• Saltar al contenido principal
  • Skip to secondary menu
  • Saltar a la barra lateral principal
  • Saltar al pie de página
  • Inicio
  • Secciones
    • Ciencia de datos
    • Criptografía
    • Herramientas
    • Machine Learning
    • Noticias
    • Opinión
    • Productividad
    • Programación
      • JavaScript
      • Julia
      • Matlab
      • Python
      • R
  • Programación
    • JavaScript
    • Julia
    • Matlab
    • Python
    • R
  • Noticias
  • Boletín
  • Contacto
  • Tienda
    • Libros
    • Equipamiento de oficina
    • Equipamiento en movilidad
    • Tiendas afiliadas
      • AliExpress
      • Amazon
      • Banggood
      • GeekBuying
      • Lenovo

Analytics Lane

Ciencia e ingeniería de datos aplicada

  • Ciencia de datos
  • Machine Learning
  • Python
  • Pandas
  • NumPy
  • Matlab
  • Julia
  • JavaScript
  • Excel

Uso del método de Pandas diff() con cadenas de texto

marzo 13, 2023 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 3 minutos

El método diff() de Pandas permite obtener la diferencia entre los valores de un registro y el siguiente para todos una serie. Aunque solamente funciona cuando las series contienen valores de tipo numérico o fecha, no cadenas de texto. Si se necesita saber cuándo los valores de una serie con texto cambian de un registro a al siguiente, será necesario crear un método equivalente a diff() con cadenas de texto.

El problema de diff() con cadenas de texto

Al importar el conjunto de datos planets de la librería Seaborn se obtiene un listado de exoplanetas con información como el método de descubrimiento, el número de planetas, el pedido orbital, la masa, la distancia y el año de descubrimiento.

import seaborn as sb

planets = sb.load_dataset('planets')
planets.head()
            method  number  orbital_period   mass  distance  year
0  Radial Velocity       1         269.300   7.10     77.40  2006
1  Radial Velocity       1         874.774   2.21     56.95  2008
2  Radial Velocity       1         763.000   2.60     19.84  2011
3  Radial Velocity       1         326.030  19.40    110.62  2007
4  Radial Velocity       1         516.220  10.50    119.47  2009

Ahora se puede calcular los años que han pasado entre el descubrimiento de un planeta y el siguiente. Para ello solamente se tiene que usar el método diff() sobre la serie. Lo que se muestra en el siguiente ejemplo.

planets['year'].diff()
0       NaN
1       2.0
2       3.0
3      -4.0
4       2.0
       ... 
1030   -6.0
1031    1.0
1032    0.0
1033    1.0
1034    0.0
Name: year, Length: 1035, dtype: float64

Como los planetas no están ordenados por fecha, hay unos casos en los que los valores son positivos y otros negativos. Pero, si se quiere saber cuándo en los datos cambia el método de descubrimiento, no se puede usar diff() ya que produce un error.

planets['method'].diff()
TypeError: unsupported operand type(s) for -: 'str' and 'str'

Equivalente a diff() con cadenas de texto

La solución de este problema es sencilla, solamente es necesario ver cuando un registro es diferente del siguiente. Para ello se puede usar el método shift() para desplazar los datos una posición y bfill() para rellenar el primer registro. Si se omite bfill() el primer registro de la nueva serie será NaN y por lo tanto el resultado de la primera comparación siempre será verdadero. Ahora simplemente se tiene que comparar con la cadena original.

Publicidad


planets['method'] != planets['method'].shift().bfill()
0        True
1       False
2       False
3       False
4       False
        ...  
1030     True
1031    False
1032    False
1033    False
1034    False
Name: method, Length: 1035, dtype: bool

Una alternativa que es más eficiente y compacta es usar el método .ne() de las series que devuelve verdadero cuando los valores de dos series son diferentes y falso en el resto de los casos.

planets['method'].ne(planets['method'].shift().bfill())

Ambos métodos ofrecen el mismo resultado. Ahora se puede comprobar que los registros seleccionados en este caso cambian de método en cada paso.

planets.loc[planets['method'].ne(planets['method'].shift().bfill()), :].head()
                       method  number  orbital_period  mass  distance  year
29                    Imaging       1             NaN   NaN     45.52  2005
32  Eclipse Timing Variations       1         10220.0  6.05       NaN  2009
33                    Imaging       1             NaN   NaN       NaN  2008
37  Eclipse Timing Variations       2          5767.0   NaN    130.72  2008
45            Radial Velocity       1           380.8  1.80     20.21  2010

Conclusiones

El método diff() de Pandas no está pensado para trabajar con cadenas de texto. Aunque saber cuándo una etiqueta cambia en una serie es algo que puede ser necesario en muchos casos. Pero es algo que se puede solucionar fácilmente con el método shift() y una comparación de los registros.

Imagen de Ri Butov en Pixabay

¿Te ha parecido de utilidad el contenido?

¡Puntúalo entre una y cinco estrellas!

Puntuación promedio 0 / 5. Votos emitidos: 0

Ya que has encontrado útil este contenido...

¡Síguenos en redes sociales!

¡Siento que este contenido no te haya sido útil!

Publicidad


¡Déjame mejorar este contenido!

Dime, ¿cómo puedo mejorar este contenido?

Publicaciones relacionadas

  • Obtención de valores únicos de una columna con Pandas
    Obtención de valores únicos de una columna con Pandas
  • Visualización de matrices en Seaborn: Mapas de calor y dendrogramas
    Visualización de matrices en Seaborn: Mapas de calor y…
  • Introducción a Seaborn: Una visión general de la biblioteca
    Introducción a Seaborn: Una visión general de la biblioteca
  • Uso de Eval en Pandas para analizar datos de forma sencilla
    Uso de Eval en Pandas para analizar datos de forma sencilla
  • Visualización de valores faltantes en el conjunto de datos planets
    Visualización de valores faltantes con Missingno
  • Filtrado de cadenas de texto en DataFrame con Pandas
    Filtrado de cadenas de texto en DataFrame con Pandas

Publicado en: Python Etiquetado como: 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 principal

Suscríbete a nuestro boletín

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

Política de Privacidad

Analytics Lane en redes sociales

  • Amazon
  • Facebook
  • GitHub
  • Instagram
  • Pinterest
  • RSS
  • Twitter
  • Tumblr
  • YouTube

Publicidad

Entradas recientes

El método de Hare-Niemeyer y su implementación en Python

septiembre 29, 2023 Por Daniel Rodríguez

Redimensionar una partición de disco LVM con espacio no asignado en Linux

septiembre 27, 2023 Por Daniel Rodríguez

¿Cómo saber la versión de Pandas o cualquier otra librería en Python?

septiembre 25, 2023 Por Daniel Rodríguez

Publicidad

Es tendencia

  • ¿Cómo eliminar columnas y filas en un dataframe pandas? publicado el marzo 25, 2019 | en Python
  • Seleccionar filas y columnas en Pandas con iloc y loc publicado el junio 21, 2019 | en Python
  • Sistema de ecuaciones Sistemas de ecuaciones lineales con numpy publicado el octubre 29, 2018 | en Python
  • La aplicación Auto Py to Exe Creación de un EXE desde un archivo Python en Windows publicado el mayo 16, 2022 | en Python
  • ¿Cómo cambiar el nombre de las columnas en Pandas? publicado el mayo 6, 2019 | en Python

Publicidad

Lo mejor valorado

4.9 (22)

Seleccionar filas y columnas en Pandas con iloc y loc

4.7 (12)

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

4.6 (15)

Archivos JSON con Python: lectura y escritura

4.5 (10)

Diferencias entre var y let en JavaScript

4.3 (12)

Ordenación de diccionarios en Python mediante clave o valor

Publicidad

Comentarios recientes

  • Daniel Rodríguez en ¿Cómo eliminar columnas y filas en un dataframe pandas?
  • Miguel en ¿Cómo eliminar columnas y filas en un dataframe pandas?
  • alberto en Resolver problema de credenciales en Bitbucket
  • Pablo en Aplicar el método D’Hondt en Excel
  • Agapito en Creación de un EXE desde un archivo Python en Windows

Publicidad

Footer

Analytics Lane

  • Acerca de Analytics Lane
  • Boletín de noticias
  • Contacto
  • Libros
  • Lo más popular
  • Noticias
  • Tienda
  • Tiendas afiliadas

Secciones

  • Ciencia de datos
  • Criptografía
  • Herramientas
  • Machine Learning
  • Opinión
  • Productividad
  • Programación
  • Reseñas

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.

Copyright © 2018-2023 Analytics Lane ·Términos y condiciones ·Política de Cookies ·Política de Privacidad ·Herramientas de privacidad ·Contacto