Día 4: Operaciones Avanzadas - GroupBy y Agregación
Bienvenida
¡Hola nuevamente! 🚀 Hoy exploraremos GroupBy y agregación , herramientas poderosas para analizar datos agrupados. Estas operaciones son fundamentales en análisis estadístico y machine learning. ¡Comencemos!
Agrupación de Datos
Sentencia groupby()
Pandas proporciona varias funciones para agrupar datos:
Sentencia groupby()
Agrupa los datos en base a una o varias columnas.
import pandas as pd
df = pd.DataFrame({'fruta': ['naranja', 'manzana', 'melon', 'naranja'], 'venta': [4, 5, 6, 10]})
grouped = df.groupby('fruta').sum()
print(grouped)Operaciones de agrupación
| Operación | Descripción |
|---|---|
sum() | Suma los valores de una columna. |
mean() | Calcula la media de los valores de una columna. |
min() | Encuentra el valor mínimo de una columna. |
max() | Encuentra el valor máximo de una columna. |
count() | Conta el número de valores no nulos en una columna. |
std() | Calcula la desviación estandard de los valores de una columna. |
var() | Calcula la varianza de los valores de una columna. |
median() | Calcula la mediana de los valores de una columna. |
cumsum() | Calcula la suma acumulativa de los valores de una columna. |
cumprod() | Calcula el producto acumulativo de los valores de una columna. |
Sentencia agg()
Aplica funciones de agregación a los datos agrupados.
import pandas as pd
df = pd.DataFrame({'fruta': ['naranja', 'manzana', 'melon', 'naranja'], 'venta': [4, 5, 6, 10]})
grouped = df.groupby('fruta').agg({'venta': ['sum', 'mean']})
print(grouped)Sentencia pivot_table()
Crea una tabla pivot de datos agrupados.
import pandas as pds
df = pd.DataFrame({'fruta': ['naranja', 'manzana', 'melon', 'naranja'], 'venta': [4, 5, 6, 10]})
grouped = df.pivot_table(index='fruta', columns='fruta', values='venta', aggfunc='sum')
print(grouped)Sentencia melt()
Crea una tabla pivot de datos agrupados.
import pandas as pd
df = pd.DataFrame({'fruta': ['naranja', 'manzana', 'melon', 'naranja'], 'venta': [4, 5, 6, 10]})
grouped = df.melt(id_vars='fruta', value_vars='venta')
print(grouped)Funciones Personalizadas
Puedes crear funciones personalizadas para realizar operaciones avanzadas en tus datos. Por ejemplo:
def my_function(x):
return x * 2
df['doble_venta'] = df['venta'].apply(my_function)
Preguntas del Día 4
Prueba tus conocimientos sobre Pandas
¿Qué método se utiliza para agrupar datos en Pandas?
¿Qué función se usa para aplicar múltiples operaciones de agregación?
Ejercicios con Pandas
- Agrupa un DataFrame por una columna y calcula estadísticas agregadas (suma, media).
- Aplica una función personalizada en una operación de agregación.
¡Excelente trabajo hoy! 🙌 Ahora puedes agrupar y agregar datos de manera eficiente. Mañana aprenderemos sobre concatenación y unión de DataFrames , habilidades clave para combinar múltiples fuentes de datos. ¡Nos vemos pronto! 👋
