Python

Cómo dar formato a datos en Pandas

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

1 Métodos par dar formato a las columnas en Pandas
- 1.1 Ejemplo: Definir el formato a datos numérico en Pandas
2 Definir un formato específico de fechas en Pandas con dt.strftime()
3 Configuración global con pd.options
- 3.1 Número de Decimales
- 3.2 Ancho máximo de las columnas
4 Estilizado de DataFrames con style
- 4.1 Formato condicional
- 4.2 Barras de color
5 Formateo en la exportación
- 5.1 Conclusiones

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
df

En 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.

Resultado de aplicar un formato condicional a un DataFrame en Pandas

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')
df

En este ejemplo, se ha usado el método style.bar() para definir las barras que se muestran en el ejemplo.

DataFrame con barras de color proporcional al color de la celda

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.

Hoja Excel con el DataFrame exportado con el formato moneda

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.

Imagen de StockSnap en Pixabay