Podemos seleccionar toda una columna. Para esto \u00fanicamente debemos incluir entre corchetes el nombre de la columna a seleccionar.<\/p>\n
print (df[\"county\"])<\/pre>\nPero si deseamos unas cuantas filas \u00fanicamente, podemos especificar el rango:<\/p>\n
print (df[\"county\"][5:10]) # imprime de la linea 5 a la 10\r\nprint (df[\"county\"][:10]) # imprime las primeras 10\r\nprint (df[\"county\"][-5:]) # imprime las \u00faltimas 5.\r\n\r\n<\/pre>\nNota: podemos escribir directamente el nombre de la columna sin los corchetes. La primera de las l\u00edneas de c\u00f3digo anteriores, quedar\u00eda as\u00ed:<\/p>\n
print (df.county[5:10])<\/pre>\nPara los siguientes ejemplos haremos uso de un dataframe llamado df3, \u00a0que contiene las columnas \u00abcondado\u00bb, \u00abcandidato\u00bb, \u00abpartido\u00bb y \u00abvotos\u00bb.<\/p>\n
df3 = df[[\"county\", \"candidate\", \"party\", \"votes\"]]<\/pre>\nFiltrar con condiciones<\/h2>\n
Para filtrar con condiciones, debemos escribir la condici\u00f3n dentro de corchetes. Por ejemplo, si deseamos mostrar a los que tienen m\u00e1s de 200 mil votos en un condado, podemos escribir:<\/p>\n
print (df3[df3.votes>200000])<\/pre>\nLo anterior nos crea una matriz de valores booleanos True o False, de acuerdo a la condici\u00f3n expresada (df3.votes>200000<\/em>). \u00c9sta matriz es pasada al dataframe df3.<\/p>\nFiltrar con dos condiciones<\/h2>\n
Si tenemos dos condiciones a cumplir, cada condici\u00f3n la ponemos dentro de par\u00e9ntesis y las unimos usando un operador l\u00f3gico (&, |). En el siguiente ejemplo deseamos mostrar los votos obtenidos por el partido dem\u00f3crata en el condado de Manhattan.<\/p>\n
print (df3[(df3.county=='Manhattan') & (df.party=='Democrat')])<\/pre>\nUso de Query con Pandas en Python<\/h2>\n
Vamos a realizar la misma consulta (mostrar los votos obtenidos por el partido dem\u00f3crata en el condado de Manhattan) pero usando el m\u00e9todo query.<\/p>\n
print (df3.query(\"county=='Manhattan' and party=='Democrat'\"))<\/pre>\nLa diferencia radica en que solo se especifica el nombre de la columna y todo va entre comillas como si se tratara de una cadena.<\/p>\n
Manejo de variables y uso de query con Pandas<\/h2>\n
Podemos incluir una variable dentro del query. En el ejemplo anterior deseamos que Manhattan est\u00e9 dentro de una variable llamada \u00abcondado\u00bb. Entonces el query quedar\u00eda as\u00ed:<\/p>\n
condado = 'Manhattan'\r\nprint (df3.query(\"county==@condado and party=='Democrat'\"))<\/pre>\nisin y uso de query con pandas<\/h2>\n
Isin nos permite comprobar si un valor est\u00e1 dentro de una lista. Por ejemplo, si la consulta fuese: \u00abMostrar los votos de los condados de Autauga y Baldwin\u00bb, si lo quisi\u00e9ramos hacer con dos condiciones quedar\u00eda as\u00ed:<\/p>\n
#1 Usando matriz de valores booleanos\r\nprint (df3[(df3.county=='Autauga') | (df3.county=='Baldwin')])\r\n\r\n\r\n#2 Usando query\r\nprint (df3.query(\"county=='Autauga' or county=='Baldwin'\"))<\/pre>\nObservamos que se realizan dos consultas, una por cada valor buscado. Pero como es la misma columna, podemos utilizar el m\u00e9todo isin:<\/p>\n
print (df3[(df3.county.isin([\"Autauga\",\"Baldwin\"]))])<\/pre>\nY obtendremos los mismos resultados.<\/p>\n
Contains<\/h2>\n
Si la consulta requiere que comprobemos solo parte del valor del dato, podemos utilizar contains en el caso de las cadenas de caracteres. Por ejemplo, si deseamos mostrar los votos de los condados que contengan la palabra\u00a0\u00a0‘Saint’, podemos hacer lo siguiente:<\/p>\n
print (df3[df3.county.str.contains('Saint')])<\/pre>\nLo que nos devolver\u00e1 valores correspondientes a Saint Francisc, Saint Agatha, y Saint Laurence.<\/p>\n
Ordenamiento en Pandas<\/h2>\n
\u00bfQui\u00e9nes fueron los 3 candidatos que m\u00e1s votos obtuvieron\u00a0\u00a0en un condado? Para contestar \u00e9sta pregunta debemos realizar una operaci\u00f3n de ordenamiento. De esa forma podemos extraer los 3 primeros resultados que nos arroje Pandas.<\/p>\n
C\u00f3digo:<\/p>\n
dfordenado = df3.sort_values(by=\"votes\", ascending=False)\r\nprint (\"Ordenados por votos de mayor a menor\")\r\nprint (dfordenado.head(3))<\/pre>\nLe estamos diciendo que al dataframe de nombre df3<\/em>, lo ordene (sort_values<\/em>) con base en la columna \u00abvotes<\/em>\u00ab, en forma descendente (ascending=False<\/em>). Como solo deseamos 3, utilizamos head(3)<\/em> para obtener solo los tres primeros.<\/p>\nAgrupamiento en Pandas<\/h2>\n
El agrupamiento nos permitir\u00e1 realizar operaciones (como contar o sumar) sobre un subgrupo dentro de un dataframe. Por ejemplo, si deseamos el \u00a0total de votos por estado y por partido, tendr\u00edamos que agrupar todos los votos de un estado, y despu\u00e9s agrupar todos los votos de cada partido. Hacerlo con Pandas es muy sencillo:<\/p>\n
#print (\"total de votos por estado y por partido\")\r\n#print (df.groupby([\"state\", \"party\"]).sum())<\/pre>\n\u00c9sta operaci\u00f3n nos agrupa todos los registros, primero por estado y luego por partido y realiza la suma de las columnas num\u00e9ricas, si solo queremos \u00a0la de votos deber\u00edamos especificarla:\u00a0df.groupby([\u00abstate\u00bb, \u00abparty\u00bb])[\u00abvotes\u00bb].sum()<\/em><\/p>\nAplicar una funci\u00f3n a una columna en Pandas<\/h2>\n
C\u00f3digo:<\/p>\n
def miles(x):\r\n\treturn x\/1000\r\n\r\ndf3[\"votesm\"] = df3[\"votes\"].apply(miles)\r\nprint (df3.head())<\/pre>\nPrimero estamos creando una funci\u00f3n llamada miles que recibe un valor (x), y lo regresa dividido entre 1000. (return x\/1000).<\/p>\n
Luego creamos una columna llamada \u00abvotesm\u00bb y le asignamos el resultado de aplicar a cada valor de \u00abvotes\u00bb la funci\u00f3n miles.<\/p>\n
El resultado se ver\u00e1 as\u00ed:<\/p>\n
![\"uso](\"https:\/\/naps.com.mx\/blog\/wp-content\/uploads\/2020\/07\/uso-de-query-con-pandas-apply.png\")
<\/a><\/p>\nGuardar un dataset como csv<\/h2>\n
Para guardar un dataset como csv, debemos especificar el nombre del archivo donde se guardar\u00e1n los datos y hacer uso del m\u00e9todo to_csv.<\/p>\n
df3.to_csv(\"filename_df3.csv\", index=False)<\/pre>\n\u00c9ste art\u00edculo est\u00e1 explicado en v\u00eddeo. Te lo dejo a continuaci\u00f3n:<\/p>\n