6.1 Series y DataFrame

1. Introducción

Pandas es una biblioteca para trabajar con datos etiquetados y tabulares. Se importa habitualmente con el alias pd.

import pandas as pd

Una Series representa una secuencia unidimensional con índice. Un DataFrame representa una tabla con filas y columnas.

2. Crear una Series

Desde una lista, Pandas crea por defecto un índice numérico desde cero:

notas = pd.Series([8.5, 7.2, 9.1])

También se puede definir un índice no numérico:

notas = pd.Series([8.5, 7.2, 9.1], index=["Ana", "Luis", "Marta"])

Desde un diccionario, sus claves se convierten en índices:

notas = pd.Series({"Ana": 8.5, "Luis": 7.2, "Marta": 9.1})

Desde un arreglo unidimensional:

import numpy as np

temperaturas = np.array([29.4, 30.1, 28.7])
serie_temperaturas = pd.Series(temperaturas)

3. Crear un DataFrame

Una lista simple crea un DataFrame de una columna cuando se proporciona su nombre:

notas_lista = [8.5, 7.2, 9.1]
tabla_desde_lista = pd.DataFrame(notas_lista, columns=["nota"])

Un arreglo NumPy unidimensional también produce una tabla de una columna:

notas_arreglo = np.array([8.5, 7.2, 9.1])
tabla_desde_arreglo = pd.DataFrame(notas_arreglo, columns=["nota"])

Un diccionario de listas crea una columna por cada clave. Todas las listas deben tener igual longitud.

datos = {
    "nombre": ["Ana", "Luis", "Marta", "José"],
    "paralelo": ["A", "B", "A", "B"],
    "nota": [8.5, 5.4, 9.0, 6.8],
    "asistencia": [0.90, 0.75, 0.95, 0.82]
}

estudiantes = pd.DataFrame(datos)

Así quedan cubiertas las tres fuentes de la unidad: lista, arreglo 1D y diccionario. Para obtener varias columnas desde listas, el diccionario asigna explícitamente el nombre y los valores de cada columna.

Se puede asignar un índice etiquetado:

estudiantes.index = ["E01", "E02", "E03", "E04"]

4. Seleccionar filas: .loc y .iloc

.loc selecciona por etiquetas del índice:

print(estudiantes.loc["E02"])
print(estudiantes.loc[["E01", "E03"]])

.iloc selecciona por posición entera:

print(estudiantes.iloc[1])
print(estudiantes.iloc[0:2])

En un corte con .loc, la etiqueta final se incluye; en un corte de posiciones con .iloc, la posición final se excluye.

5. Seleccionar y crear columnas

Una columna se obtiene como Series:

print(estudiantes["nota"])

Varias columnas se seleccionan con una lista de nombres:

print(estudiantes[["nombre", "nota"]])

Una columna nueva puede calcularse a partir de otras:

estudiantes["nota_porcentual"] = estudiantes["nota"] * 10

6. Inspección y resumen

estudiantes.info()
print(estudiantes.head())
print(estudiantes.tail(2))
print(estudiantes.describe())

Operaciones estadísticas sobre una columna:

print(estudiantes["nota"].mean())
print(estudiantes["nota"].sum())
print(estudiantes["nota"].min())
print(estudiantes["nota"].max())

info() muestra tipos de datos y valores no nulos; describe() resume las columnas numéricas.

7. Leer y escribir CSV

El archivo de práctica usa comas, primera fila como encabezado y codigo como índice:

estudiantes = pd.read_csv(
    "files/06-pandas/estudiantes.csv",
    sep=",",
    header=0,
    index_col="codigo"
)

• sep indica el separador.
• header identifica la fila de encabezados; 0 significa la primera.
• index_col indica la columna que será índice.

Para exportar:

estudiantes.to_csv("estudiantes_procesados.csv", index=True)

8. Operaciones aritméticas entre Series

Pandas alinea los datos por sus índices antes de operar.

parcial = pd.Series({"Ana": 8.0, "Luis": 7.0, "Marta": 9.0})
proyecto = pd.Series({"Ana": 9.0, "Luis": 6.0, "Marta": 8.5})
promedio = (parcial + proyecto) / 2

Si los índices no coinciden, revise el resultado: una etiqueta sin pareja puede producir un valor ausente.

9. Comparaciones y filtros booleanos

Una comparación crea una Series de valores booleanos.

aprobacion = estudiantes["nota"] >= 6
aprobados = estudiantes[aprobacion]

Para combinar condiciones, use & y |, colocando cada comparación entre paréntesis:

seleccion = estudiantes[
    (estudiantes["nota"] >= 6) &
    (estudiantes["asistencia"] >= 0.80)
]

casos_revision = estudiantes[
    (estudiantes["nota"] < 6) |
    (estudiantes["asistencia"] < 0.80)
]

10. Reemplazo condicional con .mask

mask reemplaza los valores donde la condición es verdadera.

estudiantes["estado"] = "Aprobado"
estudiantes["estado"] = estudiantes["estado"].mask(
    estudiantes["nota"] < 6,
    "Reprobado"
)

Si se requieren más de dos alternativas, np.select es una ampliación opcional dentro de esta unidad:

import numpy as np

condiciones = [
    estudiantes["nota"] >= 9,
    estudiantes["nota"] >= 6
]
resultados = ["Excelente", "Aprobado"]
estudiantes["categoria"] = np.select(
    condiciones,
    resultados,
    default="Reprobado"
)

11. Localizar extremos

idxmax() e idxmin() devuelven la etiqueta del índice donde aparece el máximo o mínimo. Si existe empate, devuelven la primera etiqueta correspondiente.

codigo_mayor = estudiantes["nota"].idxmax()
codigo_menor = estudiantes["nota"].idxmin()
print(estudiantes.loc[codigo_mayor])
print(estudiantes.loc[codigo_menor])

12. Ordenar

Una columna:

ordenados = estudiantes.sort_values("nota", ascending=False)

Varias columnas:

ordenados = estudiantes.sort_values(
    ["paralelo", "nota"],
    ascending=[True, False]
)

Con inplace=True, se modifica el DataFrame original:

estudiantes.sort_values("nombre", inplace=True)

13. Únicos, frecuencias y pertenencia

print(estudiantes["paralelo"].unique())
print(estudiantes["paralelo"].value_counts())

paralelos_interes = estudiantes[
    estudiantes["paralelo"].isin(["A", "C"])
]

• unique() devuelve los valores diferentes.
• value_counts() cuenta cada valor.
• isin() indica si cada elemento pertenece a una colección.

14. Agrupar por categoría

groupby reúne filas que comparten una categoría y permite resumir cada grupo.

promedio_por_paralelo = estudiantes.groupby("paralelo")["nota"].mean()
conteo_por_paralelo = estudiantes.groupby("paralelo")["nota"].count()

La pregunta debe definir la agrupación y el resumen: “¿cuál es la nota media por paralelo?” combina groupby("paralelo") con mean().

Lista de control

• ¿Distingo etiquetas (loc) de posiciones (iloc)?
• ¿Las condiciones combinadas tienen paréntesis y usan & o |?
• ¿Sé si una operación modifica el original o devuelve otro objeto?
• ¿Revisé los índices antes de operar entre Series?
• ¿La agrupación responde una pregunta concreta?