Módulos

El código de un programa en Python puede reutilizarse en otro importándolo.

Cualquier fichero con código de Python reutilizable se conoce
como módulo o librería.

Los módulos suelen contener funciones reutilizables, pero también pueden

definir variables con datos simples o compuestos (listas, diccionarios, etc), o
cualquier otro código válido en Python.

Python permite importar un módulo completo o sólo algunas partes de él.

Cuando se importa un módulo completo, el intérprete de Python ejecuta todo el
código que contiene el módulo, mientras que si solo se importan algunas partes
del módulo, solo se ejecutarán esas partes.

Importación completa de módulos (import)

 import M : Ejecuta el código que contiene M y crea una referencia a él, de

manera que pueden invocarse un objeto o función f definida en él
mediante la sintaxis M.f.
 import M as N : Ejecuta el código que contiene M y crea una referencia a
él con el nombre N, de manera que pueden invocarse un objeto o
función f definida en él mediante la sintaxis N.f. Esta forma es similar a
la anterior, pero se suele usar cuando el nombre del módulo es muy largo
para utilizar un alias más corto.

Importación parcial de módulos (from import)

 from M import f, g, ... : Ejecuta el código que contiene M y crea

referencias a los objetos f, g, ..., de manera que pueden ser
invocados por su nombre. De esta manera para invocar cualquiera de
estos objetos no hace falta precederlos por el nombre del módulo, basta
con escribir su nombre.
 from M import * : Ejecuta el código que contiene M y crea referencias a
todos los objetos públicos (aquellos que no empiezan por el carácter _)
definidos en el módulo, de manera que pueden ser invocados por su
nombre.

Cuando se importen módulos de esta manera hay que tener cuidado de que no
haya coincidencias en los nombres de funciones, variables u otros objetos.
>>> import calendar
>>> print(calendar.month(2019, 4))
April 2019
Mo Tu We Th Fr Sa Su
1 2 3 4 5 6 7
8 9 10 11 12 13 14
15 16 17 18 19 20 21
22 23 24 25 26 27 28
29 30
>>> from math import *
>>> cos(pi)
-1.0

Módulos de la librería estándar más importantes

Python viene con una biblioteca de módulos predefinidos que no necesitan

instalarse. Algunos de los más utilizados son:

 sys: Funciones y parámetros específicos del sistema operativo.

 os: Interfaz con el sistema operativo.
 os.path: Funciones de acceso a las rutas del sistema.
 io: Funciones para manejo de flujos de datos y ficheros.
 string: Funciones con cadenas de caracteres.
 datetime: Funciones para fechas y tiempos.
 math: Funciones y constantes matemáticas.
 statistics: Funciones estadísticas.
 random: Generación de números pseudo-aleatorios.

Otras librerías imprescindibles

Estas librerías no vienen en la distribución estándar de Python y necesitan

instalarse. También puede optarse por la distribución Anaconda que incorpora
la mayoría de estas librerías.

 NumPy: Funciones matemáticas avanzadas y arrays.

 SciPy: Más funciones matemáticas para aplicaciones científicas.
 matplotlib: Análisis y representación gráfica de datos.
 Pandas: Funciones para el manejo y análisis de estructuras de datos.
 Request: Acceso a internet por http.
La librería Datetime
Para manejar fechas en Python se suele utilizar la librería datetime que
incorpora los tipos de datos date, time y datetime para representar fechas y
funciones para manejarlas. Algunas de las operaciones más habituales que
permite son:

 Acceder a los distintos componentes de una fecha (año, mes, día, hora,
minutos, segundos y microsegundos).
 Convertir cadenas con formato de fecha en los
tipos date, time o datetime.
 Convertir fechas de los tipos date, time o datetime en cadenas
formateadas de acuerdo a diferentes formatos de fechas.
 Hacer aritmética de fechas (sumar o restar fechas).
 Comparar fechas.

Los tipos de datos date, time y datetime

 date(año, mes, dia) : Devuelve un objeto de tipo date que representa la

fecha con el año, mes y dia indicados.
 time(hora, minutos, segundos, microsegundos) : Devuelve un objeto
de tipo time que representa un tiempo
la hora, minutos, segundos y microsegundos indicados.
 datetime(año, mes, dia, hora, minutos, segundos,
microsegundos) : Devuelve un objeto de tipo datetime que representa
una fecha y hora con
el año, mes, dia, hora, minutos, segundos y microsegundos indicados.
from datetime import date, time, datetime
>>> date(2020, 12, 25)
datetime.date(2020, 12, 25)
>>> time(13,30,5)
datetime.time(13, 30, 5)
>>> datetime(2020, 12, 25, 13, 30, 5)
datetime.datetime(2020, 12, 25, 13, 30, 5)
>>> print(datetime(2020, 12, 25, 13, 30, 5))
2020-12-25 13:30:05

Acceso a los componentes de una fecha

 date.today() : Devuelve un objeto del tipo date la fecha del sistema en

el momento en el que se ejecuta.
  datetime.now(): Devuelve un objeto del tipo datetime con la fecha y la
hora del sistema en el momento exacto en el que se ejecuta.
 d.year : Devuelve el año de la fecha d, puede ser del
tipo date o datetime.
 d.month : Devuelve el mes de la fecha d, que puede ser del
tipo date o datetime.
 d.day : Devuelve el día de la fecha d, que puede ser del
tipo date o datetime.
 d.weekday() : Devuelve el día de la semana de la fecha d, que puede
serpuede ser del tipo date o datetime.
 t.hour : Devuelve las horas del tiempo t, que puede ser del
tipo time o datetime.
 t.hour : Devuelve los minutos del tiempo t, que puede ser del
tipo time o datetime.
 t.second : Devuelve los segundos del tiempo t, que puede ser del
tipo time o datetime.
 t.microsecond : Devuelve los microsegundos del tiempo t, que puede
ser del tipo time o datetime.
>>> from datetime import date, time, datetime
>>> print(date.today())
2020-04-11
>>> dt = datetime.now()
>>> dt.year
2020
>>> dt.month
4
>>> dt.day
11
>>> dt.hour
22
>>> dt.minute
5
>>> dt.second
45
>>> dt.microsecond
1338

Conversión de fechas en cadenas con diferentes formatos

d.strftime(formato) : Devuelve la cadena que resulta de transformar la

fecha d con el formato indicado en la cadena formato. La
cadena formato puede contener los siguientes marcadores de
posición: %Y (año completo), %y (últimos dos dígitos del año), %m (mes en
 número), %B (mes en palabra), %d (día), %A (día de la semana), %a (día de la
semana abrevidado), %H (hora en formato 24 horas), %I (hora en formato 12
horas), %M (minutos), %S (segundos), %p (AM o PM), %C (fecha y hora
completas), %x (fecha completa), %X (hora completa).
>>> from datetime import date, time, datetime
>>> d = datetime.now()
>>> print(d.strftime('%d-%m-%Y'))
13-04-2020
>>> print(d.strftime('%A, %d %B, %y'))
Monday, 13 April, 20
>>> print(d.strftime('%H:%M:%S'))
20:55:53
>>> print(d.strftime('%H horas, %M minutos y %S segundos'))
20 horas, 55 minutos y 53 segundos

Conversión de cadenas en fechas

strptime(s, formato) : Devuelve el objeto de

tipo date, time o datetime que resulta de convertir la cadena s de acuerdo
al formato indicado en la cadena formato. La cadena formato puede
contener los siguientes marcadores de posición: %Y (año
completo), %y (últimos dos dígitos del año), %m (mes en número), %B (mes en
palabra), %d (día), %A (día de la semana), %a (día de la semana
abrevidado), %H (hora en formato 24 horas), %I (hora en formato 12
horas), %M (minutos), %S (segundos), %p (AM o PM), %C (fecha y hora
completas), %x (fecha completa), %X (hora completa).
>>> from datetime import date, time, datetime
>>> datetime.strptime('15/4/2020', '%d/%m/%Y')
datetime.datetime(2020, 4, 15, 0, 0)
>>> datetime.strptime('2020-4-15 20:50:30', '%Y-%m-%d %H:%M:%S')
datetime.datetime(2020, 4, 15, 20, 50, 30)

Aritmética de fechas

Para representar el tiempo transcurrido entre dos fechas se utiliza el

tipo timedelta.

 timedelta(dias, segundos, microsegundos) : Devuelve un objeto del

tipo timedelta que representa un intervalo de tiempo con
los dias, segundos y micorsegundos indicados.
 d1 - d2 : Devuelve un objeto del tipo timedelta que representa el tiempo
transcurrido entre las fechas d1 y d2 del tipo datetime.
  d + delta : Devuelve la fecha del tipo datetime que resulta de sumar a
la fecha d el intervalo de tiempo delta, donde delta es del
tipo timedelta.
>>> from datetime import date, time, datetime, timedelta
>>> d1 = datetime(2020, 1, 1)
>>> d1 + timedelta(31, 3600)
datetime.datetime(2020, 2, 1, 1, 0)
>>> datetime.now() - d1
datetime.timedelta(days=132, seconds=1826, microseconds=895590)

La librería Numpy
NumPy es una librería de Python especializada en el cálculo numérico y el
análisis de datos, especialmente para un gran volumen de datos.

Incorpora una nueva clase de objetos llamados arrays que permite representar
colecciones de datos de un mismo tipo en varias dimensiones, y funciones muy
eficientes para su manipulación.

La ventaja de Numpy frente a las listas predefinidas en Python es que el

procesamiento de los arrays se realiza mucho más rápido (hasta 50 veces
más) que las listas, lo cual la hace ideal para el procesamiento de vectores y
matrices de grandes dimensiones.

La clase de objetos array

Un array es una estructura de datos de un mismo tipo organizada en forma de

tabla o cuadrícula de distintas dimensiones.

Las dimensiones de un array también se conocen como ejes.

Creación de arrays

Para crear un array se utiliza la siguiente función de NumPy

 np.array(lista) : Crea un array a partir de la lista o tupla lista y

devuelve una referencia a él. El número de dimensiones del array
dependerá de las listas o tuplas anidadas en lista:
 Para una lista de valores se crea un array de una dimensión, también
conocido como vector.
 Para una lista de listas de valores se crea un array de dos dimensiones,
también conocido como matriz.
 Para una lista de listas de listas de valores se crea un array de tres
dimensiones, también conocido como cubo.
 Y así sucesivamente. No hay límite en el número de dimensiones del
array más allá de la memoria disponible en el sistema.
Los elementos de la lista o tupla deben ser del mismo tipo.
>>> # Array de una dimensión
>>> a1 = np.array([1, 2, 3])
>>> print(a1)
[1 2 3]
>>> # Array de dos dimensiones
>>> a2 = np.array([[1, 2, 3], [4, 5, 6]])
>>> print(a2)
[[1 2 3]
[4 5 6]]
>>> # Array de tres dimensiones
>>> a3 = np.array([[[1, 2, 3], [4, 5, 6]], [[7, 8, 9], [10, 11, 12]]])
>>> print(a3)
[[[ 1 2 3]
[ 4 5 6]]

[[ 7 8 9]
[10 11 12]]]
Otras funciones útiles que permiten generar arrays son:

 np.empty(dimensiones) : Crea y devuelve una referencia a un array

vacío con las dimensiones especificadas en la tupla dimensiones.
 np.zeros(dimensiones) : Crea y devuelve una referencia a un array con
las dimensiones especificadas en la tupla dimensiones cuyos elementos
son todos ceros.
 np.ones(dimensiones) : Crea y devuelve una referencia a un array con
las dimensiones especificadas en la tupla dimensiones cuyos elementos
son todos unos.
 np.full(dimensiones, valor) : Crea y devuelve una referencia a un
array con las dimensiones especificadas en la tupla dimensiones cuyos
elementos son todos valor.
 np.identity(n) : Crea y devuelve una referencia a la matriz identidad de
dimensión n.
 np.arange(inicio, fin, salto) : Crea y devuelve una referencia a un
array de una dimensión cuyos elementos son la secuencia
desde inicio hasta fin tomando valores cada salto.
 np.linspace(inicio, fin, n) : Crea y devuelve una referencia a un
array de una dimensión cuyos elementos son la secuencia de n valores
equidistantes desde inicio hasta fin.
 np.random.random(dimensiones) : Crea y devuelve una referencia a un
array con las dimensiones especificadas en la tupla dimensiones cuyos
elementos son aleatorios.

>>> print(np.zeros(3,2))
[[0. 0. 0.]
[0. 0. 0.]]
>>> print(np.idendity(3))
[[1. 0. 0.]
[0. 1. 0.]
[0. 0. 1.]]
>>> print(np.arange(1, 10, 2))
[1 3 5 7 9]
>>> print(np.linspace(0, 10, 5))
[ 0. 2.5 5. 7.5 10. ]

Atributos de un array
Existen varios atributos y funciones que describen las características de un
array.

 a.ndim : Devuelve el número de dimensiones del array a.

 a.shape : Devuelve una tupla con las dimensiones del array a.
 a.size : Devuelve el número de elementos del array a.
 a.dtype: Devuelve el tipo de datos de los elementos del array a.

Acceso a los elementos de un array

Para acceder a los elementos contenidos en un array se usan índices al igual
que para acceder a los elementos de una lista, pero indicando los índices de
cada dimensión separados por comas.

Al igual que para listas, los índices de cada dimensión comienzan en 0.

También es posible obtener subarrays con el operador dos puntos : indicando

el índice inicial y el siguiente al final para cada dimensión, de nuevo separados
por comas.
>>> a = np.array([[1, 2, 3], [4, 5, 6]])
>>> print(a[1, 0]) # Acceso al elemento de la fila 1 columna 0
4
>>> print(a[1][0]) # Otra forma de acceder al mismo elemento
4
>>> print(a[:, 0:2])
[[1 2]
[4 5]]

Filtrado de elementos de un array

Una característica muy útil de los arrays es que es muy fácil obtener otro array
con los elementos que cumplen una condición.

a[condicion] : Devuelve una lista con los elementos del array a que
cumplen la condición condicion.
 >>> a = np.array([[1, 2, 3], [4, 5, 6]])
 >>> print(a[(a % 2 == 0)])
 [2 4 6]
 >>> print(a[(a % 2 == 0) & (a > 2)])
 [2 4]
Operaciones matemáticas con arrays
Existen dos formas de realizar operaciones matemáticas con arrays: a nivel de
elemento y a nivel de array.

Las operaciones a nivel de elemento operan los elementos que ocupan la

misma posición en dos arrays. Se necesitan, por tanto, dos arrays con las
mismas dimensiones y el resultado es una array de la misma dimensión.

Los operadores mamemáticos +, -, *, /, %, ** se utilizan para la realizar suma,

resta, producto, cociente, resto y potencia a nivel de elemento.
>>> a = np.array([[1, 2, 3], [4, 5, 6]])
>>> b = np.array([[1, 1, 1], [2, 2, 2]])
>>> print(a + b )
[[2 3 4]
[6 7 8]]
>>> print(a / b)
[[1. 2. 3. ]
[2. 2.5 3. ]]
>>> print(a ** 2)
[[ 1 4 9]
[16 25 36]]

Álgebra matricial
Numpy incorpora funciones para realizar las principales operaciones
algebraicas con vectores y matrices. La mayoría de los métodos algebráicos se
agrupan en el submódulo linalg.

Producto escalar de dos vectores

Para realizar el producto escalar de dos vectores se utiliza el operador @ o el
siguiente método:

u.dot(v): Devuelve el producto escalar de los vectores u y v.

 >>> import numpy as np
 >>> a = np.array([1, 2, 3])
 >>> b = np.array([1, 0, 1])
 >>> print(a @ b)
 4
 >>> print(a.dot(b))
 4

Módulo de un vector
Para calcular el módulo de un vector se utiliza el siguiente método:

norm(v): Devuelve el módulo del vector v.

 >>> import numpy as np
 >>> a = np.array([3, 4])
 >>> print(np.linalg.norm(a))
 5.0

Producto de dos matrices

Para realizar el producto matricial se utiliza el mismo operador @ y método que

para el producto escalar de vectores:

a.dot(b) : Devuelve el producto matricial de las matrices a y b siempre y

cuando sus dimensiones sean compatibles.
 >>> import numpy as np
 >>> a = np.array([[1, 2, 3], [4, 5, 6]])
 >>> b = np.array([[1, 1], [2, 2], [3, 3]])
 >>> print(a @ b)
 [[14 14]
 [32 32]]
 >>> print(a.dot(b))
 [[14 14]
 [32 32]]

Matriz traspuesta

Para trasponer una matriz se utiliza el método

a.T : Devuelve la matriz traspuesta de la matriz a.

 >>> import numpy as np
 >>> a = np.array([[1, 2, 3], [4, 5, 6]])
 >>> print(a.T)
 [[1 4]
 [2 5]
 [3 6]]

Traza de una matriz

La traza de una matriz cuadrada se calcula con el siguiente método:

 a.trace() : Devuelve la traza (suma de la diagonal principal) de la matriz

cuadrada a.
 >>> import numpy as np
 >>> a = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
 >>> print(a.trace())
  15

Determinante de una matriz

El determinante de una matriz cuadrada se calcula con la siguiente función:

det(a) : Devuelve el determinante de la matriz cuadrada a.

 >>> import numpy as np
 >>> a = np.array([[1, 2], [3, 4]])
 >>> print(np.linalg.det(a))
 -2.0

Matriz inversa

La inversa de una matriz se calcula con la siguiente función:

inv(a) : Devuelve la matriz inversa de la matriz cuadrada a.

 >>> import numpy as np
 >>> a = np.array([[1, 2], [3, 4]])
 >>> print(np.linalg.inv(a))
 [[-2. 1. ]
 [ 1.5 -0.5]]

Autovalores de una matriz

Los autovalores de una matriz cuadrada se calculan con la siguiente función:

eigvals(a) : Devuelve los autovalores de la matriz cuadrada a.

 >>> import numpy as np
 >>> a = np.array([[1, 1, 0], [1, 2, 1], [0, 1, 1]])
 >>> print(np.linalg.eigvals(a))
 [ 3.00000000e+00 1.00000000e+00 -3.36770206e-17]

Autovectores de una matriz

Los autovectores de una matriz cuadrada se calculan con la siguiente función:

eig(a) : Devuelve los autovalores y los autovectores asociados de la matriz

cuadrada a.
 >>> import numpy as np
 >>> a = np.array([[1, 1, 0], [1, 2, 1], [0, 1, 1]])
 >>> print(np.linalg.eig(a))
 (array([ 3.00000000e+00, 1.00000000e+00, -3.36770206e-17]),
array([[-4.08248290e-01, 7.07106781e-01, 5.77350269e-01],
 [-8.16496581e-01, 2.61239546e-16, -5.77350269e-01],
 [-4.08248290e-01, -7.07106781e-01, 5.77350269e-01]]))
Solución de un sistema de ecuaciones

Para resolver un sistema de ecuaciones lineales se utiliza la función siguiente:

solve(a, b) : Devuelve la solución del sistema de ecuaciones lineales con

los coeficientes de la matriz a y los términos independientes de la matriz b.
>>> import numpy as np
# Sistema de dos ecuaciones y dos incógnitas
# x + 2y = 1
# 3x + 5y = 2
>>> a = np.array([[1, 2], [3, 5]])
>>> b = np.array([1, 2])
>>> print(np.linalg.solve(a, b))
[-1. 1.]
Ejemplo de Array con NumPay
La librería Pandas
Pandas es una librería de Python especializada en el manejo y análisis de
estructuras de datos.

Las principales características de esta librería son:

 Define nuevas estructuras de datos basadas en los arrays de la librería

NumPy pero con nuevas funcionalidades.
 Permite leer y escribir fácilmente ficheros en formato CSV, Excel y bases
de datos SQL.
 Permite acceder a los datos mediante índices o nombres para filas y
columnas.
 Ofrece métodos para reordenar, dividir y combinar conjuntos de datos.
 Permite trabajar con series temporales.
 Realiza todas estas operaciones de manera muy eficiente.

Tipos de datos de Pandas

Pandas dispone de tres estructuras de datos diferentes:

 Series: Estructura de una dimensión.

 DataFrame: Estructura de dos dimensiones (tablas).
 Panel: Estructura de tres dimensiones (cubos).
Estas estructuras se construyen a partir de arrays de la librería NumPy,
añadiendo nuevas funcionalidades.

La clase de objetos Series

Son estructuras similares a los arrays de una dimensión. Son homogéneas, es
decir, sus elementos tienen que ser del mismo tipo, y su tamaño es inmutable,
es decir, no se puede cambiar, aunque si su contenido.

Dispone de un índice que asocia un nombre a cada elemento del la serie, a

través de la cuál se accede al elemento.

Ejemplo. La siguiente serie contiene las asignaturas de un curso.

Creación de series
Creación de una serie a partir de una lista

 Series(data=lista, index=indices, dtype=tipo) : Devuelve un objeto

de tipo Series con los datos de la lista lista, las filas especificados en la
lista indices y el tipo de datos indicado en tipo. Si no se pasa la lista de
índices se utilizan como índices los enteros del 0 al n−1, done n es el
tamaño de la serie. Si no se pasa el tipo de dato se infiere.
>>> import pandas as pd
>>> s = pd.Series(['Matemáticas', 'Historia', 'Economía', 'Programación',
'Inglés'], dtype='string')
>>> print(s)
0 Matemáticas
1 Historia
2 Economía
3 Programación
4 Inglés
dtype: string

Creación de una serie a partir de un diccionario

  Series(data=diccionario, index=indices): Devuelve un objeto de tipo
Series con los valores del diccionario diccionario y las filas
especificados en la lista indices. Si no se pasa la lista de índices se
utilizan como índices las claves del diccionario.
>>> import pandas as pd
>>> s = pd.Series({'Matemáticas': 6.0, 'Economía': 4.5, 'Programación':
8.5})
>>> print(s)
Matemáticas 6.0
Economía 4.5
Programación 8.5
dtype: float64

Atributos de una serie

Existen varias propiedades o métodos para ver las características de una serie.

 s.size : Devuelve el número de elementos de la serie s.

 s.index : Devuelve una lista con los nombres de las filas del
DataFrame s.
 s.dtype : Devuelve el tipo de datos de los elementos de la serie s.

>>> import pandas as pd

>>> s = pd.Series([1, 2, 2, 3, 3, 3, 4, 4, 4, 4])
>>> s.size
10
>>> s.index
RangeIndex(start=0, stop=10, step=1)
>>> s.dtype
dtype('int64')

Acceso a los elementos de una serie

El acceso a los elementos de un objeto del tipo Series puede ser a través de
posiciones o través de índices (nombres).

Acceso por posición

Se realiza de forma similar a como se accede a los elementos de un array.

 s[i] : Devuelve el elemento que ocupa la posición i+1 en la serie s.

 s[posiciones]: Devuelve otra serie con los elementos que ocupan las
posiciones de la lista posiciones.
Acceso por índice

 s[nombre] : Devuelve el elemento con el nombre nombre en el índice.

 s[nombres] : Devuelve otra serie con los elementos correspondientes a
los nombres indicadas en la lista nombres en el índice.
>>> s[1:3]
Economía 4.5
Programación 8.5
dtype: float64
>>> s['Economía']
4.5
>>> s[['Programación', 'Matemáticas']]
Programación 8.5
Matemáticas 6.0
dtype: float64

Resumen descriptivo de una serie

Las siguientes funciones permiten resumir varios aspectos de una serie:

 s.count() : Devuelve el número de elementos que no son nulos ni NaN en

la serie s.
 s.sum() : Devuelve la suma de los datos de la serie s cuando los datos
son de un tipo numérico, o la concatenación de ellos cuando son del tipo
cadena str.
 s.cumsum() : Devuelve una serie con la suma acumulada de los datos de
la serie s cuando los datos son de un tipo numérico.
 s.value_counts() : Devuelve una serie con la frecuencia (número de
repeticiones) de cada valor de la serie s.
 s.min() : Devuelve el menor de los datos de la serie s.
 s.max() : Devuelve el mayor de los datos de la serie s.
 s.mean() : Devuelve la media de los datos de la serie s cuando los datos
son de un tipo numérico.
 s.var() : Devuelve la varianza de los datos de la serie s cuando los
datos son de un tipo numérico.
 s.std() : Devuelve la desviación típica de los datos de la serie s cuando
los datos son de un tipo numérico.
 s.describe(): Devuelve una serie con un resumen descriptivo que
incluye el número de datos, su suma, el mínimo, el máximo, la media, la
desviación típica y los cuartiles.
>>> import pandas as pd
>>> s = pd.Series([1, 1, 1, 1, 2, 2, 2, 3, 3, 4])
>>> s.count() # Tamaño muestral
10
>>> s.sum() # Suma
20
>>> s.cumsum() # Suma acumulada
0 1
1 2
2 3
3 4
4 6
5 8
6 10
7 13
8 16
9 20
dtype: int64
>>> s.value_counts() # Frecuencias absolutas
1 4
2 3
3 2
4 1
dtype: int64
>>> s.value_counts(normalize=True) # Frecuencias relativas
1 0.4
2 0.3
3 0.2
4 0.1
dtype: float64
>>> s.min() # Mínimo
1
>>> s.max() # Máximo
4
>>> s.mean() # Media
2.0
>>> s.var() # Varianza
1.1111111111111112
>>> s.std() # Desviación típica
1.0540925533894598
>>> s.describe() # Resume descriptivo
count 10.000000
mean 2.000000
std 1.054093
min 1.000000
25% 1.000000
50% 2.000000
75% 2.750000
max 4.000000
dtype: float64

Aplicar operaciones a una serie

Los operadores binarios (+, *, /, etc.) pueden utilizarse con una serie, y
devuelven otra serie con el resultado de aplicar la operación a cada elemento
de la serie.
>>> import pandas as pd
s = pd.Series([1, 2, 3, 4])
>>> s * 2
0 2
1 4
2 6
3 8
dtype: int64
>>> s % 2
0 1
1 0
2 1
3 0
dtype: int64
>>> s = pd.Series(['a', 'b', 'c'])
>>> s * 5
0 aaaaa
1 bbbbb
2 ccccc
dtype: object

Aplicar funciones a una serie

También es posible aplicar una función a cada elemento de la serie mediante el
siguiente método:

 s.apply(f) : Devuelve una serie con el resultado de aplicar la función f a

cada uno de los elementos de la serie s.
>>> import pandas as pd
>>> from math import log
>>> s = pd.Series([1, 2, 3, 4])
>>> s.apply(log)
0 0.000000
1 0.693147
2 1.098612
3 1.386294
dtype: float64
>>> s = pd.Series(['a', 'b', 'c'])
>>> s.apply(str.upper)
0 A
1 B
2 C
dtype: object

Filtrar una serie

Para filtrar una serie y quedarse con los valores que cumplen una determinada
condición se utiliza el siguiente método:

 s[condicion] : Devuelve una serie con los elementos de la serie s que

se corresponden con el valor True de la lista
booleana condicion. condicion debe ser una lista de valores booleanos
de la misma longitud que la serie.
>>> import pandas as pd
>>> s = pd.Series({'Matemáticas': 6.0, 'Economía': 4.5, 'Programación':
8.5})
>>> print(s[s > 5])
Matemáticas 6.0
Programación 8.5
dtype: float64

Ordenar una serie

Para ordenar una serie se utilizan los siguientes métodos:

 s.sort_values(ascending=booleano) : Devuelve la serie que resulta de

ordenar los valores la serie s. Si argumento del
parámetro ascending es True el orden es creciente y si
es False decreciente.
 df.sort_index(ascending=booleano) : Devuelve la serie que resulta de
ordenar el índice de la serie s. Si el argumento del
parámetro ascending es True el orden es creciente y si
es False decreciente.

>>> import pandas as pd

>>> s = pd.Series({'Matemáticas': 6.0, 'Economía': 4.5, 'Programación':
8.5})
>>> print(s.sort_values())
Economía 4.5
Matemáticas 6.0
Programación 8.5
dtype: float64
>>> print(s.sort_index(ascending = False))
Programación 8.5
Matemáticas 6.0
Economía 4.5
dtype: float64

Eliminar los dados desconocidos en una serie

Los datos desconocidos representan en Pandas por NaN y los nulos por None.
Tanto unos como otros suelen ser un problema a la hora de realizar algunos
análisis de datos, por lo que es habitual eliminarlos. Para eliminarlos de una
serie se utiliza el siguiente método:

 s.dropna() : Elimina los datos desconocidos o nulos de la serie s.

>>> import pandas as pd

>>> import numpy as np
>>> s = pd.Series(['a', 'b', None, 'c', np.NaN, 'd'])
>>> s
0 a
1 b
2 None
3 c
4 NaN
5 d
dtype: object
>>> s.dropna()
0 a
1 b
3 c
5 d
dtype: object

La clase de objetos DataFrame

Un objeto del tipo DataFrame define un conjunto de datos estructurado en
forma de tabla donde cada columna es un objeto de tipo Series, es decir, todos
los datos de una misma columna son del mismo tipo, y las filas son registros
que pueden contender datos de distintos tipos.

Un DataFrame contiene dos índices, uno para las filas y otro para las
columnas, y se puede acceder a sus elementos mediante los nombres de las
filas y las columnas.

Ejemplo. El siguiente DataFrame contiene información sobre los alumnos de

un curso. Cada fila corresponde a un alumno y cada columna a una variable.
Creación de un DataFrame
Creación de un DataFrame a partir de un diccionario de listas

Para crear un DataFrame a partir de un diccionario cuyas claves son los

nombres de las columnas y los valores son listas con los datos de las columnas
se utiliza el método:
 DataFrame(data=diccionario, index=filas, columns=columnas,
dtype=tipos) : Devuelve un objeto del tipo DataFrame cuyas columnas
son las listas contenidas en los valores del diccionario diccionario, los
nombres de filas indicados en la lista filas, los nombres de columnas
indicados en la lista columnas y los tipos indicados en la lista tipos. La
lista filas tiene que tener el mismo tamaño que las listas del diccionario,
mientras que las listas columnas y tipos tienen que tener el mismo
tamaño que el diccionario. Si no se pasa la lista de filas se utilizan como
nombres los enteros empezando en 0. Si no se pasa la lista de columnas
se utilizan como nombres las claves del diccionario. Si no se pasa la lista
de tipos, se infiere.

Los valores asociados a las claves del diccionario deben ser listas del mismo
tamaño.
>>> import pandas as pd
>>> datos = {'nombre':['María', 'Luis', 'Carmen', 'Antonio'],
... 'edad':[18, 22, 20, 21],
... 'grado':['Economía', 'Medicina', 'Arquitectura', 'Economía'],
... 'correo':['[email protected]', '[email protected]', '[email protected]',
'[email protected]']
 ... }
>>> df = pd.DataFrame(datos)
>>> print(df)
nombre edad grado correo
0 María 18 Economía [email protected]
1 Luis 22 Medicina [email protected]
2 Carmen 20 Arquitectura [email protected]
3 Antonio 21 Economía [email protected]

Creación de un DataFrame a partir de una lista de listas

Para crear un DataFrame a partir de una lista de listas con los datos de las
columnas se utiliza el siguiente método:
 DataFrame(data=listas, index=filas, columns=columnas,
dtype=tipos) : Devuelve un objeto del tipo DataFrame cuyas columnas
son los valores de las listas de la lista listas, los nombres de filas
indicados en la lista filas, los nombres de columnas indicados en la
lista columnas y los tipos indicados en la lista tipos. La lista filas, tiene
que tener el mismo tamaño que la lista listas mientras que las
listas columnas y tipos tienen que tener el mismo tamaño que las listas
anidadas en listas. Si no se pasa la lista de filas o de columnas se
utilizan enteros empezando en 0. Si no se pasa la lista de tipos, se infiere.

Si las listas anidadas en listas no tienen el mismo tamaño, las listas menores
se rellenan con valores NaN.
>>> import pandas as pd
>>> df = pd.DataFrame([['María', 18], ['Luis', 22], ['Carmen', 20]],
columns=['Nombre', 'Edad'])
>>> print(df)
Nombre Edad
0 María 18
1 Luis 22
2 Carmen 20

Creación de un DataFrame a partir de una lista de diccionarios

Para crear un DataFrame a partir de una lista de diccionarios con los datos de
las filas, se utiliza el siguiente método:
 DataFrame(data=diccionarios, index=filas, columns=columnas,
dtype=tipos) : Devuelve un objeto del tipo DataFrame cuyas filas
contienen los valores de los diccionarios de la lista diccionarios, los
nombres de filas indicados en la lista filas, los nombres de columnas
 indicados en la lista columnas y los tipos indicados en la lista tipos. La
lista filas tiene que tener el mismo tamaño que la lista lista. Si no se
pasa la lista de filas se utilizan enteros empezando en 0. Si no se pasa la
lista de columnas se utilizan las claves de los diccionarios. Si no se pasa
la lista de tipos, se infiere.

Si los diccionarios no tienen las mismas claves, las claves que no aparecen en
el diccionario se rellenan con valores NaN.
>>> import pandas as pd
>>> df = pd.DataFrame([{'Nombre':'María', 'Edad':18}, {'Nombre':'Luis',
'Edad':22}, {'Nombre':'Carmen'}])
>>> print(df)
0 María 18.0
1 Luis 22.0
2 Carmen NaN

Creación de un DataFrame a partir de un array

Para crear un DataFrame a partir de un array de NumPy se utiliza el siguiente

método:
 DataFrame(data=array, index=filas, columns=columnas,
dtype=tipo) : Devuelde un objeto del tipo DataFrame cuyas filas y
columnas son las del array array, los nombres de filas indicados en la
lista filas, los nombres de columnas indicados en la lista columnas y el
tipo indicado en tipo. La lista filas tiene que tener el mismo tamaño que
el número de filas del array y la lista columnas el mismo tamaño que el
número de columnas del array. Si no se pasa la lista de filas se utilizan
enteros empezando en 0. Si no se pasa la lista de columnas se utilizan
las claves de los diccionarios. Si no se pasa la lista de tipos, se infiere.
>>> import pandas as pd
>>> df = pd.DataFrame(np.random.randn(4, 3), columns=['a', 'b', 'c'])
>>> print(df)
a b c
0 -1.408238 0.644706 1.077434
1 -0.279264 -0.249229 1.019137
2 -0.805470 -0.629498 0.935066
3 0.236936 -0.431673 -0.177379

Creación de un DataFrame a partir de un fichero CSV o Excel

Dependiendo del tipo de fichero, existen distintas funciones para importar un

DataFrame desde un fichero.
  read_csv(fichero.csv, sep=separador, header=n, index_col=m,
na_values=no-validos, decimal=separador-decimal) : Devuelve un
objeto del tipo DataFrame con los datos del fichero
CSV fichero.csv usando como separador de los datos la
cadena separador. Como nombres de columnas se utiliza los valores de
la fila n y como nombres de filas los valores de la columna m. Si no se
indica m se utilizan como nombres de filas los enteros empezando en 0.
Los valores incluídos en la lista no-validos se convierten en NaN. Para
los datos numéricos se utiliza como separador de decimales el carácter
indicado en separador-decimal.
 read_excel(fichero.xlsx, sheet_name=hoja, header=n,
index_col=m, na_values=no-validos, decimal=separador-decimal) :
Devuelve un objeto del tipo DataFrame con los datos de la hoja de
cálculo hoja del fichero Excel fichero.xlsx. Como nombres de columnas
se utiliza los valores de la fila n y como nombres de filas los valores de la
columna m. Si no se indica m se utilizan como nombres de filas los enteros
empezando en 0. Los valores incluídos en la lista no-validos se
convierten en NaN. Para los datos numéricos se utiliza como separador de
decimales el carácter indicado en separador-decimal.

>>> import pandas as pd

>>> # Importación del fichero datos-colesteroles.csv
>>> df = pd.read_csv(
'https://raw.githubusercontent.com/asalber/manual-
python/master/datos/colesteroles.csv', sep=';', decimal=',')
>>> print(df.head())
nombre edad sexo peso altura colesterol
0 José Luis Martínez Izquierdo 18 H 85.0 1.79 182.0
1 Rosa Díaz Díaz 32 M 65.0 1.73 232.0
2 Javier García Sánchez 24 H NaN 1.81 191.0
3 Carmen López Pinzón 35 M 65.0 1.70 200.0
4 Marisa López Collado 46 M 51.0 1.58 148.0

Exportación de ficheros
También existen funciones para exportar un DataFrame a un fichero con
diferentes formatos.
 df.to_csv(fichero.csv, sep=separador, columns=booleano,
index=booleano) : Exporta el DataFrame df al fichero fichero.csv en
formato CSV usando como separador de los datos la cadena separador.
Si se pasa True al parámetro columns se exporta también la fila con los
nombres de columnas y si se pasa True al parámetro index se exporta
también la columna con los nombres de las filas.
  df.to_excel(fichero.xlsx, sheet_name = hoja, columns=booleano,
index=booleano) : Exporta el DataFrame df a la hoja de cálculo hoja del
fichero fichero.xlsx en formato Excel. Si se pasa True al
parámetro columns se exporta también la fila con los nombres de
columnas y si se pasa True al parámetro index se exporta también la
columna con los nombres de las filas.

Atributos de un DataFrame
Existen varias propiedades o métodos para ver las características de un
DataFrame.

 df.info() : Devuelve información (número de filas, número de columnas,

índices, tipo de las columnas y memoria usado) sobre el DataFrame df.
 df.shape : Devuelve una tupla con el número de filas y columnas del
DataFrame df.
 df.size : Devuelve el número de elementos del DataFrame.
 df.columns : Devuelve una lista con los nombres de las columnas del
DataFrame df.
 df.index : Devuelve una lista con los nombres de las filas del
DataFrame df.
 df.dtypes : Devuelve una serie con los tipos de datos de las columnas
del DataFrame df.
 df.head(n) : Devuelve las n primeras filas del DataFrame df.
 df.tail(n) : Devuelve las n últimas filas del DataFrame df.

>>> import pandas as pd

>>> df = pd.read_csv(
'https://raw.githubusercontent.com/asalber/manual-
python/master/datos/colesterol.csv')
>>> df.info()
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 14 entries, 0 to 13
Data columns (total 6 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 nombre 14 non-null object
1 edad 14 non-null int64
2 sexo 14 non-null object
3 peso 13 non-null float64
4 altura 14 non-null float64
5 colesterol 13 non-null float64
dtypes: float64(3), int64(1), object(2)
memory usage: 800.0+ bytes
>>> df.shape
(14, 6)
>>> df.size
84
>>> df.columns
Index(['nombre', 'edad', 'sexo', 'peso', 'altura', 'colesterol'], dtype='object')
>>> df.index
RangeIndex(start=0, stop=14, step=1)
>>> df.dtypes
nombre object
edad int64
sexo object
peso float64
altura float64
colesterol float64
dtype: object

Renombrar los nombres de las filas y columnas

Para cambiar el nombre de las filas y las columnas de un DataFrame se utiliza
el siguiente método:

 df.rename(columns=columnas, index=filas): Devuelve el DataFrame

que resulta de renombrar las columnas indicadas en las claves del
diccionario columnas con sus valores y las filas indicadas en las claves
del diccionario filas con sus valores en el DataFrame df.
>>> import pandas as pd
>>> df = pd.read_csv(
'https://raw.githubusercontent.com/asalber/manual-
python/master/datos/colesterol.csv')
>>> print(df.rename(columns={'nombre':'nombre y apellidos', 'altura':'estatura'},
index={0:1000, 1:1001, 2:1002}))
nombre y apellidos edad sexo peso estatura colesterol
1000 José Luis Martínez Izquierdo 18 H 85.0 1.79 182.0
1001 Rosa Díaz Díaz 32 M 65.0 1.73 232.0
1002 Javier García Sánchez 24 H NaN 1.81 191.0
3 Carmen López Pinzón 35 M 65.0 1.70 200.0
4 Marisa López Collado 46 M 51.0 1.58 148.0
...

Cambiar el índice de un DataFrame

Aunque el índice de un DataFrame suele fijarse en la creación del mismo, en
ocasiones puede ser necesario cambiar el índice una vez creado el DataFrame.
Para ello se utiliza el siguiente método:

 df.set_index(keys = columnas, verify_integrity = bool): Devuelve

el DataFrame que resulta de eliminar las columnas de la lista columnas y
convertirlas en el nuevo índice. El parámetro verify_integrity recibe un
booleano (False por defecto) y realiza una comprobación para evitar
duplicados en la clave cuando recibe True.
>>> import pandas as pd
>>> df = pd.read_csv(
'https://raw.githubusercontent.com/asalber/manual-
python/master/datos/colesterol.csv')
>>> print(df.set_index("nombre").head())
edad sexo peso altura colesterol
nombre
José Luis Martínez Izquierdo 18 H 85.0 1.79 182.0
Rosa Díaz Díaz 32 M 65.0 1.73 232.0
Javier García Sánchez 24 H NaN 1.81 191.0
Carmen López Pinzón 35 M 65.0 1.70 200.0
Marisa López Collado 46 M 51.0 1.58 148.0
>>>

Reindexar un DataFrame
Para reordenar los índices de las filas y las columnas de un DataFrame, así
como añadir o eliminar índices, se utiliza el siguiente método:

 df.reindex(index=filas, columns=columnas, fill_value=relleno) :

Devuelve el DataFrame que resulta de tomar del DataFrame df las filas
con nombres en la lista filas y las columnas con nombres en la
lista columnas. Si alguno de los nombres indicados
en filas o columnas no existía en el DataFrame df, se crean filan o
columnas nuevas rellenas con el valor relleno.
>>> import pandas as pd
>>> df = pd.read_csv(
'https://raw.githubusercontent.com/asalber/manual-
python/master/datos/colesterol.csv')
>>> print(df.reindex(index=[4, 3, 1], columns=['nombre', 'tensión',
'colesterol']))
nombre tensión colesterol
4 Marisa López Collado NaN 148.0
3 Carmen López Pinzón NaN 200.0
1 Rosa Díaz Díaz NaN 232.0

Acceso a los elementos de un DataFrame

El acceso a los datos de un DataFrame se puede hacer a través de posiciones
o través de los nombres de las filas y columnas.

Accesos mediante posiciones

 df.iloc[i, j] : Devuelve el elemento que se encuentra en la fila i y la

columna j del DataFrame df. Pueden indicarse secuencias de índices
para obtener partes del DataFrame.
  df.iloc[filas, columnas] : Devuelve un DataFrame con los elementos
de las filas de la lista filas y de las columnas de la lista columnas.
 df.iloc[i] : Devuelve una serie con los elementos de la fila i del
DataFrame df.

>>> import pandas as pd

>>> df = pd.read_csv(
'https://raw.githubusercontent.com/asalber/manual-
python/master/datos/colesterol.csv')
>>> print(df.iloc[1, 3])
65
>>> print(df.iloc[1, :2])
nombre Rosa Díaz Díaz
edad 32

Acceso a los elementos mediante nombres

 df.loc[fila, columna] : Devuelve el elemento que se encuentra en la

fila con nombre fila y la columna de con nombre columna del
DataFrame df.

df.loc[filas, columnas] : Devuelve un DataFrame con los elemento que se

encuentra en las filas con los nombres de la lista filas y las columnas con los
nombres de la lista columnas del DataFrame df.

 df[columna] : Devuelve una serie con los elementos de la columna de

nombre columna del DataFrame df.
 df.columna : Devuelve una serie con los elementos de la columna de
nombre columna del DataFrame df. Es similar al método anterior pero
solo funciona cuando el nombre de la columna no tiene espacios en
blanco.

>>> import pandas as pd

>>> df = pd.read_csv(
'https://raw.githubusercontent.com/asalber/manual-
python/master/datos/colesterol.csv')
>>> print(df.loc[2, 'colesterol'])
191
>>> print(df.loc[:3, ('colesterol','peso')])
colesterol peso
1 232.0 65.0
2 191.0 NaN
3 200.0 65.0
>>> print(df['colesterol'])
0 182.0
1 232.0
2 191.0
3 200.0
...

Operaciones con las columnas de un DataFrame

Añadir columnas a un DataFrame

El procedimiento para añadir una nueva columna a un DataFrame es similar al

de añadir un nuevo par a un diccionario, pero pasando los valores de la
columna en una lista o serie.

 d[nombre] = lista: Añade al DataFrame df una nueva columna con el

nombre nombre y los valores de la lista lista. La lista debe tener el
mismo tamaño que el número de filas de df.
 d[nombre] = serie: Añade al DataFrame df una nueva columna con el
nombre nombre y los valores de la serie serie. Si el tamaño de la serie es
menor que el número de filas de df se rellena con valores NaN mientras
que si es mayor se recorta.

>>> import pandas as pd

>>> df = pd.read_csv(
'https://raw.githubusercontent.com/asalber/manual-
python/master/datos/colesterol.csv')
>>> df['diabetes'] = pd.Series([False, False, True, False, True])
>>> print(df)
nombre edad sexo peso altura colesterol
diabetes
0 José Luis Martínez Izquierdo 18 H 85.0 1.79 182.0
False
1 Rosa Díaz Díaz 32 M 65.0 1.73 232.0
False
2 Javier García Sánchez 24 H NaN.0 1.81 191.0
True
3 Carmen López Pinzón 35 M 65.0 1.70 200.0
False
4 Marisa López Collado 46 M 51.0 1.58 148.0
True
5 Antonio Ruiz Cruz 68 H 66.0 1.74 249.0
NaN
...

Operaciones sobre columnas

Puesto que los datos de una misma columna de un DataFrame son del mismo
tipo, es fácil aplicar la misma operación a todos los elementos de la columna.
>>> import pandas as pd
>>> df = pd.read_csv(
'https://raw.githubusercontent.com/asalber/manual-
python/master/datos/colesterol.csv')
>>> print(df['altura']*100)
0 179
1 173
2 181
...

>>> print(df['sexo']=='M')
0 False
1 True
2 False
...

Aplicar funciones a columnas

Para aplicar funciones a todos los elementos de una columna se utiliza el

siguiente método:

 df[columna].apply(f) : Devuelve una serie con los valores que resulta

de aplicar la función f a los elementos de la columna con
nombre columna del DataFrame df.
>>> import pandas as pd
>>> from math import log
>>> df = pd.read_csv(
'https://raw.githubusercontent.com/asalber/manual-
python/master/datos/colesterol.csv')
>>> print(df['altura'].apply(log))
0 0.582216
1 0.548121
2 0.593327
...

Convertir una columna al tipo datetime

A menudo una columna contiene cadenas que representan fechas. Para

convertir estas cadenas al tipo datetime se utiliza el siguiente método:

 to_datetime(columna, formato): Devuelve la serie que resulta de

convertir las cadenas de la columna con el nombre columna en fechas del
tipo datetime con el formado especificado en formato. ( Ver librería
datetime)
>>> import pandas as pd
>>> df = pd.DataFrame({'Name': ['María', 'Carlos', 'Carmen'], 'Nacimiento':['05-
03-2000', '20-05-2001', '10-12-1999']})
>>> print(pd.to_datetime(df.Nacimiento, format = '%d-%m-%Y'))
0 2000-03-05
1 2001-05-20
2 1999-12-10
Name: Nacimiento, dtype: datetime64[ns]

Resumen descriptivo de un DataFrame

Al igual que para las series, los siguientes métodos permiten resumir la
información de un DataFrame por columnas:

 df.count() : Devuelve una serie con el número de elementos que no son

nulos ni NaN en cada columna del DataFrame df.
 df.sum() : Devuelve una serie con la suma de los datos de las columnas
del DataFrame df cuando los datos son de un tipo numérico, o la
concatenación de ellos cuando son del tipo cadena str.
 df.cumsum() : Devuelve un DataFrame con la suma acumulada de los
datos de las columnas del DataFrame df cuando los datos son de un tipo
numérico.
 df.min() : Devuelve una serie con los menores de los datos de las
columnas del DataFrame df.
 df.max() : Devuelve una serie con los mayores de los datos de las
columnas del DataFrame df.
 df.mean() : Devuelve una serie con las medias de los datos de las
columnas numéricas del DataFrame df.
 df.var() : Devuelve una serie con las varianzas de los datos de las
columnas numéricas del DataFrame df.
 df.std() : Devuelve una serie con las desviaciones típicas de los datos
de las columnas numéricas del DataFrame df.
 df.cov() : Devuelve un DataFrame con las covarianzas de los datos de
las columnas numéricas del DataFrame df.
 df.corr() : Devuelve un DataFrame con los coeficientes de correlación
de Pearson de los datos de las columnas numéricas del DataFrame df.
 df.describe(include = tipo) : Devuelve un DataFrame con un
resumen estadístico de las columnas del DataFrame df del tipo tipo.
Para los datos numéricos (number) se calcula la media, la desviación
típica, el mínimo, el máximo y los cuartiles. Para los datos no numéricos
(object) se calcula el número de valores, el número de valores distintos,
la moda y su frecuencia. Si no se indica el tipo solo se consideran las
columnas numéricas.
>>> import pandas as pd
>>> df = pd.read_csv(
'https://raw.githubusercontent.com/asalber/manual-
python/master/datos/colesterol.csv')
>>>df.edad.count() # Tamaño muestral
14
>>> print(df.edad.mean()) # Media
38.214285714285715
>>> print(df.edad.var()) # Varianza
244.02747252747255
>>> print(df.edad.std()) # Desviación típica
15.62137870123737
>>> df.cov() # Matriz de covarianzas
edad peso altura colesterol
edad 244.027473 -69.891026 -0.326593 279.717949
peso -69.891026 260.076923 1.764615 -2.424242
altura -0.326593 1.764615 0.013229 0.563269
colesterol 279.717949 -2.424242 0.563269 1587.858974
>>> df.corr() # Matriz de correlación
edad peso altura colesterol
edad 1.000000 -0.276185 -0.181774 0.452391
peso -0.276185 1.000000 0.918984 -0.003621
altura -0.181774 0.918984 1.000000 0.122694
colesterol 0.452391 -0.003621 0.122694 1.000000
>>> print(df.describe()) # Resumen descriptivo
edad peso altura colesterol
count 14.000000 13.000000 14.000000 13.000000
mean 38.214286 70.923077 1.768571 220.230769
std 15.621379 16.126901 0.115016 39.847948
min 18.000000 51.000000 1.580000 148.000000
25% 24.750000 61.000000 1.705000 194.000000
50% 35.000000 65.000000 1.755000 210.000000
75% 49.750000 78.000000 1.840000 249.000000
max 68.000000 109.000000 1.980000 280.000000
>>> print(df.describe(include='object'))
nombre sexo
count 14 14
unique 14 2
top Antonio Fernández Ocaña H
freq 1 8

Eliminar columnas de un DataFrame

Para eliminar columnas de un DataFrame se utilizan los siguientes métodos:

 del d[nombre] : Elimina la columna con nombre nombre del

DataFrame df.
 df.pop(nombre) : Elimina la columna con nombre nombre del
DataFrame df y la devuelve como una serie.

>>> import pandas as pd

>>> df = pd.read_csv(
'https://raw.githubusercontent.com/asalber/manual-
python/master/datos/colesterol.csv')
>>> edad = df.pop('edad')
>>> print(df)
nombre sexo peso altura colesterol
0 José Luis Martínez Izquierdo H 85.0 1.79 182.0
1 Rosa Díaz Díaz M 65.0 1.73 232.0
2 Javier García Sánchez H
NaN 1.81 191.0
...
print(edad)
0 18
1 32
2 24
...

Operaciones con las filas de un DataFrame

Añadir una fila a un DataFrame

Para añadir una fila a un DataFrame se utiliza el siguiente método:

 df.append(serie, ignore_index=True) : Devuelve el DataFrame que

resulta de añadir una fila al DataFrame df con los valores de la
serie serie. Los nombres del índice de la serie deben corresponderse
con los nombres de las columnas de df. Si no se pasa el
parámetro ignore_index entonces debe pasarse el parámetro name a la
serie, donde su argumento será el nombre de la nueva fila.
>>> import pandas as pd
>>> df = pd.read_csv(
'https://raw.githubusercontent.com/asalber/manual-
python/master/datos/colesterol.csv')
>>> df = df.append(pd.Series(['Carlos Rivas', 28, 'H', 89.0, 1.78, 245.0],
index=['nombre','edad','sexo','peso','altura','colesterol']), ignore_index=True)
>>> print(df.tail())
nombre edad sexo peso altura colesterol
10 Macarena Álvarez Luna 53 M 55.0 1.62 262.0
11 José María de la Guía Sanz 58 H 78.0 1.87 198.0
12 Miguel Angel Cuadrado Gutiérrez 27 H 109.0 1.98 210.0
13 Carolina Rubio Moreno 20 M 61.0 1.77 194.0
14 Carlos Rivas 28 H 89.0 1.78 245.0

Eliminar filas de un DataFrame

Para eliminar filas de un DataFrame se utilizan el siguiente método:

 df.drop(filas) : Devuelve el DataFrame que resulta de eliminar las filas

con los nombres indicados en la lista filas del DataFrame df.
>>> import pandas as pd
>>> df = pd.read_csv(
'https://raw.githubusercontent.com/asalber/manual-
python/master/datos/colesterol.csv')
>>> print(df.drop([1, 3]))
nombre edad sexo peso altura colesterol
0 José Luis Martínez Izquierdo 18 H 85.0 1.79 182.0
2 Javier García Sánchez 24 H NaN 1.81 191.0
4 Marisa López Collado 46 M 51.0 1.58 148.0
...

Filtrar las filas de un DataFrame

Una operación bastante común con un DataFrame es obtener las filas que
cumplen una determinada condición.

 df[condicion] : Devuelve un DataFrame con las filas del

DataFrame df que se corresponden con el valor True de la lista
booleana condicion. condicion debe ser una lista de valores booleanos
de la misma longitud que el número de filas del DataFrame.
>>> import pandas as pd
>>> df = pd.read_csv(
'https://raw.githubusercontent.com/asalber/manual-
python/master/datos/colesterol.csv')
>>> print(df[(df['sexo']=='H') & (df['colesterol'] > 260)])
nombre edad sexo peso altura colesterol
6 Antonio Fernández Ocaña 51 H 62.0 1.72 276.0
9 Santiago Reillo Manzano 46 H 75.0 1.85 280.0

Ordenar un DataFrame

Para ordenar un DataFrame de acuerdo a los valores de una determinada

columna se utilizan los siguientes métodos:

 df.sort_values(columna, ascending=booleano) : Devuelve el

DataFrame que resulta de ordenar las filas del DataFrame df según los
valores del la columna con nombre columna. Si argumento del
parámetro ascending es True el orden es creciente y si
es False decreciente.
 df.sort_index(ascending=booleano) : Devuelve el DataFrame que
resulta de ordenar las filas del DataFrame df según los nombres de las
filas. Si el argumento del parámetro ascending es True el orden es
creciente y si es False decreciente.

>>> import pandas as pd

>>> df = pd.read_csv(
'https://raw.githubusercontent.com/asalber/manual-
python/master/datos/colesterol.csv')
>>> print(df.sort_values('colesterol'))
nombre edad sexo peso altura colesterol
4 Marisa López Collado 46 M 51.0 1.58 148.0
0 José Luis Martínez Izquierdo 18 H 85.0 1.79 182.0
2 Javier García Sánchez 24 H NaN 1.81 191.0
13 Carolina Rubio Moreno 20 M 61.0 1.77 194.0
...

Eliminar las filas con dados desconocidos en un DataFrame

Para eliminar las filas de un DataFrame que contienen datos

desconocidos NaN o nulos None se utiliza el siguiente método:

 s.dropna(subset=columnas) : Devuelve el DataFrame que resulta de

eliminar las filas que contienen algún dato desconocido o nulo en las
columnas de la lista columna del DataFrame df. Si no se pasa un
argumento al parámetro subset se aplica a todas las columnas del
DataFrame.
>>> import pandas as pd
>>> df = pd.read_csv(
'https://raw.githubusercontent.com/asalber/manual-
python/master/datos/colesterol.csv')
>>> print(df.dropna())
nombre edad sexo peso altura colesterol
0 José Luis Martínez Izquierdo 18 H 85.0 1.79 182.0
1 Rosa Díaz Díaz 32 M 65.0 1.73 232.0
3 Carmen López Pinzón 35 M 65.0 1.70 200.0
4 Marisa López Collado 46 M 51.0 1.58 148.0
...

Agrupación de un DataFrame
En muchas aplicaciones es útil agrupar los datos de un DataFrame de acuerdo
a los valores de una o varias columnas (categorías), como por ejemplo el sexo
o el país.
Dividir un DataFrame en grupos

Para dividir un DataFrame en grupos se utiliza el siguiente método:

 df.groupby(columnas).groups : Devuelve un diccionario con cuyas

claves son las tuplas que resultan de todas las combinaciones de los
valores de las columnas con nombres en la lista columnas, y valores las
listas de los nombres de las filas que contienen esos valores en las
correspondientes columnas del DataFrame df.
>>> import pandas as pd
>>> df = pd.read_csv(
'https://raw.githubusercontent.com/asalber/manual-
python/master/datos/colesterol.csv')
>>> print(df.groupby('sexo').groups)
{'H': Int64Index([0, 2, 5, 6, 8, 9, 11, 12], dtype='int64'), 'M': Int64Index([1,
3, 4, 7, 10, 13], dtype='int64')}
>>> print(df.groupby(['sexo','edad']).groups)
{('H', 18): Int64Index([0], dtype='int64'), ('H', 24): Int64Index([2],
dtype='int64'), ('H', 27): Int64Index([12], dtype='int64'), ('H', 35):
Int64Index([8], dtype='int64'), ('H', 46): Int64Index([9], dtype='int64'), ('H',
51): Int64Index([6], dtype='int64'), ('H', 58): Int64Index([11], dtype='int64'),
('H', 68): Int64Index([5], dtype='int64'), ('M', 20): Int64Index([13],
dtype='int64'), ('M', 22): Int64Index([7], dtype='int64'), ('M', 32):
Int64Index([1], dtype='int64'), ('M', 35): Int64Index([3], dtype='int64'), ('M',
46): Int64Index([4], dtype='int64'), ('M', 53): Int64Index([10], dtype='int64')}
Para obtener un grupo concreto se utiliza el siguiente método:
  df.groupby(columnas).get_group(valores) : Devuelve un DataFrame
con las filas del DataFrame df que cumplen que las columnas de la
lista columnas presentan los valores de la tupla valores. La
lista columnas y la tupla valores deben tener el mismo tamaño.
>>> import pandas as pd
>>> df = pd.read_csv(
'https://raw.githubusercontent.com/asalber/manual-
python/master/datos/colesterol.csv')
>>> print(df.groupby('sexo').get_group('M'))
nombre edad sexo peso altura colesterol
1 Rosa Díaz Díaz 32 M 65.0 1.73 232.0
3 Carmen López Pinzón 35 M 65.0 1.70 200.0
4 Marisa López Collado 46 M 51.0 1.58 148.0
7 Pilar Martín González 22 M 60.0 1.66 NaN
10 Macarena Álvarez Luna 53 M 55.0 1.62 262.0
13 Carolina Rubio Moreno 20 M 61.0 1.77 194.0

Aplicar una función de agregación por grupos

Una vez dividido el DataFame en grupos, es posible aplicar funciones de

agregación a cada grupo mediante el siguiente método:

 df.groupby(columnas).agg(funciones) : Devuelve un DataFrame con el

resultado de aplicar las funciones de agregación de la lista funciones a
cada uno de los DataFrames que resultan de dividir el DataFrame según
las columnas de la lista columnas.

Una función de agregación toma como argumento una lista y devuelve una
único valor. Algunas de las funciones de agregación más comunes son:

 np.min : Devuelve el mínimo de una lista de valores.

 np.max : Devuelve el máximo de una lista de valores.
 np.count_nonzero : Devuelve el número de valores no nulos de una lista
de valores.
 np.sum : Devuelve la suma de una lista de valores.
 np.mean : Devuelve la media de una lista de valores.
 np.std : Devuelve la desviación típica de una lista de valores.

>>> import pandas as pd

>>> df = pd.read_csv(
'https://raw.githubusercontent.com/asalber/manual-
python/master/datos/colesterol.csv')
>>> print(df.groupby('sexo').agg(np.mean))
edad peso altura colesterol
sexo
H 40.875000 80.714286 1.837500 228.375
M 34.666667 59.500000 1.676667 207.200

Reestructurar un DataFrame
A menudo la disposición de los datos en un DataFrame no es la adecuada para
su tratamiento y es necesario reestructurar el DataFrame. Los datos que
contiene un DataFrame pueden organizarse en dos formatos: ancho y largo.

Convertir un DataFrame a formato largo

Para convertir un DataFrame de formato ancho a formato largo (columnas a

filas) se utiliza el siguiente método:
 df.melt(id_vars=id-columnas, value_vars=columnas,
var_name=nombre-columnas, var_value=nombre-valores) : Devuelve el
DataFrame que resulta de convertir el DataFrame df de formato ancho a
formato largo. Todas las columnas de lista columnas se reestructuran en
dos nuevas columnas con nombres nombre-columnas y nombre-
valores que contienen los nombres de las columnas originales y sus
valores, respectivamente. Las columnas en la lista id-columnas se
mantienen sin reestructurar. Si no se pasa la lista columnas entonces se
reestructuran todas las columnas excepto las columnas de la lista id-
columnas.

>>> import pandas as pd

>>> datos = {'nombre':['María', 'Luis', 'Carmen'],
... 'edad':[18, 22, 20],
... 'Matemáticas':[8.5, 7, 3.5],
... 'Economía':[8, 6.5, 5],
... 'Programación':[6.5, 4, 9]}
>>> df = pd.DataFrame(datos)
>>> df1 = df.melt(id_vars=['nombre', 'edad'], var_name='asignatura',
value_name='nota')
>>> print(df1)
nombre edad asignatura nota
0 María 18 Matemáticas 8.5
1 Luis 22 Matemáticas 7.0
2 Carmen 20 Matemáticas 3.5
3 María 18 Economía 8.0
4 Luis 22 Economía 6.5
5 Carmen 20 Economía 5.0
6 María 18 Programación 6.5
7 Luis 22 Programación 4.0
8 Carmen 20 Programación 9.0

Convertir un DataFrame a formato ancho

Para convertir un DataFrame de formato largo a formato ancho (filas a

columnas) se utiliza el siguiente método:

 df.pivot(index=filas, columns=columna, values=valores) : Devuelve

el DataFrame que resulta de convertir el DataFrame df de formato largo a
formato ancho. Se crean tantas columnas nuevas como valores distintos
haya en la columna columna. Los nombres de estas nuevas columnas
son los valores de la columna columna mientras que sus valores se toman
de la columna valores. Los nombres del índice del nuevo DataFrame se
toman de los valores de la columna filas.
# Continuación del código anterior
>>> print(df1.pivot(index='nombre', columns='asignatura', values='nota'))
asignatura Economía Matemáticas Programación
nombre
Carmen 5.0 3.5 9.0
Luis 6.5 7.0 4.0
María 8.0 8.5 6.5

Combinar varios DataFrames

Dos o más DataFrames pueden combinarse en otro DataFrame. La
combinación puede ser de varias formas:

 Concatenación: Combinación de varios DataFrames concatenando sus

filas o columnas.
 Mezcla: Combinación de varios DataFrames usando columnas o índices
comunes.

Concatenación de DataFrames
  Concatenación de filas. Las filas de los DataFrames se concatenan
unas a continuación de las otras para formar el nuevo DataFrame. Para
ello es necesario que los DataFrames que se combinen tengan el mismo
índice de columnas.

 Concatenación de columnas. Las columnas de los DataFrames se

concatenan unas a continuación de las otras para formar el nuevo
DataFrame. Para ello es necesario que los DataFrames que se combinen
tengan el mismo índice de filas.

Para concatenar dos o más DataFrames se utiliza el siguiente método:

 df.concat(dataframes, axis = eje): Devuelve el DataFrame que

resulta de concatenar los DataFrames de la lista dataframes. Si eje es 0
 (valor por defecto) la concatenación se realiza por filas, y si eje es 1 se
realiza por columnas.

Si los DataFrames que se concatenan por filas no tienen el mismo índice de

columnas, el DataFrame resultante incluirá todas las columnas existentes en
los DataFrames y rellenará con valores NaN los datos no disponibles. Si los
DataFrames que se concatenan por columnas no tienen el mismo índice de
filas, el DataFrame resultante incluirá todas las filas existentes en los
DataFrames y rellenará con valores NaN los datos no disponibles.
>>> import pandas as pd
>>> df1 = pd.DataFrame({"Nombre":["Carmen", "Luis"],
... "Sexo":["Mujer", "Hombre"], "Edad":[22, 18]}).set_index("Nombre")
>>> df2 = pd.DataFrame({"Nombre":["María", "Pedro"],
... "Sexo":["Mujer", "Hombre"], "Edad":[25, 30]}).set_index("Nombre")
>>> df = pd.concat([df1, df2])
>>> df
Sexo Edad
Nombre
Carmen Mujer 22
Luis Hombre 18
María Mujer 25
Pedro Hombre 30
>>> import pandas as pd
>>> df1 = pd.DataFrame({"Nombre":["Carmen", "Luis", "María"],
... "Sexo":["Mujer", "Hombre", "Mujer"]}).set_index("Nombre")
>>> df2 = pd.DataFrame({"Nombre":["Carmen", "Luis", "María"],
... "Edad":[22, 18, 25]}).set_index("Nombre")
>>> df = pd.concat([df1, df2], axis = 1)
>>> df
Sexo Edad
Nombre
Carmen Mujer 22
Luis Hombre 18
María Mujer 25

Mezcla de DataFrames

La mezcla de DataFrames permite integrar filas de dos DataFrames que

contienen información en común en una o varias columnas o índices que se
conocen como clave.

Para mezclar dos DataFrames se utiliza el siguiente método:

 df.merge(df1, df2, on = clave, how = tipo): Devuelve el DataFrame

que resulta de mezclar el DataFrame df2 con el DataFrame df1, usando
como claves las columnas de la lista clave y siguiendo el método de
mezcla indicado por tipo.
El tipo de mezcla puede ser

 "inner" (por defecto): El DataFrame resultante solo contiene las filas

cuyos valores en la clave están en los dos DataFrames. Es equivalente a
la intersección de conjuntos.

 >>> import pandas as pd

 >>> df1 = pd.DataFrame({"Nombre":["Carmen", "Luis", "María"],
"Sexo":["Mujer", "Hombre", "Mujer"]})
 >>> df2 = pd.DataFrame({"Nombre":["María", "Pedro", "Luis"], "Edad":[25, 30,
18]]})
 >>> df = pd.merge(df1, df2, on="Nombre")
 >>> print(df)
 Nombre Sexo Edad
 0 Luis Hombre 18
 1 María Mujer 25

 "outer": El DataFrame resultante contiene todas las filas de los dos

DataFrames. Si una fila de un DataFrame no puede emparejarse con otra
los mismos valores en la clave en el otro DataFrame, la fila se añade
igualmente al DataFrame resultante rellenando las columnas del otro
DataFrame con el valor NaN. Es equivalente a la unión de conjuntos.

 >>> import pandas as pd

 >>> df1 = pd.DataFrame({"Nombre":["Carmen", "Luis", "María"],
"Sexo":["Mujer", "Hombre", "Mujer"]})
 >>> df2 = pd.DataFrame({"Nombre":["María", "Pedro", "Luis"], "Edad":[25, 30,
18]]})
 >>> df = pd.merge(df1, df2, on="Nombre", how="outer")
 >>> print(df)
 Nombre Sexo Edad
 0 Carmen Mujer NaN
 1 Luis Hombre 18.0
 2 María Mujer 25.0
 3 Pedro NaN 30.0

 "left": El DataFrame resultante contiene todas las filas del primer

DataFrame y descarta las filas del segundo DataFrame que no pueden
emparejarse con alguna fila del primer DataFrame a través de la clave.

 >>> import pandas as pd

 >>> df1 = pd.DataFrame({"Nombre":["Carmen", "Luis", "María"],
"Sexo":["Mujer", "Hombre", "Mujer"]})
 >>> df2 = pd.DataFrame({"Nombre":["María", "Pedro", "Luis"], "Edad":[25, 30,
18]]})
 >>> df = pd.merge(df1, df2, on="Nombre", how="left")
 >>> print(df)
 Nombre Sexo Edad
 0 Carmen Mujer NaN
 1 Luis Hombre 18.0
 2 María Mujer 25.0

 "right": El DataFrame resultante contiene todas las filas del segundo

DataFrame y descarta las filas del primer DataFrame que no pueden
emparejarse con alguna fila del segundo DataFrame a través de la clave.

 >>> import pandas as pd

 >>> df1 = pd.DataFrame({"Nombre":["Carmen", "Luis", "María"],
"Sexo":["Mujer", "Hombre", "Mujer"]})
 >>> df2 = pd.DataFrame({"Nombre":["María", "Pedro", "Luis"], "Edad":[25, 30,
18]]})
 >>> df = pd.merge(df1, df2, on="Nombre", how="right")
 >>> print(df)
 Nombre Sexo Edad
 0 María Mujer 25
 1 Pedro NaN 30
 2 Luis Hombre 18