·
Funciones panda :
impor pandas as pd
·
af = read -
excel ("nom XsI"( .
"
>
-
si es CSV :, sep
=
; ")
e
hemos de mual , si es mac sera coma
df shape columns
·
.
: rows ,
/"
·
.
Shape [0)) :
nows
"Shape [1] : columns Muestra el nombre de las columnas del excel
df . colums :
se añade un index al dataframe .
·
print (list (df .
columns)) : deveulue una lista con los nombres de las columnas .
head/tail (num
af describe () enseña : count , mean sud , min 251 50 %, 75 %, max/elf (percentiles
·
.
:
, , , .
describe
-
>
-
si
quremos solo uno : af. mean() =
[0 , 3 : 0 .5 : 0 , 77)
df2 af copy
·
=
.
1 =
column
df isnull (1 columns mull values. &
containing O
·
:
.
=
rows
>
-
delete specific column containing null values :
df .
drop ("column . name" axis 1) =
df dropna .
(inplace-True) :
sacar filas con valores nulos.
·
af .
duplicated() >
-
print
fila previa, devuelve True/False
4
True si es una copia de la de todas las filas.
df[d. duplicated())
>
-
queremos ver
si las filas duplicadas :
dup =
-
print
Quirar auplicados
·
>
-
si los
quremos quiras ; hay dos maneras :
-df drop-duplicates (inplace True)
.
=
af af drop duplicares()
=
. -
Aqui hemos vaciado algunas filas pero el indice las
·
commando
sigue :
>
-
af . reset-indexe (drop =
True , in place True)
=
Remplazar los valores nulos en una cierta columna por le que sea
·
:
af[" columna af ["columna"] Silna (d)
>
- =
.
Queremos posibles valores
los columna :
·
de una
>
-
df["columna"] unique (l .
Suma de cuantos
hay por cada valor
·
aft" column"]
>
-
.
value -
counts (
Que enseñe solo
algunas columnas
·
nos :
afs"
"
"]
"
>
- ... ...
,
·
· Fredfeafinder. isin Cran c est
Touahuduso
gau sa
af iloc[no
.
: 15 ,
5 : 16
e ① Incluye el 16 (xposición)
Select rows where insulin is
greater than se :
en
·
numasscose
drop specific columns
·
creamos una lista : columns-to - drop ["v" =
,
"Y" "3" .
df drop (columns
.
=
columns-to-drop , axis =
1 , inplace =
True)
Calculare % Of each gender count how many there are for each
gender (value
·
: a
*
counts) 2 namalize frecuencia) (
=
/Toral +
renemos una .
Ne
genre per af["Genre"] (normalize-True)
*
-
=
Value -Counts . Neo
-
print .
·
Convent upper case the "Genre" column :
to
aft "Genre" 1 df[ "Genre"] Str Upper (
=
.
.
n'd workers per occupation and
gender
·
ex : :
meanuancee au
group
everage age by gender
:
-groupbyder")
["age") .
mean () Sorr-values
.
(ascending =
False).
F/M e le asociamos edad.
subgrupos : la
display least occupar
·
two comon :
af["occupar"] .
Value -
counts() Sor-values(1 Lead (2)
. .
