Lección 3 del curso Pandas Nivel Avanzado.
En la lección anterior vimos cómo usar el método «pivot_table()» para generar tablas dinámicas en Pandas, lo que permite re-estructurar y agregar nuestros datos.
En esta lección veremos cómo usar los métodos «stack()» y «unstack()» de Pandas para re-estructurar un DataFrame, lo que nos permite pasar de formato ancho a largo y viceversa:
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.
Bien, acabamos de ver un segundo conjunto de técnicas usadas para re-estructurar un DataFrame de Pandas. En particular vimos que:
- «stack()» nos permite apilar (stacking) las columnas de un DataFrame. Ahora estas columnas serán filas en el DataFrame resultante. Es decir, permite pasar de un DataFrame ancho a uno largo.
- «unstack()» es lo opuesto de «stack()»: permite desapilar (unstacking) las filas de un DataFrame. Ahora estas filas serán columnas en el DataFrame resultante. Es decir, permite pasar de un DataFrame largo a uno ancho.
Es importante resaltar que en ambos casos lo único que hacen estos métodos es cambiar la estructura del DataFrame original, es decir que no incluyen funciones de agregación (como sí ocurría con «pivot_table()»).
En la siguiente lección continuaremos viendo estas técnicas de re-estructuración, y hablaremos específicamente del «melting» o de cómo “fundir” un DataFrame.
Todas las lecciones del curso Pandas Nivel Avanzado