• Ir al contenido principal
  • Skip to secondary menu
  • Ir a la barra lateral primaria
  • Ir al pie de página
  • Inicio
  • Secciones
    • Ciencia de datos
    • Criptografía
    • Herramientas
    • Noticias
    • Opinión
  • Programación
    • JavaScript
    • Julia
    • Matlab
    • Python
    • R
  • Boletín
  • Contacto
  • Acerca de Analytics Lane
  • Tienda
    • Libros
    • Equipamiento de oficina
    • Equipamiento en movilidad
    • Tiendas afiliadas
      • AliExpress
      • Amazon
      • GearBest
      • GeekBuying
      • JoyBuy

Analytics Lane

Ciencia e ingeniería de datos aplicada

  • Ciencia de datos
  • Criptografía
  • Python
  • Matlab
  • R
  • Julia
  • JavaScript
  • Herramientas
  • Opinión
  • Noticias

Utilizar el portapapeles en Python con pandas

diciembre 12, 2018 Por Daniel Rodríguez Dejar un comentario

El portapapeles es una forma rápida de mover datos entre las aplicaciones abiertas en una sesión. Por ejemplo, es posible copiar el código publicado e insertarlo en un editor de texto. Otra aplicación es copiar una parte de los datos de una hoja de cálculo e insertarlos en otra o en una sesión de Python. Para esto último se puede utilizar la función read_clipboard() disponible en la librería pandas. El proceso inverso se puede llevar a cabo con el método to_clipboard() de los objetos DataFrame. A continuación, se mostrará cómo intercambiar datos con el portapapeles en Python mediante los métodos disponibles en pandas.

Conjunto de datos de ejemplo

A modo de ejemplo, se puede generar un archivo CVS con un conjunto de datos simulados en Mockaroo. En nuestro caso, el archivo generado se muestra a continuación.

id,first_name,last_name,email,gender,ip_address
1,Troy,Ragborne,[email protected],Male,20.100.138.151
2,Tracie,Jobern,[email protected],Female,229.188.42.56
3,Zulema,Chafney,[email protected],Female,113.181.173.108
4,Rosana,Rubroe,[email protected],Female,47.70.253.44
5,Kelsy,Sizeland,[email protected],Female,210.145.189.98

Este archivo se puede importar en una hoja de cálculo Excel, como se muestra en la siguiente captura de pantalla. Pudiendo copiar ahora su contenido al portapapeles.

El conjunto de datos simulados en Excel
El conjunto de datos simulados en Excel

Importar datos con read_clipboard()

La forma más fácil de importar los datos desde el portapapeles es mediante la función read_clipboard() de pandas. Al ejecutarse devuelve un DataFrame con el contenido del portapapeles. En caso de haber copiado los datos desde el Excel anterior se obtendrá el siguiente resultado.

pd.read_clipboard()
Resultado de la importación desde Excel
Resultado de la importación desde Excel

Los datos también se pueden importar directamente desde el archivo CSV, aunque en este caso se ha de indicar el separador. Por defecto el separador es uno o más espacios en blanco, en el caso del archivo CSV ha de ser una coma. Para ello es necesario utilizar el parámetro sep de la función. Ahora si se copia el contenido del archivo CSV y se ejecuta el código se volverá a obtener un dataframe con los datos.

pd.read_clipboard(sep=',')

En este caso, si no se indica el separador los datos se importarán en una única columna. Por lo que es necesario seleccionar el separador correcto en cada caso.

Exportación de los datos con el método to_clipboard()

Los objetos DataFrame de Python dispone de una propiedad para exportar al portapapeles, esta es to_clipboard(). Así solamente se ha de escribir para exportar los datos.

df.to_clipboard()

Por defecto los datos se exportarán de una forma que se puedan pegar fácilmente en Excel. Este comportamiento se puede cambiar con los parámetros excel y sep. El parámetro excel es True cuando se desea exportar a Excel y falso cuando se desea explotar a un archivo de texto. Por otro lado, mediante el parámetro sep se indica el separador que se utilizará para los campos.

Por ejemplo, para exportar los datos en un texto en formato CSV se ha de emplear la siguiente línea de código.

df.to_clipboard(sep=',')

Conclusiones

Conocer los métodos disponibles para importar y exportar datos al portapapeles puede facilitar el intercambio de datos en ciertas con hojas de cálculo o importar datos desde fuentes de texto. Por ejemplo, importar los datos desde una web. En Python esta tarea se puede realizar mediante los métodos disponibles en pandas que se han visto en esta entrada.

Imágenes: Pixabay (rawpixel)

¿Te ha parecido de utilidad el contenido?

¡Puntúalo entre una y cinco estrellas!

Puntuación promedio 5 / 5. Votos emitidos: 1

Ya que has encontrado útil este contenido...

¡Síguenos en redes sociales!

¡Siento que este contenido no te haya sido útil!

¡Déjame mejorar este contenido!

Dime, ¿cómo puedo mejorar este contenido?

Contenido relacionado

Archivado en:Python Etiquetado con:pandas

Interacciones con los lectores

Deja una respuesta Cancelar la respuesta

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

I accept the Terms and Conditions and the Privacy Policy

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

Publicidad


Barra lateral primaria

Suscríbete a nuestro boletín

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

Política de Privacidad

¡Síguenos en redes sociales!

  • facebook
  • github
  • telegram
  • pinterest
  • rss
  • tumblr
  • twitter
  • youtube

Publicidad

Tiendas afiliadas

Ayúdanos realizando tus compras sin coste adicional con los enlaces de la tienda. ¡Gracias!

Entradas recientes

Convertir números en cadenas y cadenas en números en Python

enero 25, 2021 Por Daniel Rodríguez Dejar un comentario

Creación de un certificado Let’s Encrypt en Windows con Win-Acme

enero 22, 2021 Por Daniel Rodríguez Dejar un comentario

Aplicaciones de Node en producción con PM2

enero 20, 2021 Por Daniel Rodríguez Dejar un comentario

Publicidad

Es tendencia

  • ¿Cómo eliminar columnas y filas en un dataframe pandas? bajo Python
  • Seleccionar filas y columnas en Pandas con iloc y loc bajo Python
  • Unir y combinar dataframes con pandas en Python bajo Python
  • Codificación JSON Archivos JSON con Python: lectura y escritura bajo Python
  • Operaciones de filtrado de DataFrame con Pandas en base a los valores de las columnas bajo Python

Publicidad

Lo mejor valorado

5 (3)

Ordenar una matriz en Matlab en base a una fila o columna

5 (3)

Automatizar el análisis de datos con Pandas-Profiling

5 (5)

Diferencias entre var y let en JavaScript

5 (6)

Operaciones de filtrado de DataFrame con Pandas en base a los valores de las columnas

5 (3)

Unir y combinar dataframes con pandas en Python

Publicidad

Comentarios recientes

  • Daniel Rodríguez en Calculadora de probabilidades de ganar a la lotería
  • abel en Calculadora de probabilidades de ganar a la lotería
  • David Arias en Diferencias entre regresión y clasificación en aprendizaje automático
  • Juan Aguilar en Archivos JSON con Python: lectura y escritura
  • Camilo en Contar palabras en una celda Excel

Publicidad

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
  • Lo más popular
  • Tienda

Tiendas Afiliadas

  • AliExpress
  • Amazon
  • BangGood
  • GearBest
  • 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.

Tiendas afiliadas

Ayúdanos realizando tus compras sin coste adicional con los enlaces de la tienda. ¡Gracias!

Amazon

2018-2020 Analytics Lane · Términos y condiciones · Política de Cookies · Política de Privacidad · Herramientas de privacidad · Contacto