Lección 1 del curso Pandas Nivel Avanzado.
En ocasiones cuando leemos datos tabulares en el formato DataFrame de Pandas la información se encuentra “desorganizada” y no resulta fácil entender los datos ni realizar el análisis.
Por ejemplo esta es una tabla desorganizada:
| Nombre | Categoría | Valor |
| Julia | Saldo | 2.300 |
| Julia | Color | Rojo |
| Carlos | Saldo | 1.100 |
| Julia | Edad | 40 |
| Carlos | Color | Púrpura |
| Carlos | Edad | 38 |
¿Por qué es desorganizada?
- Porque la columna “valor” no contiene un sólo tipo de dato
- Porque un mismo nombre aparece en varias filas
- Porque para determinar a qué se refiere la columna “valor” debemos ver simultáneamente la información correspondiente en la columna “categoría”
En últimas todo esto dificulta la interpretación y análisis de los datos. Una forma alterna de ver estos datos es en una tabla organizada:
| Nombre | Edad | Saldo | Color |
| Julia | 40 | 2.300 | Rojo |
| Carlos | 38 | 1.100 | Púrpura |
¡En este caso resulta mucho más fácil entender el contenido de la tabla!
En la práctica muchas veces los datos están desorganizados y por tanto debemos saber usar técnicas que nos permitan preservar la información para obtener un DataFrame organizado. Esto se conoce como re-estructurar un DataFrame y es precisamente el tema de este primer módulo del curso.
Entonces veremos técnicas como el uso de tablas dinámicas, el “stacking” (apilar) y “unstacking” (des-apilar) de una tabla, así como en qué consisten los conceptos de “fusionar” y “explotar” un DataFrame.
Pero para entender estos conceptos es necesario partir de dos definiciones básicas: el significado de lo que es un DataFrame ancho y un DataFrame largo, que es precisamente el tema de esta lección:
Contenido exclusivo para suscriptores
Si eres suscriptor accede en este enlace ó suscríbete a la Academia Online y accede a todo el contenido (lecciones en video, código fuente, sets de datos y descargas) de todos los cursos, proyectos y tutoriales.
Como acabamos de ver, la estructura de representación más adecuada (DataFrame largo o ancho) dependerá de la información que queramos extraer de los datos.
Y por eso es importante tener claros estos dos tipos de estructuras, pues las técnicas que veremos en las próximas lecciones nos permiten precisamente modificar dicha estructura dependiendo del análisis que queramos realizar.
Muy bien, teniendo claro estos sencillos conceptos ya estamos listos para comenzar a ver en detalle las diferentes técnicas que nos ofrece Pandas para la re-estructuración de tablas de datos, comenzando con las tablas dinámicas (o «pivot tables») que será el tema de la próxima lección.
Todas las lecciones del curso Pandas Nivel Avanzado