Pandas es posiblemente la biblioteca de Python más utilizada para la manipulación y el análisis de datos. Una parte crucial del análisis de datos es la presentación de los resultados. Lo que se debe hacer de forma clara y comprensible para que los destinatarios del análisis puedan comprender las conclusiones de estos de una forma rápida e intuitiva. En esta entrada, se explorarán algunas de las técnicas que existen para dar formato a los datos en Pandas, para presentar los datos y resultados de manera profesional y efectiva.
Tabla de contenidos
Métodos par dar formato a las columnas en Pandas
Los métodos apply() y applymap() de los DataFrame permite aplicar transformaciones específicas a los datos. Por un lado, apply() se puede utilizar para aplicar una función a lo largo de un eje, mientras que applymap() aplica la función a todos los elementos de un DataFrame. Usando correctamente ambas, se puede dar el formato necesario a los valores de un objeto.
Ejemplo: Definir el formato a datos numérico en Pandas
Uno de los primeros usos que se le puede dar a apply() es para dar formato a todos los valores de una columna. Permitiendo que esto sea visualmente coherente. Por ejemplo, a continuación, se muestra cómo cambiar aplicar el formato numérico a un precio
import pandas as pd
# Crear un DataFrame de ejemplo
data = {'Producto': ['A', 'B', 'C'], 'Precio': [1234.5678, 6789.3456, 4567.8901]}
df = pd.DataFrame(data)
print("Datos originales")
print(df)
# Aplicar formato de moneda
df['Precio'] = df['Precio'].apply(lambda x: f"{x:,.2f}€")
print("\nDatos con formato de moneda")
print(df)Datos originales
Producto Precio
0 A 1234.5678
1 B 6789.3456
2 C 4567.8901
Datos con formato de moneda
Producto Precio
0 A 1,234.57€
1 B 6,789.35€
2 C 4,567.89€
Lo que hace que los datos sean más facilmente legibles.
Definir un formato específico de fechas en Pandas con dt.strftime()
Otro tipo de dato que suele ser necesario formatear son las fechas, para lo que se puede usar el método dt.strftime(). En el siguiente ejemplo se muestra como se puede inidcar uno especial.
# Crear un DataFrame con fechas
data = {'Evento': ['Evento1', 'Evento2', 'Evento3'], 'Fecha': ['2024-05-20', '2024-06-15', '2024-07-10']}
df = pd.DataFrame(data)
print("Datos originales")
print(df)
# Convertir y formatear fechas
df['Fecha'] = pd.to_datetime(df['Fecha']).dt.strftime('%d/%m/%Y')
print("\nDatos con formato de fecha especifico")
print(df)Datos originales
Evento Fecha
0 Evento1 2024-05-20
1 Evento2 2024-06-15
2 Evento3 2024-07-10
Datos con formato de fecha especifico
Evento Fecha
0 Evento1 20/05/2024
1 Evento2 15/06/2024
2 Evento3 10/07/2024
Configuración global con pd.options
El método pd.options de los DataFrame Pandas permite ajustar diferentes características que se aplicarán en todos los casos a partir de su definición.
Número de Decimales
Es posible ajustar el número de decimales que se muestran en los DataFrame con una sola línea de código, lo que es especialmente útil cuando se trabaja con datos financieros o científicos. Por ejemplo, se puede definir un formato con dos decimales usando el siguiente código.
pd.options.display.float_format = '{:.2f}'.format
# Crear un DataFrame de ejemplo
data = {'Producto': ['A', 'B', 'C'], 'Precio': [1234.5678, 6789.3456, 4567.8901]}
df = pd.DataFrame(data)
print(df)Producto Precio
0 A 1234.57
1 B 6789.35
2 C 4567.89
Ancho máximo de las columnas
Ajustar el ancho de las columnas es útil para estar seguro de que el contenido se visualiza de forma correcta. Si el campo es más largo de lo indicado, este se truncará para el tamaño máximo. Por ejemplo, en el siguiente código se fija un máximo de 25.
pd.set_option('display.max_colwidth', 25)
# Crear un DataFrame con texto largo
data = {'Producto': ['A', 'B', 'C'], 'Descripción': ['Descripción muy larga para A', 'Descripción muy larga para B', 'Descripción muy larga para C']}
df = pd.DataFrame(data)
print(df)Producto Descripción
0 A Descripción muy larga...
1 B Descripción muy larga...
2 C Descripción muy larga...
Estilizado de DataFrames con style
El atributo style de Pandas permite definir formatos y estilos personalizados que pueden personalizar la forma en la que se muestran los datos. Haciendo que estos sean más presentables
Formato condicional
Los formatos condicionales son adecuados para resaltar datos importantes en grandes conjuntos de datos. Por ejemplo, para resaltar datos negativos en rojo. En el siguiente ejemplo se muestra como aplicar un formato condicional.
# Definir la función de formato condicional
def color_negative_red(val):
color = 'red' if val < 0 else 'black'
return f'color: {color}'
# Crear un DataFrame de ejemplo
data = {'Producto': ['A', 'B', 'C'], 'Cambio': [0.05, -0.1, 0.2]}
df = pd.DataFrame(data)
# Aplicar formato condicional solo a la columna 'Cambio'
df = df.style.applymap(color_negative_red, subset=['Cambio'])
# Mostrar el DataFrame con el estilo aplicado
dfEn este caso, se ha creado una función color_negative_red que luego se aplica sólo a los valores que son numéricos. Para observar los resultados es necesario una captura de pantalla.
Pudiendo apreciar cómo este formato condicional permite identificar de una forma visual y rápida los valores que son negativos.
Barras de color
Agregar barras de color a los DataFrames puede proporcionar una visualización rápida y efectiva de los datos. Algo especialmente útil para comparar rápidamente los valores. En el siguiente ejemplo se muestra como configurar las barras de color.
# Crear un DataFrame de ejemplo
data = {'Producto': ['A', 'B', 'C'], 'Ventas': [100, 150, 200]}
df = pd.DataFrame(data)
# Aplicar barras de color
df = df.style.bar(subset=['Ventas'], color='lightblue')
dfEn este ejemplo, se ha usado el método style.bar() para definir las barras que se muestran en el ejemplo.
Formateo en la exportación
A la hora de exportar datos a Excel, también se pueden aplicar formatos específicos para mejorar la presentación de los datos. Para lo que se debe instalar la biblioteca xlsxwriter. Como es habitual el método más sencillo para ello es en la línea de comando ejecutar
pip instal xlsxwriter
Una vez hecho esto se puede ejecutar el siguiente código con el que se da formato de moneda a los datos
# Crear un DataFrame de ejemplo
data = {'Producto': ['A', 'B', 'C'], 'Precio': [1234.5, 6789.3, 4567.8]}
df = pd.DataFrame(data)
# Exportar a Excel con formato
with pd.ExcelWriter('productos.xlsx', engine='xlsxwriter') as writer:
df.to_excel(writer, sheet_name='Hoja1')
workbook = writer.book
worksheet = writer.sheets['Hoja1']
formato_precio = workbook.add_format({'num_format': '$#,##0.00'})
worksheet.set_column('B:B', None, formato_precio)Obteniendo como resultado una hoja como la que se muestra en la siguiente captura de pantalla.
Conclusiones
Usar el formateo adecuado para mostrar los datos es crucial para comunicar de forma correcta los resultados de los análisis de datos. En esta entrada se ha visto cómo dar formato a datos en Pandas para adaptar la salida, tanto por pantalla como en archivos Excel, de los datos almacenados en DataFrame.
Deja una respuesta