pandas_numpy.

md 6/1/2022

Numpy y Pandas
Introducción
Numpy:

Es una librería enfocada al cálculo númerico y manejo de Arrays.

Es muy veloz, hasta 50 veces más rápido que usar una lista de Python o C.
Optimiza el almacenamiento en memoria.
Maneja distintos tipos de datos. Es una librería muy poderosa, se pueden crear redes neuronales desde
cero.

Pandas:

Enfocada a la manipulación y analisis de datos

Al estar construido sobre NumPy veloz.

Requiere poco código para manipular los datos.
Soporta múltiples formatos de archivos.
Ordena los datos en una alienación inteligente. Se pueden manejar grandes cantidades de datos, hacer
analítica y crear dahsboards.

Para importar las librerias se debe realizar el siguiente codigo:

import numpy as np
import pandas as pd

Numpy
Array: El array es el principal objeto de la librería. Representa datos de manera estructurada y se puede
acceder a ellos a traves del indexado, a un dato específico o un grupo de muchos datos específicos.

Ejemplo:

Importaremos la libreria y crearemos dos arrays uno en una dimension y otra de 3:

import numpy as np

lista = [1,2,3,4,5,6,7,8,9]
lista = np.array(lista)

# output ---> array([1, 2, 3, 4, 5, 6, 7, 8, 9])

matriz = [[1,2,3],[4,5,6],[7,8,9]]
matriz = np.array(matriz)

1 / 30
pandas_numpy.md 6/1/2022

# output ---> array([[1, 2, 3],

# [4, 5, 6],
# [7, 8, 9]])

Indexado:

El indexado nos permite acceder a los elementos de los array y matrices Los elementos se emepiezan a contar
desde 0.

lista[0]
# output ---> 1

lista[0] + lista[5]
# output ---> 7

Slicing:

El slicing nos permite extraer varios datos, tiene un comienzo y un final. En este ejemplo se está extrayendo
datos desde la posición 1 hasta la 5. [1:6].

lista[0:3]
# output ---> array([1, 2, 3])

matriz[1:,0:2]
# output ---> array([[4, 5],
# [7, 8]])

Tipos de datos:

Los arrays de NumPy solo pueden contener un tipo de dato, ya que esto es lo que le confiere las ventajas de
la optimización de memoria.

Podemos conocer el tipo de datos del array consultando la propiedad .dtype.

arr = np.array([1,2,3,4])
arr.dtype
# output ---> dtype('int64')

como las redes neuronales trabajan mejor con arreglos tipo flotante (numeros decimales) entonces
cambiaremos el formato del arreglo anterior con el siguiente codigo:

arr = np.array([1,2,3,4], dtype='float64')

arr.dtype

2 / 30
pandas_numpy.md 6/1/2022

# output ---> dtype('float64')

otra manera de convertirlo es de la siguiente manera (directamente desde la libreria):

arr = arr.astype(np.float64)
arr.dtype
# output ---> dtype('float64')

También se puede cambiar a tipo booleano recordando que los números diferentes de 0 se convierten en
True.

arr = np.array([0, 1, 2, 3, 4])

arr = arr.astype(np.bool_)
arr
# output ---> array([False, True, True, True, True])

el resto de formatos los podemos consultar dando click AQUÍ.

Dimensiones:
scalar: dim = 0 Un solo dato o valor
vector: dim = 1 Listas de Python
matriz: dim = 2 Hoja de cálculo
tensor: dim > 3 Series de tiempo o Imágenes

Declarando un escalar:

scalar = np.array(42)
print(scalar)
scalar.ndim
# output ---> 42
# ---> 0

3 / 30
pandas_numpy.md 6/1/2022

Declarando un Vector:

vector = np.array([1, 2, 3])

print(vector)
vector.ndim
# output ---> [1 2 3]
# ---> 1

Declarando una matriz:

matriz = np.array([[1, 2, 3], [4, 5, 6]])

print(matriz)
matriz.ndim
# output ---> [[1 2 3]
# [4 5 6]]
# ---> 2

Declarando un Tensor:

tensor = np.array([[[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12]],[[13, 13, 15],
[16, 17, 18], [19, 20, 21], [22, 23, 24]]])
print(tensor)
tensor.ndim
# output ---> [[[ 1 2 3]
# [ 4 5 6]
# [ 7 8 9]
# [10 11 12]]

# [[13 13 15]
# [16 17 18]
# [19 20 21]
# [22 23 24]]]
# ---> 3

Agregar o elimiar dimensiones:

Se puede definir el número de dimensiones desde la declaración del array

vector = np.array([1, 2, 3], ndmin = 10)

print(vector)
vector.ndim
# output ---> [[[[[[[[[[1 2 3]]]]]]]]]]
# ---> 10

4 / 30
pandas_numpy.md 6/1/2022

Se pueden expandir dimensiones a los array ya existentes. Axis = 0 hace refencia a las filas, mientras que axis
= 1 a las columnas.

expand = np.expand_dims(np.array([1, 2, 3]), axis = 0)

print(expand)
expand.ndim
# output ---> [[1 2 3]]
# ---> 2

Para remover o comprimirdimensiones que no estan siendo usadas

print(vector, vector.ndim)
vector_2 = np.squeeze(vector)
print(vector_2, vector_2.ndim)
# output ---> [[[[[[[[[[1 2 3]]]]]]]]]] 10
# ---> [1 2 3] 1

Creando Arrays:

Este métodode NumPy nos permite generar arrays sin definir previamente una lista.

np.arange(0,10)
# output ---> array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

Un tercer argumento permite definir un tamaño de paso.

np.arange(0,20,2)
# output ---> array([ 0, 2, 4, 6, 8, 10, 12, 14, 16, 18])

np.zeros() nos permite definir estructuras o esquemas.

np.zeros(3)
# output ---> array([0., 0., 0.])
np.zeros((10,5))
# output ---> array([[0., 0., 0., 0., 0.],
# [0., 0., 0., 0., 0.],
# [0., 0., 0., 0., 0.],
# [0., 0., 0., 0., 0.],
# [0., 0., 0., 0., 0.],
# [0., 0., 0., 0., 0.],
# [0., 0., 0., 0., 0.],
# [0., 0., 0., 0., 0.],
# [0., 0., 0., 0., 0.],
# [0., 0., 0., 0., 0.]])
5 / 30
pandas_numpy.md 6/1/2022

De iugal forma tenemos np.ones()

np.ones(3)
# output ---> array([1., 1., 1.])

np.linspace() permite generar una arrary definiendo un incio, un final y cuantas divisiones tendrá.

np.linspace(0, 10 , 10)
# output ---> array([ 0.,1.11111111,2.22222222, 3.33333333, 4.44444444,
# 5.55555556, 6.66666667, 7.77777778, 8.88888889, 10])

También podemos crear una matriz con una diagonal de 1 y el resto de 9.

np.eye(4)
# output ---> array([[1., 0., 0., 0.],
# [0., 1., 0., 0.],
# [0., 0., 1., 0.],
# [0., 0., 0., 1.]])

Otra metódo importante es generar números aleatorios.

np.random.rand()
# output --->0.37185218178880153

También se pueden generar vectores.

np.random.rand(4)
# output ---> array([0.77923054, 0.90495575, 0.12949965, 0.55974303])

Y a su vez generar matrices.

np.random.rand(4,4)
# output ---> array([[0.26920153, 0.24873544, 0.02278515, 0.08250538],
# [0.16755087, 0.59570639, 0.83604996, 0.57717126],
# [0.00161574, 0.27857138, 0.33982786, 0.19693596],
# [0.69474123, 0.01208492, 0.38613157, 0.609117 ]])

NumPy nos permite tambien generar números enteros. En este caso números enteros entre el 1 y 14

6 / 30
pandas_numpy.md 6/1/2022

np.random.randint(1,15)
# output ---> 4

También podemos llevarlos a una estructura definida.

np.random.randint(1,15, (3,3))
# output ---> array([[ 8, 2, 6],
# [ 7, 1, 8],
# [11, 14, 4]])

Shape y Reshape

shape me indica la forma que tiene un arreglo, es decir, me indica con que estructura de datos estoy
trabajando. Reshape transforma el arreglo mientras se mantengan los elementos.

arr = np.random.randint(1,10,(3,2))
arr.shape
# output ---> (3, 2)

Reshape

con el siguiente arreglo

array([[4, 9],
[9, 2],
[3, 4]])

# Aplicamos el Reshape

arr.reshape(1,6)

# output ---> array([[4, 9, 9, 2, 3, 4]])

otra forma de lograr el reshape

np.reshape(arr,(1,6))
# output ---> array([[4, 9, 9, 2, 3, 4]])

Se puede hacer un reshape como lo haría el lenguaje C.

7 / 30
pandas_numpy.md 6/1/2022

np.reshape(arr,(2,3), 'C')
# output ---> array([[5, 6, 4],
# [6, 2, 3]])

También se puede hacer reshape a como lo haría Fortran.

np.reshape(arr,(2,3), 'F')
# output ---> array([[5, 2, 6],
# [4, 6, 3]])

Además existe la opción de hacer reshape según como esté optimizado nuestro computador. En este caso es
como en C.

np.reshape(arr,(2,3), 'A')
# output ---> array([[5, 6, 4],
# [6, 2, 3]])

Funciones principales de NumPy

Trabajaremos con el siguiente vector y la siguiente matriz:

arr ---> array([ 4, 19, 16, 12, 5, 6, 19, 6, 1, 8])

matriz ---> array([[ 4, 19, 16, 12, 5],

[ 6, 19, 6, 1, 8]])

Función max()

arr.max()
# output ---> 19

si la quiero mostrar en la matriz por eje

matriz.max(0)
# output ---> array([ 6, 19, 16, 12, 8])

para mostrar en que indice se encuentra el valor maximo (me muestra el indice menor)

8 / 30
pandas_numpy.md 6/1/2022

arr.argmax()
# output ---> 1

Función min()

nos entrega el menos valor, contiene las mismas funciones de max pero nos devuelve el menor valor

Función ptp()

me trae la diferencia numerica entre el valor maximo y el valor minimo

arr.ptp()
# output ---> 18

Función percentile()

Me especifica directamente el percentil que le indico

np.percentile(arr, 50)
# output ---> 7.0

Función sort()

Me ordena de mayor a menor la información del arreglo o matriz

arr.sort()
arr
# output ---> array([ 1, 4, 5, 6, 6, 8, 12, 16, 19, 19])

Función median()

Me entrega la mediana de un arreglo

np.median(arr)
# output ---> 7.0

Función std()

Me calcula la desviación estandar del arreglo

9 / 30
pandas_numpy.md 6/1/2022

np.std(arr)
# output ---> 6.151422599691879

Función var()

Me calcula la varianza del arreglo

np.var(arr)
# output ---> 37.84

# desviación estandar ** 2 me da como resultado la varianza

np.std(arr) ** 2
# output ---> 37.84

Función mean()

Me calcula la media del arreglo

np.mean(arr)
# output ---> 9.6

Función concatenate()

me une o concatena la informacion de dos arreglos

trabajaremos con los siguientes arreglos

a = np.array([[1,2],[3,4]])
b = np.array([[5,6]])

para unir el array a con el array b

np.concatenate((a,b))
# output ---> array([[1, 2],
# [3, 4],
# [5, 6]])

Si queremos concatenarlo de manera que nos quede en una matriz 2x3 debemos trasponer la información del
array b ya que solo tiene una dimension; quedaria de la siguiente manera:

10 / 30
pandas_numpy.md 6/1/2022

np.concatenate((a,b.T), axis=1)
# output --->array([[1, 2, 5],
# [3, 4, 6]])

Existen más funciones estadisticas, para poder consultarlas dar click AQUÍ
Y más funciones matemáticas dando click AQUÍ

Copy
.copy() nos permite copiar un array de NumPy en otra variable de tal forma que al modificar el nuevo array los
cambios no se vean reflejados en array original.

arr = np.arange(0, 11)

# output ----> array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10])

arr[0:6] ----> array([0, 1, 2, 3, 4, 5])

trozo_de_arr = arr[0:6]
trozo_de_arr[:] = 0
# output trozo_de_arr ----> array([0, 0, 0, 0, 0, 0])

Se han modificado los datos del array original porque seguía haciendo referencia a esa variable.

arr
# output ----> array([ 0, 0, 0, 0, 0, 0, 6, 7, 8, 9, 10])

arr_copy = arr.copy()
arr_copy[:] = 100

arr_copy
# output ----> array([100, 100, 100, 100, 100, 100, 100, 100, 100, 100, 100])
arr
# output ----> array([ 0, 0, 0, 0, 0, 0, 6, 7, 8, 9, 10])

Condiciones
son un conjunto de parametros que colocamos al hacer un slicing o un idexing dentro de un array con alguna
condición, ejemplo quiero extraer del array los numeros pares.

nos permite realizar consultas al array mas especificas que sean dificil lograr con un simple slicing.

arr = np.linspace(1,10,10, dtype='int8')

# output ----> array([ 1, 2, 3, 4, 5, 6, 7, 8, 9, 10], dtype=int8)

si yo creo una vartiable con una condicion, ejemplo los numeros > a 5 del array

11 / 30
pandas_numpy.md 6/1/2022

indices_cond = arr > 5

# output ----> array([False, False, False, False, False, True, True, True,
True, True])

Si yo realizo slicing al array inicial "arr" poniendo como index el "indices_cond" tenemos como resultado la
condición planteada dentro de la variable "indices_cond":

arr[indices_cond]
# output ----> array([ 6, 7, 8, 9, 10], dtype=int8)

otro ejemplo con dos condiciones:

arr[(arr > 5) & (arr < 9)]

# output ----> array([6, 7, 8], dtype=int8)

De igual forma modificar los valores que cumplan la condición.

arr[arr > 5] = 99
# output ----> array([ 1, 2, 3, 4, 5, 99, 99, 99, 99, 99], dtype=int8)

Operaciones
Cuando realizamos una multiplicacionen donde queremos aplicar el factor a cada elemento en una lista en
python, el sistema entiende que lo que queremos es duplicar los datos, ejemplo:

lista = [1,2]
lista * 2
# output ---> [1, 2, 1, 2]

realicemos las operaciones desde numpy:

arr = np.arange(0,10)
arr2 = arr.copy() # realizamos copia para no modificar el array principal

# output ---> array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

arr * 2
# output ---> array([ 0, 2, 4, 6, 8, 10, 12, 14, 16, 18])

Con numpy tambien podemos hacer operaciones entre arrays

12 / 30
pandas_numpy.md 6/1/2022

arr + arr2
# output ---> array([ 0, 2, 4, 6, 8, 10, 12, 14, 16, 18])

Se pueden hacer operaciones de producto punto entre vectores con las dos siguientes maneras:

np.matmul(matriz, matriz2.T)
# output ---> array([[ 30, 80],
# [ 80, 255]])
matriz @ matriz2.T
# output ---> array([[ 30, 80],
# [ 80, 255]])

para poder conocer el concepto de producto punto haz click AQUÍ

Para poder ver mas operaciones con numpy hacer click AQUÍ

Pandas
Series y Dataframes

Series: es un objeto de pandas parecido a un array unidimensional ya que puedo indexar, hacer slicing, hacer
operaciones manetaticas y admite muchos tipos de datos.

Dataframes: Son estructuras matriciales, ya que tenemos filas y columnas, las filas y las columnas tienen
indices. con este podemos tambien indexar, hacer slicing, hacer operaciones manetaticas y admite muchos
tipos de datos.

la libreria se debe importar siempre que queramos trabajar con pandas

import pandas as pd

psg_players =pd.Series(['Navas','Mbappe','Neymar','Messi'],
index=[1,7,10,30])

# Output
# 1 Navas
# 7 Mbappe
# 10 Neymar
# 30 Messi
# dtype: object

puedo hacer slicing e indexing

13 / 30
pandas_numpy.md 6/1/2022

psg_players[1]
# Output ---> 'Navas'

psg_players[0:3]
# Output
# 1 Navas
# 7 Mbappe
# 10 Neymar
# dtype: object

En el caso del mismo ejemplo anterior, si queremos realizar un dataframe, vamos a crear un diccionario con
las caracteristicas de los jugadores:

jugadores_psg ={'Jugadores':['Navas','Mbappe','Neymar','Messi'],
'Altura':[165.0,185.0,175.0,169.0],
'Goles':[2,150,200,450]}

creamos a continuación del dataframe con el siguiente codigo:

df_players = pd.DataFrame(jugadores_psg, index=[1,7,10,30])

podemos acceder a los dataframes con indices de filas y columnas, para reconocerlos realizamos los
siguientes comandos:

df_players.columns
# Output ---> Index(['Jugadores', 'Altura', 'Goles'], dtype='object')

df_players.index
# Output ---> Int64Index([1, 7, 10, 30], dtype='int64')

Leer Archivos CSV y JSON con Pandas

Podemos leer archivos externos para convertirlos en dataframes y poder trabajar con ellos en formato de filas
y columnas:

14 / 30
pandas_numpy.md 6/1/2022

df_books = pd.read_csv('bestsellers-with-categories.csv', sep=',',header=0)

df_books

Filtrado con Loc y Iloc

Como con pandas podemos realizar slicing e indexing tal y como se realiza con la libreria de numpy podemos
referenciar filas y columnas de la siguiente manera:

df_books[0:4]

df_books[['Name','Author']]

15 / 30
pandas_numpy.md 6/1/2022

Al utilizar loc tenemos un slicing con un filtrado de columnas:

df_books.loc[0:4, ['Name','Author']]

En la siguiente linea de codigo voy a traerme una columna que me dirá que indice tiene como autor Stephen
King:

df_books.loc[:, ['Author']] == 'Stephen King'

por otro lado el iloc me realiza consultas por indice, ejemplo:

df_books.iloc[0:5,0:3] # el primer index me trae la cantidad de filas, el segundo

la cantidad de columnas.

16 / 30
pandas_numpy.md 6/1/2022

Agregar o eliminar datos con Pandas

Drop columns

df_books.drop('Genre', axis=1, inplace=True)

axis=1 me indica que voy a borrar una columna

inplace=True me borra la columna del dataframe completamente, si no especifico esta función dentro
del código solo me hará el drop a la visualización mas no al dataframe.

otra forma de borrar sin usar implace es hacer referencia a la misma variable.

df_books = df_books.drop('Year', axis=1)

Python tiene su propia función de borrado que también me sirve en este caso pero no es muy recomendado

del df_books['Price']

Drop Rows

haciendo referencia al axis=0 borramos columnas:

df_books.drop(0, axis=0, inplace=True)

podemos borrar una lista de indices:

df_books.drop([0,1,2], axis=0, inplace=True)

borrar una serie de filas con la funcion range:

df_books.drop(range(0,10), axis=0, inplace=True)

17 / 30
pandas_numpy.md 6/1/2022

Add Columns

creamos una columna con la funcion nan de numpy (debemos tener la libreria de Numpy activa)

df_books['Nueva Columna'] = np.nan

Podemos añadir una nueva columna con una numeración desde 1 hasta el final del DataFrame

data = np.arange(1,df_books.shape[0] + 1)
df_books['row_number'] = data

shape me muestra la
cantidad de filas del DataFrame

todo rango que quiera añadir debe tener la misma logitud de filas del DataFrame, de lo contrario tendremos
un error.

Add Rows

La siguiente funcion es la mas rapida y eficiente al momento de añadir filas nuevas

df_books.append(df_books)

18 / 30
pandas_numpy.md 6/1/2022

con este codigo estamos duplicando la cantidad de datos ya que estamos añadiendo con append el mismo
DataFrame.

Manejo de datos Nulos

Tenemos el siguiente DataFrame de ejemplo:

para visualizar los nulos usamos la siguiente función:

df.isnull()

Lo llevaremos a un manejo de ceros y unos:

df.isnull()*1

podemos llenar los valores nulos con un valor para ser reconocidos:

df.fillna('Missing')

19 / 30
pandas_numpy.md 6/1/2022

O tambien podemos llenar los valores numericos con una formula como la media

df.fillna(df.mean())

otra manera de manejar datos numericos nulos

df.interpolate()

o eliminar todo lo que esté nulo:

df.dropna()

Filtrado por Condiciones

Filtrar los libros cuyo año sea mayor a 2016:

df_books[df_books['Year'] > 2016]

tambien podemos hacerlo creando una vairable

20 / 30
pandas_numpy.md 6/1/2022

mayor2016 = df_books['Year'] > 2016

df_books[mayor2016]

de esta manera podriamos crear muchas variables condición y juntarlas en una sola consulta de datos.

para negar una condición se añade el siguiente simbolo a la linea de codigo

df_books[~mayor2016]

Funciones Principales de Pandas

traer los n primeros registros de un DataFrame

df_books.head(5)

traer los n ultimos registros de un DataFrame

df_books.tail(5)

Para conocer la información del DataFrame lo hacemos con:

df_books.info()

De las columnas numericas podría optener datos estadisticos basicos con la siguiente línea de código:

df_books.describe()

21 / 30
pandas_numpy.md 6/1/2022

Con el siguiente comando podremos ver el peso en memoria de cada una de las columnas del DataFrame,
esta información es util para ver que tanto me podria demorar en iterar las columnas pasando un For

df_books.memory_usage(deep=True)

Para contar cuantas veces se repite el autor dentro del DataFrame:

df_books['Author'].value_counts()

Para borrar duplicados realizamos la siguiente línea de código:

df_books.drop_duplicates()

22 / 30
pandas_numpy.md 6/1/2022

Para ordenar los datos de manera descendiente realizamos la siguiente línea de código:

df_books.sort_values('Year', ascending=False)

El sort tiene por defecto el ordenamiento ascendenter por lo que si queremos ordenarlo de esta manera
podriamos omitir el ascending en el código.

si quieres ver más formulas de Pandas da click AQUÍ.

Group by

Función de agrecación que nos sirve para poder visualizar elementos que se repiten en un DataFrame de
manera agregada mediante sumas, conteos, promedios etc:

df_books.groupby('Author').count()

Vemos en el resultado anterior que el título del autor quedó más abajo que el resto. Esto es porque despues
de ejecutar ese codigo autor queda como index del DataFrame consultado y pdoriamos hacer consultas por
label de la siguiente manera:

23 / 30
pandas_numpy.md 6/1/2022

df_books.groupby('Author').count().loc['William Davis']

este nos traerá como resultado la información asociada a ese index.

por otra parte podemos hacer que el autor haga parte de otra columna con la siguiente línea de comando
adicional:

df_books.groupby('Author').count().reset_index()

Si quiero realizar un analisis de más de una métrica podemos realizarlo con el siguiente código:

df_books.groupby('Author').agg(['min','max'])

podemos realizar operaciones de agrecación con diferentes variables a analizar, es decir, quiero realizar la
misma agregación por autor, pero, quiero sacar el minimo y el maximo de Reviews y el promedio del Rating:

df_books.groupby('Author').agg({'Reviews':['min','max'],'User Rating':'mean'})

24 / 30
pandas_numpy.md 6/1/2022

Combinando DataFrames

Cuando queremos realizar una union entre dos dataframes ya que necesitamos información que albergan
ambos podemos realizarlo de una manera simila a como se hace desde SQL:

Concat

Dados los siguientes dataframes (df1 y df1)

para concatenar los dos dataframes utilizamos el siguiente código

pd.concat([df1,df2], ignore_index=True)

25 / 30
pandas_numpy.md 6/1/2022

con el ignore_index=True reseteamos el indice del DataFrame ya que si no lo usamos mantendriamos los
mismos indices de los DataFrames iniciales.

también se puede concatenar de manera horizontal:

Merge

Dados los siguientes dataframes (izq y der)

izq.merge(der, on='key')

si por el contrario tengo columnas con diferentes nombres se deberia unir especificando en el codigo los
nombres de las columnas a unir, similar a un ON despues de un JOIN en SQL:

26 / 30
pandas_numpy.md 6/1/2022

izq.merge(der, left_on='key', right_on='key_2')

si tengo una llave nula en el DataFrame de la derecha la manera de conservar los datos de la columna
izquierda es argumentando que quiero hacer un merge por la izquierda ya que por defecto me trae el inner
(intersección):

izq.merge(der, left_on='key', right_on='key_2', how='left')

Join

la diferencia del join con el merge es que el join va a hacer la busqueda y el match con los indices de los
DataFrames y el merge lo realiza con columnas específicas

Dados los siguientes dataframes (izq y der)

izq.join(der)

27 / 30
pandas_numpy.md 6/1/2022

por defecto el join me hace una unión por la izquierda (left), para poder realizar joins diferentes se debe
especificar el tipo de join en el código:

izq.join(der, how='right')
izq.join(der, how='inner')
izq.join(der, how='outer')

Pivot

Pivot transforma los valores de determinadas columnas o filas en los índices de un nuevo DataFrame, y la
intersección de estos es el valor resultante.

Basandonos nuevamente el en DataFrame df_books:

df_books.pivot_table(index='Author',columns='Genre',values='User Rating')

Como resultado, los valores de Author pasan a formar el índice por fila y los valores de Genre pasan a formar
parte de los índices por columna, y el User Rating se mantiene como valor.

df_books.pivot_table(index='Genre',columns='Year', values='User
Rating',aggfunc='sum')

En este caso tenemos por cada género, la suma a lo largo de los años. Esto es mucho más interesante,
¿verdad? La mejor noticia es que no solo podemos obtener la suma, también podemos obtener la media, la
desviación estándar, el conteo, la varianza, etc. Únicamente con cambiar el parámetro aggfunc que traduce
función de agrupamiento.

Melt
28 / 30
pandas_numpy.md 6/1/2022

El método melt toma las columnas del DataFrame y las pasa a filas, con dos nuevas columnas para especificar
la antigua columna y el valor que traía.

df_books[['Name','Genre']].head(5).melt()

Apply

Es un método que nos ayudará a aplicar funciones definidas previamente a los DataFrames

por lo que definiremos la siguiente función

def two_times(value):
return value * 2

Luego aplicaremos la función a una columna de nuestro DataFrame df_books:

df_books['User Rating'].apply(two_times)

Esta me multiplicará por 2 cada uno de los 'User Rating' y me lo hará mucho mas rápido que un for.

También me aplicará funciones lambda:

df_books['Rating_2'] = df_books['User Rating'].apply(lambda x : x * 3)

29 / 30
pandas_numpy.md 6/1/2022

Si quiero realizar una función mas compleja en donde el User Rating me lo multiplique por 2 si el genero es
Fiction de lo contrario dejar el dato como está:

df_books['Rating_2'] = df_books.apply(lambda x : x['User Rating'] * 2 if

x['Genre'] == 'Fiction' else x['User Rating'], axis=1)

30 / 30