Introducción a los DataFrames de Pandas en Python

Pandas es la herramienta esencial para el análisis de datos en Python. Con ella puedes manejar, limpiar, transformar y visualizar información de forma sencilla y profesional.

Si estás comenzando o quieres fortalecer tus habilidades, esta guía práctica te mostrará cómo hacerlo paso a paso.

Qué es un DataFrame

Un DataFrame de pandas es como una hoja de cálculo de Excel o una tabla SQL, pero dentro de Python. Está formado por filas y columnas, donde cada columna puede contener números, texto o fechas.

Para instalar pandas, basta con ejecutar:

pip install pandas

Crear tu primer DataFrame

import pandas as pd
import numpy as np

x = np.linspace(-10, 10)
y = 2*x + 5

df = pd.DataFrame({'x': x, 'y': y})
print(df.head())

Con head() puedes ver las primeras filas del conjunto de datos, mientras que con tail() observas las últimas.
También puedes filtrar filas específicas fácilmente:

print(df[1:3])

Importar datos desde diferentes fuentes

Una de las mayores ventajas de pandas es su compatibilidad con múltiples formatos de datos. Puedes cargar fácilmente archivos de Excel, CSV o incluso desde el portapapeles:

df = pd.read_excel('/ruta/del/archivo.xls')
df = pd.read_csv('/ruta/del/archivo.csv')
df = pd.read_clipboard()

Explorar y resumir tus datos

Antes de analizar, conviene entender la estructura de tu DataFrame:

print(df.columns)       # Ver nombres de columnas
print(df.describe())    # Estadísticas descriptivas

Para una columna específica:

print(df['Edad'].describe())
print(df['Edad'].mean())
print(df['Edad'].median())

Estas funciones te permiten obtener promedios, medianas y rangos en segundos.

Seleccionar datos de forma eficiente

Puedes acceder a una columna individual con:

nombres = df['Nombre']

O seleccionar varias columnas a la vez:

print(df[['Nombre', 'Edad']])

Esto es muy útil cuando solo necesitas ciertas variables para un análisis o visualización.

Filtrar filas con condiciones (como en SQL)

Si vienes del mundo de las bases de datos, te encantará saber que pandas permite consultas tipo SQL:

print(df[df['Edad'] > 30])
# Equivalente SQL: SELECT * FROM df WHERE Edad > 30

Manipular columnas

Agregar o modificar columnas es muy intuitivo:

df['x2'] = df['x'] ** 2         # Crear una nueva columna
df = df.drop('x2', axis=1)      # Eliminar una columna
df['suma'] = df['x'] + df['y']  # Operaciones matemáticas directas

Con esto puedes crear variables derivadas, ajustar cálculos o limpiar tu dataset fácilmente.

Resumir y visualizar datos

Para contar valores únicos en una columna:

conteo = df['Ciudad'].value_counts()

Puedes renombrar valores para mayor claridad:

conteo = conteo.rename({'S': 'Sur', 'C': 'Centro', 'N': 'Norte'})

Y generar una visualización rápida directamente con pandas:

conteo.plot(kind='bar')

Con solo una línea obtienes gráficas claras sin necesidad de configurar librerías externas.

---

Conclusión

Un DataFrame te permite organizar, explorar y transformar datos con flexibilidad.

En pocos pasos, puedes importar información, analizar tendencias y visualizar resultados, todo dentro de Python.

Dominar pandas es el primer paso hacia el análisis de datos profesional y la ciencia de datos moderna.