6.2 Práctica — Unidad 06

Use files/06-pandas/estudiantes.csv desde la raíz del proyecto.

Ejercicios

1. Cree una Series con las notas [8.2, 6.5, 9.0] y los índices E01, E02, E03.
2. Cree un DataFrame desde un diccionario de listas con nombre, carrera y semestre de tres estudiantes.
3. Cree un DataFrame de una columna, llamada nota, directamente desde la lista [8.2, 6.5, 9.0].
4. Convierta esa lista en un arreglo NumPy 1D y cree otro DataFrame de una columna.
5. Lea el CSV indicando sep, header e index_col. Muestre info(), las primeras tres filas y las últimas dos.
6. Seleccione E03 mediante loc y la tercera fila mediante iloc. Explique por qué coinciden.
7. Seleccione las columnas nombre y nota. Cree nota_porcentual multiplicando la nota por 10.
8. Calcule media, suma, mínimo y máximo de nota. Obtenga también los códigos con idxmin() e idxmax().
9. Filtre quienes tengan nota mínima de 6 y asistencia mínima de 0.80.
10. Filtre quienes pertenezcan a Computación o Mecánica usando isin().
11. Cree la columna estado, inicialmente Aprobado, y cambie a Reprobado los casos con nota menor a 6 mediante mask().
12. Ordene por carrera ascendente y nota descendente. Luego ordene el original por nombre usando inplace=True.
13. Muestre carreras únicas y cantidad de estudiantes por carrera con unique() y value_counts().
14. Calcule la nota media y la asistencia media por carrera mediante groupby().
15. Exporte el resultado como estudiantes_procesados.csv.

Entrega esperada

• Código ejecutable.
• Una frase que responda qué carrera tiene el mayor promedio de nota.
• Una breve comparación entre loc e iloc.
• Ningún filtro compuesto construido con operadores escalares de Python.