Scribd
Cargar
41 vistas

Lab 1 Python

El laboratorio 1 tuvo como objetivos generar un dataframe original con datos de muestra, visualizarlo y modificarlo. También se cargaron datos desde un archivo de texto y una hoja de cálculo a dataframes. Se reemplazaron valores en las columnas por categorías y se visualizaron los cambios.

Cargado por

Orlando Soto
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd
41 vistas

Lab 1 Python

El laboratorio 1 tuvo como objetivos generar un dataframe original con datos de muestra, visualizarlo y modificarlo. También se cargaron datos desde un archivo de texto y una hoja de cálculo a dataframes. Se reemplazaron valores en las columnas por categorías y se visualizaron los cambios.

Cargado por

Orlando Soto
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd
Está en la página 1/ 3

Lab_1

September 22, 2019

Laboratorio 1
Carga de Datos con Python
Objetivos:

1. Generar un dataframe original con una muestra de datos


2. Visualizar el dataframe
3. Modificar el dataframe y ver los cambios
4. Leer un archivo de texto y visualizarlo como dataframe
5. Leer un libro de excel y visualizarlo como dataframe

Importación de liberías:
[1]: import pandas as pd
Se genera un dataframe con los datos entregados en la guía:
[2]: df1 = pd.DataFrame({'edad': [18, 19, None, 18, 24, 17, 22, 15, 22, 25],
'sexo': [0, 1, 0, 0, 1, 0, 0, 1, 1, 0],
'estudios': [1, 2, 0, 1, 3, 2, 3, 1, 2, 3]})
Visualización de lo cargado:
[3]: df1
[3]: edad sexo estudios
0 18.0 0 1
1 19.0 1 2
2 NaN 0 0
3 18.0 0 1
4 24.0 1 3
5 17.0 0 2
6 22.0 0 3
7 15.0 1 1
8 22.0 1 2
9 25.0 0 3
Remplazamos los valores numéricos contenidos en la columna sexo:
[4]: df1 = df1.replace({'sexo': {0: 'Hombre', 1: 'Mujer'}})
Visualizamos el dataframe:
[5]: df1

1
[5]: edad sexo estudios
0 18.0 Hombre 1
1 19.0 Mujer 2
2 NaN Hombre 0
3 18.0 Hombre 1
4 24.0 Mujer 3
5 17.0 Hombre 2
6 22.0 Hombre 3
7 15.0 Mujer 1
8 22.0 Mujer 2
9 25.0 Hombre 3
Remplazamos de forma análoga los valores de la columna estudios:
[6]: df1 = df1.replace({'sexo': {0: 'Hombre', 1: 'Mujer'},
'estudios': {0: 'Sin estudios', 1: 'Estudios Primarios',
2: 'Estudios Secundarios', 3: 'Estudios␣
,→Superiores'}})

[7]: df1
[7]: edad sexo estudios
0 18.0 Hombre Estudios Primarios
1 19.0 Mujer Estudios Secundarios
2 NaN Hombre Sin estudios
3 18.0 Hombre Estudios Primarios
4 24.0 Mujer Estudios Superiores
5 17.0 Hombre Estudios Secundarios
6 22.0 Hombre Estudios Superiores
7 15.0 Mujer Estudios Primarios
8 22.0 Mujer Estudios Secundarios
9 25.0 Hombre Estudios Superiores
Importaremos un archivo de texto plano a nuestro entorno como un dataframe:
[8]: df2 = pd.read_csv('datos.txt')
Visualizamos los datos cargados:
[9]: df2
[9]: sexo numero
0 M 2
1 M 7
2 F 3
3 M 1
4 F 8
[10]: df3 = pd.read_excel('planilla.xlsx')
Visualización deñ libro de excel cargado:
[11]: df3

2
[11]: OrderDate Region Rep Item Units Unit Cost Total
0 2018-01-06 East Jones Pencil 95 1.99 189.05
1 2018-01-23 Central Kivell Binder 50 19.99 999.50
2 2018-02-09 Central Jardine Pencil 36 4.99 179.64
3 2018-02-26 Central Gill Pen 27 19.99 539.73
4 2018-03-15 West Sorvino Pencil 56 2.99 167.44
5 2018-04-01 East Jones Binder 60 4.99 299.40
6 2018-04-18 Central Andrews Pencil 75 1.99 149.25
7 2018-05-05 Central Jardine Pencil 90 4.99 449.10
8 2018-05-22 West Thompson Pencil 32 1.99 63.68
9 2018-06-08 East Jones Binder 60 8.99 539.40
10 2018-06-25 Central Morgan Pencil 90 4.99 449.10
11 2018-07-12 East Howard Binder 29 1.99 57.71
12 2018-07-29 East Parent Binder 81 19.99 1619.19
13 2018-08-15 East Jones Pencil 35 4.99 174.65
14 2018-09-01 Central Smith Desk 2 125.00 250.00
15 2018-09-18 East Jones Pen Set 16 15.99 255.84
16 2018-10-05 Central Morgan Binder 28 8.99 251.72
17 2018-10-22 East Jones Pen 64 8.99 575.36
18 2018-11-08 East Parent Pen 15 19.99 299.85
19 2018-11-25 Central Kivell Pen Set 96 4.99 479.04
20 2018-12-12 Central Smith Pencil 67 1.29 86.43
21 2018-12-29 East Parent Pen Set 74 15.99 1183.26
22 2019-01-15 Central Gill Binder 46 8.99 413.54
23 2019-02-01 Central Smith Binder 87 15.00 1305.00
24 2019-02-18 East Jones Binder 4 4.99 19.96
25 2019-03-07 West Sorvino Binder 7 19.99 139.93
26 2019-03-24 Central Jardine Pen Set 50 4.99 249.50
27 2019-04-10 Central Andrews Pencil 66 1.99 131.34
28 2019-04-27 East Howard Pen 96 4.99 479.04
29 2019-05-14 Central Gill Pencil 53 1.29 68.37
30 2019-05-31 Central Gill Binder 80 8.99 719.20
31 2019-06-17 Central Kivell Desk 5 125.00 625.00
32 2019-07-04 East Jones Pen Set 62 4.99 309.38
33 2019-07-21 Central Morgan Pen Set 55 12.49 686.95
34 2019-08-07 Central Kivell Pen Set 42 23.95 1005.90
35 2019-08-24 West Sorvino Desk 3 275.00 825.00
36 2019-09-10 Central Gill Pencil 7 1.29 9.03
37 2019-09-27 West Sorvino Pen 76 1.99 151.24
38 2019-10-14 West Thompson Binder 57 19.99 1139.43
39 2019-10-31 Central Andrews Pencil 14 1.29 18.06
40 2019-11-17 Central Jardine Binder 11 4.99 54.89
41 2019-12-04 Central Jardine Binder 94 19.99 1879.06
42 2019-12-21 Central Andrews Binder 28 4.99 139.72

También podría gustarte