Capítulo 4 · 10 niveles
Primer vistazo a pandas
Conoce el DataFrame. Abre las tablas reales de Harbor & Pine, comprueba su tamaño y tipos, elige columnas y obtén resúmenes rápidos con value_counts y describe.
A partir de aquí trabajas con los datos reales de Harbor & Pine: 12,000 pedidos, 30,000 líneas de
pedido, 2,000 clientes, 120 productos y más. Es demasiado para recorrerlo a mano con bucles, y para eso
sirve pandas. pandas es la biblioteca de Python que los analistas usan para tablas. Ya está
importada como pd (y NumPy como np), y cada tabla está precargada como un DataFrame con el nombre de
la tabla: orders, order_items, customers, products, returns, employees, web_sessions y
marketing_spend.
Lo primero que hace un buen analista con cualquier tabla nueva es mirarla. ¿Cuántas filas? ¿Cuáles son
las columnas y sus tipos? ¿Qué valores aparecen y con qué frecuencia? ¿Hay huecos? Este capítulo enseña
ese primer vistazo: head, shape, info, la selección de columnas, value_counts y describe.
Parece básico, pero saltárselo es como los números equivocados acaban delante de un vicepresidente.
Niveles
- Elige las columnas que necesitas
de Logan Brooks, Especialista en Email Marketing
column selection, series, dataframe, double brackets
- Cuenta los pedidos por estado
de Megan Collins, Directora de Ventas
value counts, describe, nunique, unique
- Carga el CSV del proveedor y comprueba sus tipos
de Priya Shah, Directora de Datos
read csv, stringio, dtypes, parse dates, missing values
- Depuración: ¿60 departamentos para 60 personas?
de Catherine Hale, Directora Ejecutiva
debugging, nunique, count, value counts
- Dos semanas antes del Black Friday con NumPy
de Megan Collins, Directora de Ventas
numpy, np array, element wise, slicing, boolean indexing
- Totales acumulados y dispersión con NumPy
de Laura Bennett, Directora de Finanzas
numpy, cumsum, cumprod, mean median, std var
- Desafío final: el informe del primer vistazo
de Priya Shah, Directora de Datos
nunique, value counts, normalize, describe, round