Lección 10 del curso Pandas Nivel Básico.
En la lección vimos los principales métodos y operaciones que podemos usar al manipular DataFrames de Pandas.
En esta lección veremos diferentes métodos para crear y almacenar DataFrames usando formatos adicionales al CSV y que también son de uso común en Ciencia de Datos y Machine Learning.
En particular veremos:
- Cómo crear desde cero un DataFrame a partir de un diccionario en Python
- Cómo crear un DataFrame a partir de un archivo JSON y cómo almacenar un DataFrame en formato JSON
- Cómo crear un archivo de Excel a partir de uno o múltiples DataFrames y cómo crear DataFrames a partir de archivos Excel.
Veamos todo esto en detalle:
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.
Acabamos de ver cómo usar un diccionario de Python para crear un DataFrame en Pandas.
De igual forma vimos un ejemplo práctico de cómo leer correctamente un archivo JSON en un DataFrame de Pandas usando los métodos «read_json» y «json_normalize» y cómo almacenar esta tabla de datos nuevamente en un archivo JSON con ayuda del método «to_json()».
Finalmente, vimos dos maneras diferentes de leer y almacenar archivos de Excel usando los métodos «read_excel», «to_excel» y «ExcelWriter», incluyendo además la posibilidad de almacenar múltiples DataFrames en diferentes hojas de Excel pero en un mismo archivo.
Y con esto terminamos este segundo módulo del curso, en donde hemos visto todas las herramientas básicas para la creación, lectura y procesamiento de DataFrames.
En el tercer módulo del curso nos enfocaremos en todas las herramientas básicas para la manipulación de Series en Pandas, comenzando con el tema de la próxima lección en donde veremos cómo realizar la lectura y creación de Series.
Todas las lecciones del curso Pandas Nivel Básico