DataFrame

[pic 1][pic 2][pic 3]

Definición de lo que es un dataframe:

Un dataframe es una estructura de datos en forma de tabla en la que se pueden guardar diferentes tipos de datos. Cada columna del dataframe representa una variable y cada fila representa una observación o un caso. Los dataframes son muy útiles para manipular y analizar datos en el lenguaje de programación R y en Python a través de la biblioteca Pandas. (Team rédac, 2022).

Un dataframe puede contener una gran cantidad de datos, por lo que es muy útil para el análisis de datos y la visualización de resultados. Además, los dataframes se pueden crear a partir de archivos de datos externos, como hojas de cálculo, archivos CSV o bases de datos. También se pueden crear dataframes a partir de diccionarios o listas en Python. (Tato, 2021).

Una de las principales ventajas de los dataframes es que permiten realizar operaciones de agregación y filtrado de datos de manera rápida y sencilla. También se pueden realizar operaciones de unión y anexión de dataframes para combinar datos de diferentes fuentes. En resumen, un dataframe es una estructura de datos muy versátil y útil para el análisis de datos en Python y R.

Características de un DataFrame

Visualización de Datos: Para revisar los datos, existen dos funciones muy recurridas: head y tail. Adicional estas funciones pueden recibir como parámetros el número de registros que se desea visualizar (Quintero, s.f.).

[pic 4]

Información sobre los datos: Proporciona funciones que presentan un resumen de los datos a nivel descriptivo, entre ellas info, describe, memory_usage (Quintero, s.f.).

Información sobre columnas:

[pic 5]

Descripción de las variables numéricas:

[pic 6]

Uso de memoria:

[pic 7]

Atributos de un dataframe: Proporciona funciones para visualizar tamaños, dimensiones, índices, columnas y valores (Quintero, s.f.).

[pic 8]

[pic 9]

Ventajas y desventajas de uso:

Las principales ventajas del uso de dataframes son:

1. Flexibilidad: los dataframes son estructuras de datos muy versátiles que permiten almacenar y manipular diferentes tipos de datos, como números, cadenas de texto, fechas, etc.
2. Eficiencia: los dataframes son muy eficientes para realizar operaciones de filtrado, agregación y análisis de datos, ya que están diseñados para manejar grandes cantidades de información de manera rápida y sencilla.
3. Integración: los dataframes se integran fácilmente con otras herramientas de análisis de datos, como gráficas y visualizaciones, lo que facilita la interpretación y presentación de resultados.
4. Sencillez: los dataframes son fáciles de usar y comprender, incluso para aquellos que no tienen conocimientos avanzados de programación.

Entre las principales desventajas del uso de dataframes se encuentran:

1. Tamaño: los dataframes pueden ser muy grandes y requerir mucha memoria para su almacenamiento y manipulación, lo que puede hacer que el procesamiento sea lento en algunos casos.
2. Complejidad: aunque los dataframes son fáciles de usar, pueden ser un poco complejos de entender para aquellos que no tienen experiencia en el análisis de datos.
3. Dependencia de librerías: para trabajar con dataframes en Python es necesario utilizar la librería Pandas, lo que puede ser un obstáculo para aquellos que no tienen experiencia en el uso de librerías externas.
4. Restricciones: los dataframes tienen algunas restricciones en cuanto a la cantidad y el tipo de datos que pueden almacenar, lo que puede limitar su utilidad en algunos casos.

Crear un dataframe en Python:

Vamos a tomar como ejemplo la librería Pandas para poder manejar todo lo que corresponde a dataframes.

DataFrame vacío

Para crear un dataframe vacío, solo debemos llamar al constructor sin ningún parámetro:

import pandas as pd

df = pd.DataFrame()

Tomar en cuenta que es necesario hacer el import de la librería para poder trabajar con ella y además la renombramos como pd para que nos quede un código más corto.

Añadir columnas a un DataFrame

Una forma de añadir una nueva columna a un DataFrame es asignarle directamente los valores que debe tener la nueva columna, tal como haríamos en un diccionario y la notación de corchetes, en este caso no queremos introducir valores se indica simplemente None.

df['Nombre'] = None

print(df)

Al ejecutar el código anterior se puede ver como el DataFrame, aunque vacío, tiene una nueva columna llamada Nombre, además se puede observar otra información que es Index que por el momento no se tomará en cuenta:

Empty DataFrame

Columns: [Nombre]

Index: []

Otra forma de agregar columnas es utilizando la función assign de DataFrame, esta función nos permite añadir columnas a las ya creadas, tomando en cuenta que las columnas no las añade al DataFrame original, sino que la función nos devuelve un dataframe nuevo con las columnas originales más las nuevas columnas:

df['Nombre'] = None

df = df.assign(Edad=None)

print(df)

Al ejecutar el código anterior se obtiene:

Empty DataFrame

Columns: [Nombre, Edad]

Index: []

Insertar datos en un DataFrame

...