Extender con métodos propios los DataFrame de Pandas

Los DataFrames de Pandas son una fantástica herramienta para analizar datos en Python. No solamente pueden almacenar datos en formato tabular, sino que también disponen de una amplia variedad de métodos para seleccionar, procesar y analizar los datos de una forma altamente eficiente. Sin embargo, en algunas ocasiones, puede ser que no exista un método que permita solucionar de forma rápida una tarea específica. Afortunadamente, como se mostrará a continuación, esto se puede solucionar al extender con métodos propios los DataFrame de Pandas.

¿Por qué extender con métodos propios los DataFrame de Pandas?

Aunque la librería Pandas ofrece múltiples métodos integrados en los DataFrames, es posible que no sean suficientes para solucionar una tarea concreta. O es una tarea repetitiva que requiere múltiples pasos. Situaciones en las que puede ser necesario contar con una función o método propio para solucionar el problema de una forma óptima. Por ejemplo, es posible que sea necesario calcular una métrica personalizada basada en varias columnas, o que se deba realizar algunas operaciones complejas de limpieza de datos que no están disponibles directamente en los métodos integrados de Pandas. En tales casos, una posible solución es extender con métodos propios las funcionalidades de los DataFrame.

¿Cómo extender las funcionalidades de los DataFrame de Pandas?

Extender una clase en Python es una tarea relativamente sencilla. Para ello se debe crear una nueva clase hija que herede todas las propiedades y métodos del padre, en este dado de pandas.DataFrame. Una vez hecho esto se pueden definir nuevos métodos para acceder a los datos y realizar las operaciones que sean necesarias.

Ejemplo: Contar los valores únicos en una columna del DataFrame

Un ejemplo de método personalizado, aunque algo trivial, puede ser contar el número de valores únicos en una columna del DataFrame. Una posible implementación de esto se puede ver en el siguiente código.

import pandas as pd

class MiDataFrame(pd.DataFrame):
    def contar_valores_en_columna(self, columna):
        if columna not in self.columns:
            raise ValueError(f"La columna '{columna}' no existe en el DataFrame.")
        
        return self[columna].nunique()

El ejemplo es sencillo pero ilustrativo. Primero, antes de poder extender una clase, está debe ser importada, por lo que se importa Pandas en la primera línea. A continuación se crea una nueva clase que hereda de pd.DataFrame, por lo que tiene todas sus propiedades y métodos. En el interior de esta nueva clase se define todos los métodos personalizados que se deseen implementar.

El método que se ha implementado en este ejemplo, contar_valores_en_columna(), recibe como entrada dos parámetros, el propio objeto y el nombre de la columna sobre la que se desea realizar la operación. Devolviendo como resultado el número de valores únicos de la columna si esta existe y un error en caso contrario. El funcionamiento del método en esta clase se puede ver en el siguiente ejemplo.

# Crear un DataFrame de Pandas
data = {'A': [1, 2, 2, 3, 3],
        'B': [4, 5, 6, 6, 7]}
df_pandas = pd.DataFrame(data)

# Crear una instancia de MiDataFrame a partir del DataFrame de Pandas
mi_df = MiDataFrame(df_pandas)

# Utilizar el método personalizado para contar valores en una columna
print(f"Valores únicos en columna 'A': {mi_df.contar_valores_en_columna('A')}")
print(f"Valores únicos en columna 'B': {mi_df.contar_valores_en_columna('B')}")

Valores únicos en columna 'A': 3
Valores únicos en columna 'B': 4

Conclusiones

La opción de extender con métodos propios los DataFrame de Pandas en Python permite abordar problemas nuevos específicos de una forma eficiente en Pandas. Haciendo de este modo que el análisis de datos con Python sea más fácil y capaz.

Image by MySpeed from Pixabay