Nivel 3 · Elige las columnas que necesitas

Una columna: una Series

Los corchetes con un nombre de columna te dan esa columna:

customers["email"]

El resultado es una Series: una columna de valores más el índice. Las Series tienen sus propios métodos útiles, como .nunique(), .value_counts() o .str.lower(), que usarás todo el tiempo.

También puedes ver customers.email (acceso con punto). Funciona con nombres simples, pero falla con nombres con espacios o que chocan con métodos del DataFrame (una columna llamada count o size), y no puede crear columnas nuevas. El acceso con corchetes siempre funciona, así que haz de él tu costumbre.

Varias columnas: un DataFrame

Para seleccionar más de una columna, pasa una lista de nombres:

customers[["customer_id", "email", "state", "segment"]]

Los corchetes dobles confunden a todo el mundo al principio. Los corchetes exteriores significan «selecciona de este DataFrame». Los interiores son solo la sintaxis de lista de Python. Escribirlo en dos pasos lo aclara:

cols = ["customer_id", "email", "state", "segment"]
customers[cols]

Las columnas vuelven en el orden en que las listas, así que esta también es la forma de reordenar columnas.

Una columna como DataFrame

Una lista con un solo nombre te da un DataFrame de una columna en lugar de una Series:

customers["email"]       # Series
customers[["email"]]     # DataFrame with one column

Cuál quieres depende de lo que venga después. Los métodos de Series (value_counts, .str) quieren una Series; exportar una tabla o hacer un merge quiere un DataFrame.

Seleccionar columnas no copia la tabla

La selección es un objeto nuevo. customers en sí sigue teniendo las nueve columnas. Si quieres conservar la tabla más estrecha, asígnala:

contacts = customers[["customer_id", "email", "state", "segment"]]

Si vas a modificar esa tabla nueva (añadir una columna, cambiar valores), hazla una copia explícita: contacts = customers[[...]].copy(). Eso evita el SettingWithCopyWarning de pandas y deja claro que las dos tablas son independientes.

Encontrar columnas por patrón

Cuando una tabla tiene decenas de columnas, filter ayuda:

orders.filter(like="_id")    # every column whose name contains "_id"

¿Por qué molestarse en reducir?

Seleccionar solo lo que necesitas hace legibles los resultados, hace más pequeñas las exportaciones y es un hábito de privacidad que conviene tener: una audiencia de marketing no necesita las fechas de alta, y una hoja de cálculo compartida no debería llevar columnas que nadie pidió.

Errores comunes

• Corchetes simples alrededor de una lista de nombres escrita sin la lista interior: customers["customer_id", "email"] lanza KeyError, porque pandas busca una sola columna con el nombre de esa pareja.
• Erratas y mayúsculas: customers["Email"] lanza KeyError: 'Email'.
• Esperar que customers[["email"]] sea una Series y llamar a .str sobre ella.