SQLite es una base de datos ligera y fácil de usar que no requiere la configuración de un servidor para su funcionamiento. En lugar de ello, almacena las bases de datos en archivos individuales, lo que la convierte en una herramienta extremadamente flexible y portátil. Lo que la convierte en una solución ideal para aplicaciones pequeñas, desarrollo y pruebas. La integración con … [Leer más...] acerca de Cómo usar SQLite3 con Pandas
Pandas
Pandas es una librería para Python la cual extiende las funcionalidades que ofrece NumPy para el tratamiento y análisis de conjuntos de datos. Poniendo a disposición de los usuarios dos nuevas estructuras de datos (Series y DataFrame) que facilitan la manipulación de series temporales y tablas.
La estructura de datos básica de Pandas es el objeto Series. Un vector etiquetado capaz de contener cualquier tipo de dato (enteros, reales, cadenas de texto, fechas, objetos de Python, …) con etiquetas que se denominan índices.
La otra estructura de datos, el DataFrame, es una colección ordenada de columnas con nombres y tipos, similar a las tablas de las bases de datos, donde las filas son un registro y las columnas son los atributos. Siendo cada una de las columnas de este tipo de datos un objeto Series.
Visualización de datos con Pyjanitor y Matplotlib o Seaborn: Potenciando el análisis visual
La visualización de datos es una parte clave del análisis de datos y comunicación de los resultados. Facilitando la comprensión de patrones, identificación de tendencias y comunicación de hallazgos de una manera más sencilla y efectiva que solamente estadísticas. En esta cuarta y última entrega la serie dedicada a Pyjanitor se explicará cómo se puede combinar con bibliotecas … [Leer más...] acerca de Visualización de datos con Pyjanitor y Matplotlib o Seaborn: Potenciando el análisis visual
Transformación de datos con Pyjanitor: Potenciando el análisis de datos
La transformación de los datos es una fase crucial en cualquier proyecto de ciencia de datos. Preparar los datos de entrada para que tengan un formato adecuado para el análisis que se desea realizar puede ser la diferencia entre el éxito o fracaso del proyecto. La biblioteca Pyjanitor ofrece varios métodos para simplificar y optimizar este proceso. En esta entrada, se … [Leer más...] acerca de Transformación de datos con Pyjanitor: Potenciando el análisis de datos
Limpieza de datos con Pyjanitor: Optimizando los flujos de trabajo
Contar con unos datos de calidad es clave para que los resultados de un análisis de datos sean válidos. Sin embargo, en la mayoría de las ocasiones, los conjuntos de datos suelen tener múltiples problemas de calidad. Por ejemplo, la presencia de valores nulos, nombres de columnas no estandarizados y datos mal formateados. En esta entrada se analizará las opciones existentes … [Leer más...] acerca de Limpieza de datos con Pyjanitor: Optimizando los flujos de trabajo
Introducción a Pyjanitor: Simplificando la limpieza y transformación de datos en Python
El proceso de limpieza y transformación de datos es una fase clave que se debe realizar antes de cualquier análisis en un proyecto de ciencia de datos. Siendo una fase clave para el éxito del proyecto. Generalmente, trabajar con datos desordenados o mal formateados es una tarea ardua que puede llegar a consumir mucho tiempo. Para solucionar esto existen bibliotecas como … [Leer más...] acerca de Introducción a Pyjanitor: Simplificando la limpieza y transformación de datos en Python
Uso del método df.describe() de Pandas para el análisis de datos
Pandas es la biblioteca de referencia para el análisis de datos en Python. Lo que es debido a ofrecer una gran cantidad de funciones para la manipulación y análisis altamente eficientes y fáciles de utilizar. Posiblemente uno de los mejores ejemplos de estos es el método df.describe(). Una función que produce un resumen estadístico del contenido de un DataFrame que permite … [Leer más...] acerca de Uso del método df.describe() de Pandas para el análisis de datos
Eliminación de duplicados en DataFrames de Pandas
Los DataFrames de Pandas es uno de los principales objetos para el análisis de datos en Python. Al trabajar con datos reales, uno de los problemas más comunes es la presencia de valores duplicados, lo que puede afectar tanto a la integridad como a la precisión de los análisis. Afortunadamente, en los DataFrames de Pandas existen herramientas para la eliminación de duplicados de … [Leer más...] acerca de Eliminación de duplicados en DataFrames de Pandas
Cómo convertir una lista de diccionarios en un DataFrame de Pandas en Python
Al trabajar con datos en Python, es común encontrarse con la necesidad de convertir diferentes estructuras de datos en otros que sean más fáciles de manipular y analizar. Uno de estos problemas más comunes es el de convertir una lista de diccionarios en un DataFrame de Pandas. En esta entrada, se explicará cómo transformar una lista de diccionarios en un DataFrame de Pandas en … [Leer más...] acerca de Cómo convertir una lista de diccionarios en un DataFrame de Pandas en Python
Cómo seleccionar elementos entre dos fechas con Pandas
La manipulación de datos con fechas es una parte crucial del análisis de datos, por lo que es de extrañar que en Pandas existan herramientas para ello. Uno de los problemas que nos podemos encontrar a la hora de preparar los datos es cómo seleccionar elementos entre dos fechas. En esta entrada se mostrarán los pasos para conseguirlo, utilizando para ello un conjunto de datos de … [Leer más...] acerca de Cómo seleccionar elementos entre dos fechas con Pandas
Ejecutar consultas SQL en Pandas
La manipulación de datos es un aspecto clave dentro de la ciencia de datos. Aunque la biblioteca Pandas ofrece múltiples herramientas para procesar datos tabulares, puede que en algunos casos sea más adecuado el uso de lenguaje SQL para realizar análisis complejos. Ya que SQL es un lenguaje diseñado para la manipulación de bases de datos. Aquí es donde entra en juego la … [Leer más...] acerca de Ejecutar consultas SQL en Pandas
Optimizar el uso de memoria en Pandas con memory_usage
Al trabajar con grandes conjuntos de datos conocer el espacio ocupa en memoria cada una de las características es clave. Especialmente cuando es necesario eliminar características para reducir el tamaño ocupado. La forma para obtener esta información en los DataFrame de Python es mediante el método memory_usage(), el cual permite evaluar y optimizar el uso de memoria en Pandas. … [Leer más...] acerca de Optimizar el uso de memoria en Pandas con memory_usage
Diferencia entre at y loc en Pandas
En Pandas existen dos opciones para seleccionar los elementos de un DataFrame: at y loc. Aparentemente las dos alternativas hacen lo mismo, pero no es así. Existe una sutil diferencia entre at y loc en Pandas que se debe tener en cuenta a la hora de elegir una u otra opción.La diferencia entre at y loc en PandasLa sutil diferencia que existe entre los dos métodos es la … [Leer más...] acerca de Diferencia entre at y loc en Pandas