Funciones comunes de Pandas
Pandas proporciona una gran cantidad de funciones para el procesamiento y análisis de datos. A continuación se presentan algunas funciones comunes:
Funciones generales
| Función | Descripción |
|---|---|
pd.isna(obj) | Comprueba si el objeto es un valor faltante. |
pd.notna(obj) | Comprueba si el objeto no es un valor faltante. |
pd.concat(objs, axis) | Concatena múltiples objetos. |
pd.merge(left, right, on) | Combina DataFrames por columnas. |
pd.get_dummies(data) | Codificación one-hot de variables categóricas. |
pd.cut(x, bins) | Agrupación en contenedores de datos continuos. |
pd.qcut(x, q) | Agrupación en contenedores por cuantiles. |
pd.to_numeric(arg) | Convierte a numérico. |
pd.to_datetime(arg) | Convierte a fecha/hora. |
pd.unique(values) | Obtiene valores únicos. |
pd.value_counts(values) | Cuenta frecuencias. |
pd.factorize(values) | Codifica variables categóricas. |
pd.crosstab(index, columns) | Tabla cruzada. |
pd.pivot_table(data) | Tabla dinámica. |
pd.melt(frame) | De ancho a largo. |
Lectura y escritura de datos (IO)
| Función | Descripción |
|---|---|
pd.read_csv() | Lee archivos CSV. |
pd.read_excel() | Lee archivos de Excel. |
pd.read_json() | Lee archivos JSON. |
pd.read_html() | Parsea tablas HTML. |
pd.read_sql() | Lee desde una base de datos. |
df.to_csv() | Escribe archivos CSV. |
df.to_excel() | Escribe archivos de Excel. |
df.to_json() | Escribe archivos JSON. |
df.to_parquet() | Escribe archivos Parquet. |
Limpieza de datos
| Función | Descripción |
|---|---|
df.dropna() | Elimina valores faltantes. |
df.fillna() | Rellena valores faltantes. |
df.replace() | Reemplaza datos. |
df.drop_duplicates() | Elimina duplicados. |
df.astype() | Convierte el tipo de datos. |
df.rename() | Renombra columnas. |
df.sort_values() | Ordena. |
df.reset_index() | Restablece el índice. |
Selección y filtrado de datos
| Función | Descripción |
|---|---|
df.head() | Primeras filas. |
df.tail() | Últimas filas. |
df.loc[] | Indexación por etiqueta. |
df.iloc[] | Indexación por posición. |
df.query() | Filtrado por condición. |
df.filter() | Filtrado de columnas. |
Agrupación y agregación
| Función | Descripción |
|---|---|
df.groupby() | Operación de agrupación. |
groupby.sum() | Suma agregada. |
groupby.mean() | Promedio. |
groupby.agg() | Múltiples agregaciones. |
groupby.transform() | Transformación. |
Funciones matemáticas y estadísticas
| Función | Descripción |
|---|---|
Series.sum() | Suma. |
Series.mean() | Promedio. |
Series.median() | Mediana. |
Series.std() | Desviación estándar. |
Series.var() | Varianza. |
Series.corr() | Coeficiente de correlación. |
Series.quantile() | Cuantil. |
Series.cumsum() | Suma acumulada. |
Procesamiento de cadenas
| Función | Descripción |
|---|---|
Series.str.lower() | Convierte a minúsculas. |
Series.str.upper() | Convierte a mayúsculas. |
Series.str.strip() | Elimina espacios en blanco. |
Series.str.replace() | Reemplaza. |
Series.str.contains() | Coincidencia de patrones. |
Series.str.split() | Divide. |
Series.str.len() | Longitud. |
Series temporales
| Función | Descripción |
|---|---|
pd.date_range() | Genera fechas. |
pd.Timestamp() | Timestamp. |
pd.Timedelta() | Diferencia de tiempo. |
Series.dt.year | Año. |
Series.dt.month | Mes. |
Series.dt.day | Día. |
Series.dt.weekday | Día de la semana. |
Remodelación de datos
| Función | Descripción |
|---|---|
df.pivot() | Pivote. |
df.pivot_table() | Tabla dinámica. |
df.stack() | Convierte columnas en filas. |
df.unstack() | Convierte filas en columnas. |
pd.melt() | De ancho a largo. |
Ejemplos
import pandas as pd
# Funciones generales
s = pd.Series([1, 2, 3, None])
print(pd.isna(s))
# Matemáticas
print(s.sum())
# Cadenas
s_str = pd.Series(['a', 'b'])
print(s_str.str.upper())
# Tiempo
dates = pd.to_datetime(['2023-01-01'])
print(dates.dt.month)
# Funciones generales
s = pd.Series([1, 2, 3, None])
print(pd.isna(s))
# Matemáticas
print(s.sum())
# Cadenas
s_str = pd.Series(['a', 'b'])
print(s_str.str.upper())
# Tiempo
dates = pd.to_datetime(['2023-01-01'])
print(dates.dt.month)
Si necesitas información más detallada, puedes consultarDocumentación oficial de Pandas。
Otras extensiones