Día 8: Operaciones Avanzadas - Pivot Tables y Melt
Bienvenida
¡Hola nuevamente! 📊 Hoy aprenderemos sobre tablas dinámicas (pivot_table) y transformaciones avanzadas como .melt(). Estas herramientas son esenciales para resumir y reorganizar datos en proyectos de machine learning. ¡Comencemos!
Creación de Tablas Dinámicas
Sentencia pivot_table()
Crea tablas dinámicas para resumir datos.
import pandas as pd
df = pd.DataFrame({'fruta': ['naranja', 'manzana', 'melon', 'naranja'], 'venta': [4, 5, 6, 10]})
pivot_table = df.pivot_table(values='venta', index='fruta', aggfunc='sum')
print(pivot_table)Transformación de DataFrames
Transforma un DataFrame de ancho a largo en resumen convierte las columnas en variables y las filas en observaciones.
import pandas as pd
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]})
melted_df = df.melt(id_vars=['A'], value_vars=['B', 'C'])
print(melted_df)Apilamiento de DataFrames
Sentencia stack()
Apila columnas en una sola columna.
import pandas as pd
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]})
stacked_df = df.stack()
print(stacked_df)Sentencia unstack()
Desapila una columna en varias columnas.
import pandas as pd
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]})
unstacked_df = df.unstack()
print(unstacked_df)
Preguntas del Día 8
Prueba tus conocimientos sobre Pandas
¿Qué función se utiliza para crear tablas dinámicas en Pandas?
¿Qué método se usa para transformar un DataFrame de ancho a largo?
Ejercicios con Pandas
- Crea una tabla dinámica a partir de un DataFrame.
- Transforma un DataFrame usando
.melt().
¡Gran trabajo hoy! 🎉 Ahora puedes crear tablas dinámicas y transformar DataFrames, habilidades clave para análisis avanzados. Mañana aprenderemos sobre optimización de memoria y rendimiento , fundamentales para manejar grandes volúmenes de datos. ¡Nos vemos pronto! 😊
