• Saltar a la navegación principal
  • Saltar al contenido principal
  • Saltar a la barra lateral principal
  • Saltar al pie de página

Analytics Lane

Ciencia e ingeniería de datos aplicada

  • Ciencia de datos
  • Criptografía
  • Python
  • Matlab
  • R
  • Herramientas
  • Tienda

Tablas dinámicas en Python con pandas

noviembre 23, 2018 Por Daniel Rodríguez 1 comentario

Es muy probable que la mayoría de los lectores tengan experiencia con las tablas dinámicas de Excel. Estas son un tipo especial de tablas en las que es posible resumir de forma dinámica el contenido de hojas calculo. A la hora de su definición es posible indicar los campos a utilizar como columna, como fila y los estadísticos que se mostraran en estas. Otro nombre por el que también se hace referencia a las tablas dinámicas es llame tablas pivote, debido a su nombre en inglés: “Pivot tables”. En Python pandas proporciona una función con la que se pueden conseguir los mismos resultados llamada pivot_table. Esta función, al igual que en Excel, es extremadamente útil para resumir conjuntos de datos de una forma rápida y eficaz. Veamos a continuación cómo aplicar esta función a un dataframe con la que se pueden construir tablas dinámicas en Python con pandas.

Importación del conjunto de datos

Antes de poder utilizar la función pivot_table para construir una tabla dinámica es necesario disponer de un conjunto de datos. En esta ocasión se puede importar el conjunto de datos de supervivencia del Titanic que se encuentra en la librería Seaborn. El proceso de importación se muestra en el siguiente código.

import numpy as np
import pandas as pd
import seaborn as sns

titanic = sns.load_dataset('titanic')

Operaciones básicas con tablas dinámicas en Python

En el conjunto de datos una primera pregunta puede ser cuál es el porcentaje de los pasajeros en función de su clase. Esta pregunta se puede responder rápidamente mediante el uso de la función pivot_table. Para ello simplemente se ha de indicar que agrupe los valores de la columna survived en función de la columna clase class.

titanic.pivot_table('survived', 'class')
Porcentaje de supervivencia en función de la clase
Porcentaje de supervivencia en función de la clase

El resultado muestra los porcentajes de supervivencia por clase, pero puede que sea más interesante obtener el total. Para ello es necesario cambiar la función de agregación. Esto se puede indicar mediante el parámetro aggfunc, al que se le ha de pasar la función de agregación.

titanic.pivot_table('survived', 'class', aggfunc=np.sum)
Número de supervivientes en función de la clase
Número de supervivientes en función de la clase

Utilización de valores en columnas

Una posibilidad que aumenta las posibilidades de las tablas dinámicas es la posibilidad de separar los resultados en columnas. Para ello a la función se le ha de indicar una segunda columna del dataframe como segundo criterio de agrupación. A modo de ejemplo se puede ver la probabilidad de supervivencia por clase y género en el siguiente código.

titanic.pivot_table('survived', ['sex', 'alone'], 'class')
Probabilidad de supervivencia por clase y género
Probabilidad de supervivencia por clase y género 

Múltiples criterios de agrupación en columnas y filas

Es posible utilizar más de un criterio de agrupación tanto en las filas como en las columnas de las tablas dinámicas. Para ello en lugar de indicar una única columna se ha de utilizar un vector. Siguiendo con el ejemplo, se puede separar el género en función de si viajaban solos o no para obtener la probabilidad de supervivencia.

titanic.pivot_table('survived', ['sex', 'alone'], 'class')
Probabilidad de supervivencia por clase, género y embarque en solitario
Probabilidad de supervivencia por clase, género y embarque en solitario

Por otro lado, en la clase se puede agregar el puerto de embarque.

titanic.pivot_table('survived',
                    ['sex', 'alone'],
                    ['embark_town', 'class'])
Probabilidad de supervivencia por clase, género, embarque en solitario y puerto de embarque
Probabilidad de supervivencia por clase, género, embarque en solitario y puerto de embarque

Múltiples funciones de agregación

No solo se pueden utilizar múltiples columnas, sino que es posible obtener a la vez los resultados para diferentes funciones de agregación. Para ello al parámetro aggfunc se le ha de agregar un diccionario en el que la clave sea la columna sobre la que se realiza la operación y el valor la función. Por ejemplo, se puede obtener a la vez el número de supervivientes y porcentaje de la tarifa pagada.

titanic.pivot_table(index='sex', columns='class',
                    aggfunc={'survived': np.sum,
                             'fare': np.mean})
Número de supervivientes y tarifa media agrupados por género y clase
Número de supervivientes y tarifa media agrupados por género y clase.

Conclusiones

Las tablas dinámicas o tablas pivote son una herramienta extremadamente útil en tareas de análisis de datos. Muchos usuarios conocen su utilidad después de haberlas utilizado en Excel. Conocer que pandas suministra estas funciones y saber utilizarlas es clave para mejorar los flujos de trabajo.

Imágenes: Pixabay (Free-Photos)

No te olvides valorar esta entrada

Puntuación: 5.0/5. 2 votos.
Por favor espera...

Archivado en: Python Etiquetado como: numpy, pandas, seaborn

Entrada anterior: « El tipo de datos numérico en JavaScript
Siguiente entrada: Diferencias entre regresión y clasificación en aprendizaje automático »

Interacciones del lector

Comentarios

  1. Ramón dice

    octubre 25, 2019 al 11:48 pm

    Excelente trabajo.

    Responder

Deja un comentario Cancelar la respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.

Suscríbete a nuestro boletín

Suscríbete al boletín semanal para estar al día de todas las publicaciones de Analytics Lane.

Contenido relacionado

Barra lateral primaria

Tiendas afiliadas

Realiza tus compras mediante los enlaces y colabora con la web, todo sin coste adicional para ti. También puedes ver nuestra tienda. ¡Gracias!
Aliexpress Amazon Banggood Gearbest

Seguir a Analytics Lane

  • twitter
  • pinterest
  • youtube
  • telegram
  • github
  • rss

Seguir en Feedly

follow us in feedly

Suscríbete a nuestro boletín

Suscríbete al boletín semanal para estar al día de todas las publicaciones de Analytics Lane.

Política de Privacidad

Lo mejor valorado

  1. Seleccionar filas y columnas en Pandas con iloc y loc
    Puntuación: 5.0/5. 5 votos.
  2. Unir y combinar dataframes con pandas en Python
    Puntuación: 5.0/5. 5 votos.
  3. Eliminar registros duplicados en pandas
    Puntuación: 5.0/5. 5 votos.
  4. Guardar y leer archivos Excel en Python
    Puntuación: 5.0/5. 4 votos.
  5. Archivos JSON con Python: lectura y escritura
    Puntuación: 4.8/5. 8 votos.

Entradas recientes

  • Numpy básico: como invertir arrays de Numpy diciembre 11, 2019
  • ¿Bajar impuestos para crecer más o crecer más para bajar impuestos? diciembre 9, 2019
  • Copias de seguridad de SQL Server con Microsoft SQL Server Management Studio diciembre 6, 2019
  • Numpy básico: inicializar arrays de Numpy con un valor diciembre 4, 2019
  • Bajar impuestos para crecer más diciembre 2, 2019

Comentarios recientes

  • Daniel Rodríguez en Operaciones de filtrado de DataFrame con Pandas en base a los valores de las columnas
  • Axel Caballero en Operaciones de filtrado de DataFrame con Pandas en base a los valores de las columnas
  • Daniel Rodríguez en Reglas de asociación y market-basket analysis
  • eva en Reglas de asociación y market-basket analysis
  • Daniel Rodríguez en Proteger las funciones escritas en Matlab para su distribución

Etiquetas

Anaconda Analytics Lane App Designer Bases de datos Blockchain CLV Computación cuántica Criptomonedas Deep learning Elecciones Excel Git GUIDE Hash Java Jupyter Libros Machine learning Marketing node numpy pandas Precios RapidMiner scikit-learn seaborn series temporales Small Data Spark SQL Unit testing VirtualBox

Footer

Secciones

  • Ciencia de datos
  • Criptografía
  • Herramientas
  • Noticias
  • Opinión

Programación

  • JavaScript
  • Julia
  • Matlab
  • Python
  • R

Analytics Lane

  • Acerca de Analytics Lane
  • Boletín de noticias
  • Contacto
  • Tienda

Afiliados

  • AliExpress
  • Amazon
  • BangGood
  • GearBest
  • GearVita
  • Geekbuying
  • JoyBuy

Sobre de Analytics Lane

En Analytics Lane tratamos de explicar los principales conceptos de la ciencia e ingeniería de datos con un enfoque práctico. Los principales temas tratados son ciencia de datos, ingeniería de datos, inteligencia artificial, machine learning, deep learning y criptografía. Además, también se habla de los principales lenguajes de programación y herramientas utilizadas por los científicos e ingenieros de datos.

2018-2019 Analytics Lane · Términos y condiciones · Política de Cookies · Política de Privacidad · Herramientas de privacidad · Contacto