Nivel 9 · Una muestra repetible para revisar

El resultado de un filtro no siempre es una tabla independiente

Cuando filtras, pandas puede entregarte algo que sigue vinculado al DataFrame original. Si luego añades o cambias una columna en él, pandas no puede estar seguro de si querías cambiar también orders, y te avisa:

web = orders[orders["channel"] == "web"]
web["free_shipping"] = web["shipping_fee"] == 0
# SettingWithCopyWarning: A value is trying to be set on a copy of a slice from a DataFrame.

El aviso es pandas diciendo «esto podría no hacer lo que piensas». Aquí la columna queda solo en web, pero un código muy parecido, como orders[orders["channel"] == "web"]["shipping_fee"] = 0, no cambia nada en silencio. La respuesta limpia es decir lo que quieres: una tabla separada propia.

web = orders[orders["channel"] == "web"].copy()
web["free_shipping"] = web["shipping_fee"] == 0   # no warning, orders is untouched

La asignación simple, web2 = web, tampoco copia nada. Le da a la misma tabla un segundo nombre, así que un cambio a través de un nombre se ve a través del otro. Usa .copy() siempre que pienses modificar una tabla filtrada o prestada.

Filas aleatorias que puedes reproducir

sample elige filas al azar. n dice cuántas; frac=0.1 tomaría el 10% en su lugar.

web.sample(n=10)                   # a different ten every run
web.sample(n=10, random_state=7)   # the same ten every run

random_state es una semilla: sirve cualquier número entero, y el mismo número sobre la misma tabla siempre elige las mismas filas. Eso importa para el equipo de Angela. Si alguien pregunta «¿por qué llamaron a estos clientes?», puedes volver a ejecutar el código y obtener la lista idéntica. Con random_state=7, las primeras elegidas son los pedidos 2453, 12392 y 8576.

sample devuelve las filas en el orden aleatorio en que las sacó, con sus etiquetas de índice originales. Para una lista de llamadas eso está bien, así que deja el orden como está aquí.

Leer la muestra

Ocho de los diez pedidos de la muestra se enviaron gratis. Entre los 5,913 pedidos web la proporción es de alrededor del 79%, así que la muestra parece típica. Una muestra pequeña puede parecer inusual por puro azar, lo cual conviene saber antes de que nadie lea demasiado en diez filas.

Errores comunes

• Saltarse .copy() y recibir un SettingWithCopyWarning al añadir la columna.
• Pensar que web2 = web hace una copia. No lo hace; ambos nombres apuntan a la misma tabla.
• Dejar fuera random_state, de modo que la lista cambia cada vez que la ejecutas.
• Muestrear orders primero y filtrar después, lo que da menos de diez pedidos web.
• Ordenar o reiniciar la muestra cuando la tarea la pide tal como se extrajo.