERIENCIA: 10
6 / 10
PANDAS
fin = int(input('Introduce el año final: '))
ventas = {}
for i in range(inicio, fin+1):
ventas[i] = float(input('Introduce las ventas del año ' + str(i
) +': '))
ventas = pd.Series(ventas)
print('Ventas\n', ventas)
print('Ventas con descuento\n', ventas*0.9)

Ventas
2010 100000.0
2011 120000.0
2012 115000.0
2013 125000.0
2014 130000.0
2015 122000.0
dtype: float64
Ventas con descuento
2010 90000.0
2011 108000.0
2012 103500.0
2013 112500.0
2014 117000.0
2015 109800.0
dtype: float64

5.2. Escribir una función que reciba un diccionario con las notas de los alumnos en curso en
un examen y devuelva una serie con la nota mínima, la máxima, media y la desviación típica.
import pandas as pd

def estadistica_notas(notas):
notas = pd.Series(notas)
estadisticos = pd.Series([notas.min(), notas.max(), notas.mean(
), notas.std()], index=['Min', 'Max', 'Media', 'Desviación típica']
)
return estadisticos

notas = {'Juan':9, 'María':6.5, 'Pedro':4, 'Carmen': 8.5, 'Luis': 5

}
print(estadistica_notas(notas))

Min 4.000000
 ESCUELA PROFESIONAL DE INGENIERÍA Emisión:
DE TELECOMUNICACIONES 28/05/2020
LABORATORIO DE INFORMÁTICA
Página
EXPERIENCIA: 10
7 / 10
PANDAS
Max 9.000000
Media 6.600000
Desviación típica 2.162175
dtype: float64

VI.- EJERCICIO:

6.1 Escribir una función que reciba un diccionario con las notas de los alumnos en curso en
un examen y devuelva una serie con las notas de los alumnos aprobados ordenadas de mayor
a menor.

Codigo

import pandas as pd

def aprobados(notas):
notas = pd.Series(notas)
return notas[notas >= 5].sort_values(ascending=False)

notas = {'Gabriel':9, 'Lidia':6.5, 'Omar':4, 'Jonas': 8.5, 'Pedro': 5}

print(aprobados(notas))
6.2 Escribir programa que genere y muestre por pantalla un DataFrame con los datos de la
tabla siguiente:

Mes Ventas Gastos

Enero 30500 22000

Febrero 35600 23400

Marzo 28300 18100

Abril 33900 20700

 import pandas as pd

datos = [['Enero', 30500, 22000], ['Febrero', 35600, 23400], ['Marzo', 28300, 18100],
['Abril', 33900,20700]]
contabilidad = pd.DataFrame(datos, columns=['Mes', 'Ventas', 'Gastos'])
print(contabilidad)

VII.- BIBLIOGRAFÍA:

• Eugenia Bahit Curso: Python para Principiantes www.eugeniabahit.com

• https://www.youtube.com/watch?v=gimfTyCNfGw&t=139s

SUGERENCIAS
El ejercicio de la 5.1 tiene errores
 import pandas as pd

inicio = int(input('Introduce el año inicial: '))

fin = int(input('Introduce el año final: '))
ventas = {}
for i in range(inicio, fin+1):
ventas[i] = float(input('Introduce las ventas del
año ' + str(i) +': '))
ventas = pd.Series(ventas)
print('Ventas\n', ventas)
print('Ventas con descuento\n', ventas*0.9)

Rubrica:
Desarrollo de experiencias
Observaciones
Conclusiones

Porcentaje %
Bibliografía

Sugerencias
Puntualidad

Asistencia

Total
x 5.1 5.2 5.3 5.4 5.5 5.6 5.7 6.1 6.2 6.3
2.0 3.0 4.0 - - - - - - 3.0 3.0 3.0 - 1.0 1.0 20 15
ESCUELA PROFESIONAL DE INGENIERÍA Emisión:
DE TELECOMUNICACIONES 28/05/2020
LABORATORIO DE INFORMÁTICA
Página
EXPERIENCIA: 10
8 / 10
PANDAS
Ing William Mullisaca
Docente DAIE
 Anexo 1 Fecha 30/04/2020
ATS: Análisis de trabajo seguro Versión 1.1
Código ATS20V1
Curso: Tarea: Docente:
Ambiente: Grupo: Mesa: Fecha:
Integrantes (Apellidos y nombres) Firma Integrantes (Apellidos y nombres) Firma
1. 2.

3. 4.
Elementos de protección (Marque con aspa) Características de elementos de protección, equipos y herramientas

1.
USO OBLIGATORIO
DEL CASCO DE
USO OBLIGATORIO
DE BOTAS AISLANTES
USO OBLIGATORIO
DE GUANTES
USO OBLIGATORIO
DE PROTECCIÓN
USO OBLIGATORIO
DE MASCARILLA
USO
OBLIGATORIO DE
2.
SEGURIDAD AISLANTES OCULAR PROTECTOR
FACIAL
3.
4.
5.
USO OBLIGATORIO APAGAR USO OBLIGATORIO OBLIGATORIO USO OBLIGATORIO OTRO
DE PROTECCIÓN DESCONECTAR DE PROTECTOR CONECTAR A DE TRAJE DE
AUDITIVA CUANDO NO SE USE AJUSTABLE TIERRA SEGURIDAD

Acciones a realizar Otros riesgos en las acciones

(marque con aspa las advertencias por cada a realizar, considerar
acción) medidas de control
1.
1.
2.
3.
2.
4.
5.
3.
6.
ESCUELA PROFESIONAL DE INGENIERÍA Emisión:
DE TELECOMUNICACIONES 28/05/2020
LABORATORIO DE INFORMÁTICA
Página
EXPERIENCIA: 10
10 / 10
PANDAS