Lección 5 del curso Pandas Nivel Básico.
En la lección anterior vimos cómo leer un DataFrame y sus atributos básicos. En esta lección seguiremos profundizando sobre este tipo de dato y veremos que parte de la versatilidad de los DataFrames en Pandas radica en la posibilidad de almacenar diferentes tipos de datos en estas estructuras. Así que hablaremos en detalle de estos diferentes tipos de datos que puede contener un DataFrame.
Comenzaremos dando un panorama general de los diferentes tipos de datos que podemos encontrar en un proyecto de Ciencia de Datos y Machine Learning (como los datos numéricos y los categóricos) y su relación con los tipos de datos que podemos encontrar en un DataFrame de Pandas.
Luego, veremos cómo el atributo «dtypes» o los métodos «value_counts()» e «info()» nos permiten imprimir en pantalla la información relacionada con el tipo de datos que contiene cada columna de nuestro DataFrame.
Finalmente, hablaremos de los principales tipos de datos usados en Pandas y que comúnmente encontraremos en nuestros proyectos.
Así que sin más preámbulos, comencemos:
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 las diferentes opciones que ofrece Pandas para el almacenamiento de datos numéricos y categóricos en un DataFrame.
La versatilidad del DataFrame radica en que cada columna puede contener un tipo diferente de dato, lo que hace que en una misma tabla podamos tener datos tanto numéricos como categóricos almacenados en diferentes formatos.
También vimos cuáles son precisamente los formatos o tipos de datos que más comúnmente encontraremos en nuestros proyectos de Ciencia de Datos y Machine Learning, entre los que se cuentan los tipos de dato «object», «int», «float», «NaN», «datetime», «category» y «bool», entre otros.
En la próxima lección veremos una serie de herramientas a las que usualmente tendremos que recurrir al momento de usar Pandas en nuestros proyectos. Hablaremos de la selección y modificación de columnas y filas de un DataFrame.
Todas las lecciones del curso Pandas Nivel Básico